一种改进的多值遗传算法研究

该文通过在多值遗传算法中引入模式基因来引导种群的搜索方向,算法在运行过程中不断搜索基因的各种组合,是一种有导向性的组合,模式基因的提取和利用加强了基因组合的导向性,有效提高算法的搜索效率。仿真实验表明了改算法的有效性。     

一种避免早熟收敛的改进遗传算法

针对传统遗传算法的早熟收敛问题,在著名的“基因块”假设的基础上,提出了一种改进算法：利用设计的新算子对传统遗传算法演化过程中被淘汰的个体进行二次演化,使得可能包含在将来的演化中对结果的全局最优性产生重要影响的基因块得以保留,以此来避免遗传算法早熟收敛现象。实验结果证明了该改进算法可以有效地避免早熟收敛,提高了算法全局优化能力。     

一种避免早熟收敛的改进遗传算法

针对传统遗传算法的早熟收敛问题,在著名的"基因块"假设的基础上,提出了一种改进算法:利用设计的新算子对传统遗传算法演化过程中被淘汰的个体进行二次演化,使得可能包含在将来的演化中对结果的全局最优性产生重要影响的基因块得以保留,以此来避免遗传算法早熟收敛现象。实验结果证明了该改进算法可以有效地避免早熟收敛,提高了算法全局优化能力。     

遗传算法及其在化学领域中的应用

简要地介绍了遗传算法的基本原理、理论基础及其在化学领域中的若干应用．指出遗传算法是基于自然选择和基因遗传学原理的随机的搜索算法，它无需体系的先验知识．能在许多局部较优中找到全局最优点；它以其解决非线性问题的鲁棒性、全局收敛性具有独特的吸引力，正引起越来越多的研究及应用．     

一种改进的遗传算法

传统的遗传算法有2个严重的缺点,即不能有效地消除过早收敛现象以及在进化后期搜索效率较低。模拟退火算法是基于金属退火的机理而建立起来的1种全局最优化方法,它能够以随机搜索技术从概率的意义上找到目标函数的全局最小点。将遗传算法与模拟退火算法相结合,提出模拟退火遗传算法。实验结果表明,该算法在性能上有较大的改善。     

一种改进的遗传算法及其应用

为解决遗传算法的早熟和局部收敛现象,提出的一种改进的遗传算法,该算法引入海明距离构造初始种群,在选择、交叉、变异过程中采用最优保存策略。实验表明改进的遗传算法增强了种群的多样性,并在一定程度上避免早熟现象发生,同时又能较快找到全局最优解。     

遗传算法及其改进研究

遗传算法是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率搜索算法。本文讲述了遗传算法的相关知识要点,通过对遗传算法特点的分析,提出遗传算法的缺点,然后针对遗传算法的缺点提出相应的一些改进方法。     

一种改进实数编码遗传算法及其应用

将混沌现象和邻域细化搜索策略应用于实数编码遗传算法(RCGA)中,提出了一种改进的RCGA。并将该算法应用于连续函数优化求解。与其他方法相比,表明该算法可靠且算法效率更高。     

一种基于遗传算法的改进图像匹配方法

研究了基于遗传算法的图像匹配方法。针对传统的遗传算法运行速度不高且容易产生早熟现象这一局限性,提出一种改进的遗传算法。该算法利用伪并行遗传算法(PPGA)的思想,提出了新的遗传策略,减小了算法陷于局部极值的可能性并同时提高了搜索速度。     

一种改进的变种群规模遗传算法

传统的遗传算法在遗传操作的过程中,不管具体问题对种群规模的要求都事先指定,造成种群规模表现的不合理。针对这一问题,Arabas,J.等人提出了一种变种群规模遗传算法GAVaPS(Genetic Algorithms withVarying Population Size),旨在遗传操作的过程中自适应地调整种群的规模。黄乐等人提出了一种改进的变种群规模遗传算法VPSG-GM(Varying Population Size Genetic Combined with Gradient Search Method),它与GAVaPS方法在遗传操作上的不同之处是把评价目标函数的步骤置于重组种群时“淘汰”步骤之前,这样做减少了算法由于重组造成的不必要开销。文章提出的改进的变种群规模的遗传算法,在调整种群规模时通过增加补算算子,从而达到保持种群多样性的目的。这样做可以略去变异操作,减少了系统开销。实验证明了该算法的有效性。     

