遗传算法编程求解TSP问题

利用基本遗传算法的思路解决旅行商问题,选择仍然采用轮盘选择方法;交叉算法采用一个启发式交叉算法,交叉位置随机,该算法以一定的概率生成一个比父代好的解,交叉概率取0.1;变异概率0.005。经多次运行,求得最优值。停止法则为循环最大遗传代数为止,另外如果30代解没有改进则停止。编程环境为Mat-lab6.5。     

物流配送车辆调度问题的改进遗传算法

针对遺传算法容易陷入局部最优和收敛速度慢的特点,提出了一种改进的遗传算法来解决车辆调度问题:利用记忆库保存种群在进化过程中好的个体,使得好的个体不会在进化过程中丢失,同时子代的构成有父代个体和父个体经过遗传操作后所生成的子个体共同构成.该算法能够保证群体的多样性,避免遗传算法的早熟现象,通过仿真模拟,表明该算法具有可行性和高效性.     

基于小生境中适应度共享的改进DE算法

将小生境技术和适应度共享思想引入DE算法中,用于改进种群替代中子代选择的优化问题,具体做法是:首先根据DE算法中的变异、交叉及选择操作得到子代种群,其次将这些子代种群通过小生境技术划分为若干个小种群,并在每个小种群中利用适应度共享方法选择或剔除个体,最后将得到的子代和原父代合并作为下轮算法的父代种群.通过测试函数对改进...     

集合覆盖问题的分散搜索算法

集合覆盖问题的搜索算法有着广泛的应用.本文提出了一个有效求解集合覆盖问题的分散搜索算法,该算法根据集合覆盖问题的特点,以及参考集的产生方法和更新方法,并采用45个标准测试例子测试此算法,通过数值实验结果与遗传算法、基因文化算法的比较,结果表明了此算法是有效的.     

基于先验知识和遗传算法的直线加速器光子能谱重建(英文)

为了准确地获得直线加速器的光子能谱,根据测量的百分深度剂量和蒙特卡洛模拟的单能光子百分深度剂量,采用先验约束模型和遗传算法来进行优化求解.首先,将光子能谱建模为一个包含2个参数α和Ep的先验解析函数,采用遗传算法对该模型进行优化求解;然后,将光子能谱建模为一个离散约束优化模型,并利用遗传算法进行优化求解,初始解由第1步获得的解析函数产生.将该方法应用于瓦里安iX直线加速器来计算其6和15 MV光子束的能谱,实验结果表明,采用该方法重建获得的光子能谱以及百分深度剂量与蒙特卡洛模拟计算的结果具有良好的一致性.     

改进遗传算法在文本聚类中的应用研究

分析了K均值聚类算法（K-means）存在的不足和改进遗传算法的全局优化能力,提出一种基于改进遗传算法的文本聚类方法,该方法将原始文档转化成用向量空间模型来描述的文本向量,首先随机产生若干个文档向量作为初始聚类中心形成遗传算法的染色体种群,经过改进遗传算法的选择、交叉、变异进化运算,得到较为优化的K均值聚类算法的初始聚类中心。实验表明该算法文本聚类提高了查准率和查全率,算法的高效性也得到了验证。     

基于改进三值量子遗传算法的多峰函数寻优

针对量子遗传算法在多峰函数寻优中出现早熟收敛及陷入局部极值等问题,提出一种改进的三值量子遗传算法.算法用三值量子非门来改变染色体基因的位置、用三值量子旋转门更新来完成进化搜索、用三值量子修正门对变异基因进行修正,增加了量子遗传算法中种群的多样性,扩大了算法的搜索空间;用动态调整旋转角策略来减少进化代数、缩短优化时间.通过对典型复杂函数的仿真实验并与其它算法相比较,结果表明该算法搜索空间大、搜索精度高,全局寻优性能优于普通遗传算法及量子遗传算法.     

