遗传算法原理与发展方向综述

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。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。     

遗传算法综述

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。介绍了遗传算法的研究现状,描述了它的基本原理和主要特点,概述了它的应用领域,并指出了今后遗传算法的研究方向。     

遗传算法在优化求解中的应用

遗传算法是一种通过模拟自然界的生物演化过程搜索最优解的方法,用于求解优化问题有其独特的优势。系统介绍了遗传算法特点、算法框架、以及遗传算法求解优化问题的应用过程。     

一种改进的求解TSP问题的遗传算法

TSP问题是典型的NP难组合优化问题,而遗传算法是求解此类问题的一种方法。但遗传算法存在收敛速度慢和陷入局部最优的问题。针对上述问题并结合TSP的特点提出了一种改进的遗传算法,对传统遗传算法的各种操作与算子进行了优化与改进,较好地解决了种群多样性与算法收敛性的矛盾。实验结果表明,改进后的算法明显优于传统遗传算法,说明该算法具有良好的有效性与可行性。     

基于RFID和图像识别的食品追溯信息查询算法

针对传统遗传算法在食品二维码识别和追溯的应用中表现出识别准确性不高的问题,本文提出了一种基于算子和适应度函数优化遗传算法的食品二维码识别追溯模型,首先在遗传算法运行中依据种群的特点来动态调整交叉概率和变异概率的数值,然后采用一种将海明距离测度与适应度距离相结合的方法,将个体的目标适应度降低,最后将食品二维码识别追溯模型转化为图像识别模型,并采用改进的遗传算法对其进行二维码识别和追溯。仿真试验结果表明,本文提出的基于算子和适应度函数优化遗传算法的食品二维码识别追溯模型相比较标准遗传算法,具有更高的识别精度。     

混合遗传算法在柔性制造系统优化中的应用

针对传统遗传算法因过早收敛而导致效率低下的问题,通过对传统遗传算法模型的优化,开发了基于混合遗传算法的柔性制造系统优化模型。在系统介绍了混合遗传算法的基本原理及其操作步骤的基础上,通过示例演示混合遗传算法的具体应用并对应用质量和效率进行比较分析。混合遗传算法在继承了一般遗传算法的全局优化特点的同时,解决了传统遗传算法过早收敛的问题,提高了柔性制造系统优化的质量和效率。     

灌溉管网优化设计方法研究进展

分别阐述了管网布置和管径优化问题的研究进展,分析了求解优化模型的各种算法,通过比较,认为遗传算法在优化应用中,能取得良好效果,预估遗传算法在管网与管径同步优化方面能得到应用。     

基于遗传算法的计算机通信网优化设计

在生物遗传法则中,有一种自然选择最优机制,是促进生物不断进化的主要方法,这种进化方法就是遗传算法。生物遗传算法是具备的优良特性以及优化可靠性使其在其他很多科研领域中也获得了广泛应用,其中计算机通信工程的通信网优化设计就常常采用遗传算法来进行优化设计。现本文通过区分遗传算法与一般数学寻优方法,阐述了遗传算法的基本原理,继而分析了计算机通信网的优化设计要求,并探讨基于遗传算法的计算机通信网优化设计方法。     

大学生人力资本与就业满意度的关系研究

针对当前对大学生人力资本与就业满意度问题,提出运用遗传算法优化的BP神经网络模型研究的方法。首先建立了大学生人力资本和就业满意度的指标体系;然后,使用递阶遗传算法优化BP神经网络;再使用优化后的模型对真实数据进行了训练及测试,并与传统BP模型测试结果进行了对比;优化后的效果较为明显。最后通过关联分析,得出各人力资本指标变动对就业指标影响的图表。     

基于归一化遗传算法的PID控制器自适应整定

PID调节是自动化领域中应用最广的控制策略,其参数选取的优劣决定了系统的动态响应性能。针对参数的优化问题,应用归一化遗传算法进行PID参数的在线整定,并基于M.SrinivasL.M.Patnaik理论,采用了自适应算子来提高整定的效率和精度,并与一般遗传算法进行对比、分析PID整定后的动态响应性能。仿真结果表明:归一化遗传算法整定的最优指标函数的收敛速度比一般遗传算法提高了30代;稳态时间仅为52ms,比一般遗传算法提高了10ms;归一化整定后信号跟踪误差比一般遗传算法低了0.001。因此,采用自适应算子的归一化遗传算法在PID整定效果优于一般GA算法,大幅提高了PID整定效率和系统动态响应性能。     

