改进的遗传算法及其在优化IC中的应用

本文介绍一种改进遗传算法，通过引入强制变异算子，避免了超级个体的出现，保证了杂交算子的有效性，提高了遗传算法的全局寻优能力．用改进的遗传算法代化仿人智能控制器．得到了理想的结果，由此得出一阶纯滞后对象的OIC参数整定公式．     

遗传算法之算子改进

针对传统遗传算法的缺陷，提出了一种新的改进思路，即从遗传算子的角度来改进遗传算法。     

一种改进的遗传进化算法及其应用

基本遗传算法适应度及遗传算子设计简单,求解复杂优化问题易于早熟,收敛速度慢等缺点.基于遗传算法基本框架,设计新的适应度函数,减少遗传算法中的交叉算子,改进其变异方式,提出一种改进的遗传进化算法.     

用于测试用例自动生成的遗传算法改进

探讨遗传算法的基本准则及其在软件测试中的应用,在此基础上对遗传算法进行改进。针对基本遗传算法中选择算子、交叉算子、突变算子的不确定性,以及容易陷入局部最优解和停滞的问题,提出SO、SACO、SCAMO算法。对改进的遗传算法和基础遗传算法进行比较。实验结果表明,改进的遗传算法比基础遗传算法自动生成测试用例的时间更短、效率更优。     

基于遗传算法的关联规则挖掘

设计了一种基于遗传算法的关联规则算法,该算法将遗传算法和关联规则相结合.对遗传算法的编码方法、适应度函数的构造、交叉算子和变异算子进行了分析,给出了所设计方法的具体步骤,并进行了试验.试验表明,改进后的算法的执行效率高于Apriori算法.     

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.     

遗传算法在自动组卷算法中的应用与研究

自动组卷功能是考试系统中的一项重要功能,是评价该系统好坏的重要因素．本文针对现有组卷算法的突出问题,在组卷问题中采用改进的遗传算法进行了研究,并对遗传算法中的交叉算子和变异算子进行了改进,使该算法能够更好解决自动组卷问题．     

多亲遗传算法及其应用研究

针对传统遗传算法（TGA）所存在的一些不足，本文提出了一种多亲遗传算法（MGA），MGA对TGA的交叉算子进行了改进，这样MGA在应用中不要求初始群体具有广泛多样性，能有效地克服“早熟收敛”问题，仿真结果表明MGA是有效的。     

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。     

一种有效的多目标混合遗传算法

设计了一种基于支配关系下的局部搜索方法，将此局部搜索方法嵌入到多目标遗传算法中，从而提出一种有效的求解多目标优化问题的混合遗传算法。为加速遗传算法在全局优化问题上的收敛性，发挥传统数值优化算法在计算速度与计算精度上的优势，在遗传算法中镶嵌一个多目标线搜索算子。线搜索算子与遗传算法中的选择算子、交叉算子和变异算子共同作用，使全局搜索和局部搜索都能够很好的实现。数值实验表明，该混合遗传算法能求得问题的数量更多、分布更广的Pareto最优解。     

一种改进的遗传算法及其性能研究

为克服遗传算法收敛速度慢、稳定性差的缺点。从模式定理出发，讨论遗传算法的本质，以基本遗传算法为基础，对选择算子进行改进，在引入最优个体保护策略以确保收敛性的基础上设定动态闽值，既提高交配池的平均适应值又兼顾群体多样性。仿真研究表明，改进的遗传算法有效提高群体的平均适应值。加快收敛速度。提高稳定性。     

基于交叉算子改进的遗传算法求解TSP问题

遗传算法容易产生早熟现象以及局部寻优能力较差的缺陷。针对遗传算法的这一缺点,就遗传算法的交叉算子进行改进．并应用于求解旅行商问题。传统的交叉算子操作方法寻优效率低,并易陷入局部最优,就顺序交叉方法进行改进。改进后的交叉算子是在随机选择交叉区域和交叉片断长度后．对重复节点和前后节点的路径长度进行比较后,再删除路径长的重复节点,有效地提高了算法的寻优效率。优化了解的质量。为了验证算法的有效性,对TSPLIB库中的两个公共实际事例ei151和gr202以及安徽省17个城市的数据进行了仿真实验。结果表明改进后的算法是有效的．     