具有成熟前收敛判断的自适应遗传算法

针对传统的简单遗传算法的缺陷，提出了改进的具有成熟前收敛判断的自适应遗传算法．用群体熵值和均方差来预报成熟前收敛的发生．当成熟前收敛发生时，提出以群体中的最优个体为基础，在其一定大小领域内随机产生若干个体，取代原种群中的部分个体，其中更新的个体数占群体中个体总数的30％—40％，领域大小与目标函数极值点分布有关．仿真实验证明，算法的收敛速度和全局收敛概率都有显的提高．     

求解0-1背包问题的遗传算法

提出了一种求解0-1背包问题的遗传算法,该算法首先设计出基于适应度的自适应变异策略,提高了变异的科学性和新算法的搜索能力;然后提出了基于单位价值信息和满足约束最大化的双优化策略,提高了求解的质量.3个0-1背包问题的仿真实验表明:与已有的HGA算法和GGA算法相比,新算法在求解质量上具有一定优势.     

基于改进遗传算法的多项目网络资源优化

文中通过分析多项目网络计划资源综合优化问题,抽象出其数学模型,并用改进遗传算法对其求解,最后通过验证得出改进的遗传算法求解该问题明显优于传统的遗传算法,改进后的算法能在较短的时间内找到一个最优解,具有快速收敛寻优的特点,在求解的效率和解的质量方面都达到了比较好的结果.     

An improved genetic algorithm for training layered feedforward neural networks

The new genetic algorithm for training layered feedforward neural networks proposed here uses a mutation operator for performing the search behaviors of local optimization. Combining the random restart method with the local search technique, the algorithm can converge asymptocally, to the optimal solution. Test with a practical example showed that the improved genetic algorthm is more efficient than the conventional genetic algorithm. Project supported by NSFC (No 39870940) and (G199054405-973) the National Key Scientific Research & Development Program.     

基于改进遗传算法的自动组卷算法研究

在在线考试自动组卷中,为了避免简单遗传算法收敛速度慢及早熟收敛的问题,提出了基于实数编码、分段交叉、有条件生成初始种群的改进遗传算法。实践表明,改进的遗传算法能更好地解决自动组卷问题,具有较好的实用性。     

基于改进遗传算法的智能组卷研究

智能组卷是一个多目标约束的组合优化问题.针对传统遗传算法在编码和遗传算子存在的问题,提出一种分段自然数编码及采取自适应遗传算子的改进遗传算法.     

遗传算法的研究

遗传算法是一种基于生物自然选择与遗传机理的随机搜索与优化方法．近年来，由于遗传算法求解复杂优化问题的巨大潜力及其在工业工程领域的成功应用，这种算法受到了国内外学者的广泛关注．本文介绍了遗传算法的研究现状和基本原理，概述了它的理论和技术，并对遗传算法的性能作了分析．以推销员旅行问题为例来展示遗传算法在求解复杂优化问题上的优越性．     

Improved genetic operator for genetic algorithm

The mutation operator has been seldom improved because researchers hardly suspect its ability to prevent genetic algorithm (GA) from converging prematurely. Due to its importance to GA, the authors of this paper study its influence on the diversity of genes in the same locus, and point out that traditional mutation, to some extent, can result in premature convergence of genes (PCG) in the same locus. The above drawback of the traditional mutation operator causes the loss of critical alleles. Inspired by digital technique, we introduce two kinds of boolean operation into GA to develop a novel mutation operator and discuss its contribution to preventing the loss of critical alleles. The experimental results of function optimization show that the improved mutation operator can effectively prevent premature convergence, and can provide a wide selection range of control parameters for GA.     

基因群进化受控的自然遗传算法

１ＩｎｔｒｏｄｕｃｔｉｏｎＧｅｎｅｔｉｃａｌｇｏｒｉｔｈｍｓ（ＧＡｓ）ｗｅｒｅｐｒｏｐｏｓｅｄｔｏｓｏｌｖｅｐｌａｎｎｉｎｇ,ｓｃｈｅｄｕｌｉｎｇ,ｏｒｏｐｔｉｍｉｚａｔｉｏｎｐｒｏｂｌｅｍｓｉｎ１９７０ｓ．ＧＡｓｓｉｍｕｌａｔｅｎａｔｕｒａｌｅｖｏ...