基于强化型精英保存遗传策略的聚类方法研究

遗传算法是一种随机搜索算法,适用于解决许多复杂的智能优化问题。然而,经典遗传算法具有收敛速度慢和易早熟缺陷。为了找到一种普适性高且效果好的改进遗传算法,解决数据聚类问题,提出一种新的遗传算法改进策略。该策略同时保留父代及交叉产生的个体中的绝大部分精英,用来替换掉变异后同等数量的最差个体,并且将交叉与变异概率提高到1,这样不仅能很好地保留住已产生的精英个体,引导算法稳定地向最优解进化,还可最大限度地使算法获得开拓新的解空间能力。实验结果表明,该方法具有较高的聚类准确性和收敛率,平均收敛准确率为94.67%,平均收敛率为100%,且收敛速度较快,是一种适合解决数据聚类问题的可行方案。     

利用边缘信息的二值图像遗传恢复算法

多数遗传算法在进行图像恢复时并没有充分考虑图像本身的特点.本文提出了一种新的二值图像恢复算法.它利用二值图像具有0、1两个灰度值和明显的边缘信息的特点,并将该信息加入到遗传算法的变异算子中.变异时,只对非边缘信息点进行0或1改变.实验结果表明,该方法比简单遗传算法的恢复结果更准确,并在一定程度上保护了图像边缘;同时,该方法的恢复结果明显优于传统图像恢复方法.     

基于遗传算法的机器人路径规划

静态环境中的移动机器人全局路径规划是路径规划中的一个重要问题,本文采用遗传算法遗传算法解决移动机器人的路径规划.该方法首先采用栅格法环境建模,采用遗传算法规划机器人路径,最后用MAT-LAB来实现算法,仿真后,观察路径,得出最终结果.     

改进的交叉算子在遗传算法中的研究及应用

交叉算子是遗传算子中一个重要的算予,是对双亲个体进行交叉重组得到不同的两个新个体的过程,对遗传算法搜索结果有重要的影响。从交叉概率和交叉策略两个方面可以改进交叉算子,将其应用到函数优化中能获得比典型的遗传算法更优的解,且性能更优。     

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。     

Improved Genetic Algorithm and its Performance Analysis

Although genetic algorithm has become very famous with its global searching,parallel computing,better robustness,and not needing differential information during evolution.However,it also has some demerits,such as slow convergence speed.In this paper,based on several general theorems,an improved genetic algorithm using variant chromosome length and probability of crossover and mutation is proposed,and its main idea is as follows:at the beginning of evolution,our solution with shorter length chromosome and higher probability of crossover and mutation;and at the vicinity of global optimum,with longer length chromosome and lower probability of crossover and mutation.Finally,testing with some critical functions shows that our solution can improve the convergence speed of genetic algorithm significantly,its comprehensive performance is better than that of the genetic algorithm which only reserves best individual.     

退火遗传算法及其在一维切割问题上的应用

针对标准遗传算法在解决优化问题中存在的问题,提出了改进标准遗传算法的退火遗传算法,并把该算法应用于一维最优切割问题上。通过与标准遗传算法求解一维切割问题的比较,验证了退火遗传算法的有效性。     

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。     

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。     

遗传算法求解旅行商问题的一个新方法

提出了利用遗传算法求解TSP问题的一个新方法,该方法采用二进制编码,并巧妙地设计了一种解码算法,不仅可以使得种群进化,而且扩大了搜索的空间。实验表明,比起传统的遗传算法,新方法的性能有显著改善。     

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.     

基于遗传退火算法的关联规则挖掘

把模拟退火算法具有全局平衡的特性引入到遗传算法中来,避免了遗传算法收敛性慢以及容易陷入早熟的特点,提出了一种基于遗传退火策略的关联规则挖掘模型。实验结果表明,与遗传算法相比,改进的算法更能有效挖掘大型数据集中的关联规则。     

阵列天线方向图综合的粒子群优化算法

介绍了粒子群优化算法的基本原理;给出了基于这种进化计算技术的阵列天线方向图综合方法;对粒子群优化算法和遗传算法的特点进行了对比研究,同时对基本粒子群优化算法提出了一种改进策略。研究表明,粒子群优化算法是一种稳定性好,易于实现并行计算的优化算法,在阵列天线方向图综合中具有良好的应用前景。