改进遗传算法在TSP问题中的应用

旅行商问题是典型的NP组合优化问题。提出一种旅行商问题求解应用上的改进遗传算法。引入贪心算法优化初始种群,在轮盘赌选择基础上,融入最优保存策略和掺杂算子进行选择操作,以保证群体的多样性;基于两点三段随机交叉算子优化交叉结果,基于启发式倒位变异算子提高算法的收敛速度;给出了求解旅行商问题系统的体系结构。实验结果表明,改进的遗传算法具有更好的寻优能力。     

改进遗传算法在电力系统无功优化中的应用

将遗传算法用于电力系统无功优化,并对传统遗传算法的编码方式、遗传操作算子、交叉和变异概率以及迭代终止判据等方面进行了改进,同时使用本文的算法对IEEE6及IEEE14节点系统进行了无功优化计算,结果表明改进后的遗传算法合理可行。     

遗传算法求解TSP问题的实现与改进

旅行商问题(TravelingSalesmanProblem,简称TSP)已经被证明为NP难题。通过应用遗传算法求解TSP问题,给出了遗传算法中各算子的实现方法,并用遗传算法(GeneticAlgorithm,简称GA)和穷举法分别求解了15个城市的TSP问题,结果表明,遗传算法具有明显的优越性。引入模拟退火的思想对遗传算法的变异算子进行改进,并求解了50个城市的TSP,得到了满意的结果。     

基于二进制改进遗传算法的0_1背包问题求解方法

一般遗传算法求解0_1背包问题时,存在着搜索速度和求解质量之间的矛盾.针对此问题,文中在逆序算子、对偶算子和矩阵遗传算子的研究基础之上,将其进行组合应用,构造了一种基于二进制编码的改进遗传算法,用于求解0_1背包问题,保证了算法的全局收敛性.仿真实验结果表明,该求解方法具有良好搜索效率和求解质量.     

基于改进演化算法的快速图像相关匹配

提出了一种基于演化算法的快速图像相关匹配的新方法,详细介绍了染色体编码的编码方法选取、适应度函数设计及演化算子设计,并对演化算子设计做出了部分改进．实验结果表明：与传统的遗传算法相比较,改进的演化算法能够更快而且有效地实现灰度图像的相关匹配．     

改进遗传算法求解田间作业问题的研究

本文首先介绍了遗传算法的特点,针对遗传算子的不足,通过自适应设计更新算子改进遗传迭代,而后以改进的遗传模型对农场农机作业问题的安排进行模拟仿真,得到较好的问题解决方案。     

基于DNA计算的遗传算法解决最小生成树问题

给出了最小生成树问题（MST）的一个基于混合DNA计算的遗传算法模型。在该模型中,为了对最小生成树的解进行编码和解码,通过引入DNA计算,提出了一种最小生成树问题的改进遗传算法编码方案,该方案吸收了DNA计算和遗传算法的优点,具有固定的长度。为了搜索需要的最佳编码,引入遗传算法搜索技术,并给出了自适应的交叉算子和变异算子。最后,根据最小生成树问题的特点,通过实例仿真验证了所提出的基于DNA计算的遗传算法的有效性     

基于小种群策略的并行遗传算法

遗传算法作为一种基于生物进化机制的自适应算法,适用于各类复杂系统的优化计算。然而标准遗传算法所具有的易早熟、易陷入局部最优等问题,在一定程度上限制了遗传算法的推广和使用。在对遗传算子做出改进的基础上,提出了一种基于小种群策略的并行遗传算法,从而有效地提高了遗传算法的执行效率和性能。