基于云计算资源调度的多Agent遗传算法

针对标准遗传算法在云计算资源调度的应用中往往会出现负载不均的问题,本文提出了一种基于云计算资源调度的多Agent遗传算法,首先引入蚁群算法,利用蚂蚁变换方向的影响权重对标准遗传算法的信息素关联进行优化,然后优化了原算法的信息素更新方式,最后利用小生境方法限制种群个体的繁衍,以达到种族多样化的优化。仿真试验结果表明,本文提出的基于云计算资源调度的多Agent遗传算法在CPU利用率和内存利用率上比标准遗传算法具有更优秀的性能。     

遗传算法在二阶微分方程定解问题中的应用

在科学研究和工程应用中出现了具有物理背景的微分方程,但人们能够使用初等方法来求解的微分方程并不多。遗传算法直接对结构对象进行操作,具有内在的隐并行性和更好的全局寻优能力。遗传算法求解优化问题的框架应用到求解常微分方程定解问题,为微分方程的求解提供了一种新的方法。     

遗传算法在机械优化设计中的应用价值分析

遗传算法(简称GA),效仿自然界中"适者生存、优胜劣汰"的物种进化原则,对整个群体进行优化选择,最终求出最优解,与传统的算法比较有其较多的优点,特别近年来在机械优化设计中的应用越来越广泛,本文通过介绍遗传算法在平面四连杆机械设计中的具体应用步骤及应用效果,从而充分论证了遗传算法的优越性,为进一步深入研究遗传算法的应用价值打下了基础。     

基于种群优化遗传算法的城市空间增长分析模型

针对标准遗传算法在对城市空间增长分析时还存在精度不高、误差较大等问题,提出了一种基于种群优化遗传算法的城市空间增长分析模型,该模型在标准遗传算法的基础上,首先采用动态自适应调整策略对原算法遗传算子中的交叉算子和变异算子进行优化,然后引入蚁群算法,利用小生境方法限制种群个体的繁衍,以达到种族多样化的优化。仿真试验结果表明,本文提出的基于种群优化遗传算法的城市空间增长分析模型相对于标准遗传算法,其精度得到了很大的提升,降低了城市空间增长预测的误差。     

遗传算法在TSP问题中的应用

遗传算法是借鉴生物界自然选择和进化机制发展起来的全局的概率搜索算法,旅行商问题(TSP)是著名的NP问题,也是组合优化、计算机科学界经典的问题之一。本文简介了遗传算法的原理、设计方法和基本步骤,并着重用遗传算法对TSP问题进行近似求解。     

算子优化遗传算法的插画艺术设计模型

针对标准遗传算法在插画艺术设计的应用中还存在搜索效率低下、复杂度过高等问题。本文提出了一种基于算子及聚类优化遗传算法的插画艺术设计模型。首先在遗传算法运行中依据种群的特点来动态调整交叉概率和变异概率的数值,以提高算法的搜索效率,然后引入K-medoids算法对遗传算法进行聚类优化,并采用一个成本函数来进行评估聚类质量的好坏,以优化原算法的复杂度,最后采用改进遗传算法对随机插画艺术设计。通过实例仿真表明,本文提出的改进算法对插画艺术设计的实现,艺术性和创新性更高。     

引入权重分析优化的铁路动车轴承故障检测

针对快速铁路动车轴承故障检测的不确定性,提出了引入权重分析优化的快速铁路动车轴承故障检测方法,以人工神经网络和专家系统相结合,引入权重分析优化的概念对动车轴承参数权重进行优化,并通过遗传算法对神经网络初始权重进行优化,完成快速铁路动车轴承故障进行检测,避免了神经网络搜索容易陷入局部最优的问题,提高了动车轴承故障检测的准确率。仿真实验结果表明,与传统方法相比,该方法下的快速铁路动车轴承故障检测方法检测准确率提高了25%,具有极强的实际应用价值。     

运用遗传算法进行智能组卷

遗传算法以其具有很好的并行性,全局优化性和稳定性,较适合解决自动组卷问题,文章讨论了智能组中如何运用该方法进行组卷,并尝试从编码方法上对遗传算法进行相关技术改进。     

关于0/1背包问题的粒子群优化算法

背包问题作为运筹学中一个典型的组合优化难题,有着广泛的应用背景,有许多不同的求解方法。给出了基于粒子群优化算法的一种求解方法,利用遗传算法的部分思想将粒子群优化算法应用到0/1背包问题中,得到了比较满意的计算结果。     

基于改进遗传算法的BP网络权值优化

BP算法与遗传算法是神经网络中两个非常重要的算法,但各有优缺点,本文对遗传算法的交叉率进行了改进,使得算法的效率得到提高;并将其用于BP网络的权值优化,实验结果表明,比传统的方法效率有明显提高.