遗传算法的研究与发展动向

遗传算法是建立在自然遗传学机理基础上的参数搜索方法，在许多优化问题中都有成功的应用。本文介绍了GA的思想来源及基本原理，理论研究状况，提高收敛速度的策略及其发展新动向，同时比较了GA与其它人工智能技术。     

基于遗传算法工具箱的控制系统优化设计

介绍了遗传算法(GA)的基本原理及遗传算法工具箱(GOAT)的基本用法，结合控制系统PID参数的优化设计问题，给出了基于任意目标函数的PID参数整定方法，并利用仿真实验证明了其有效性。     

基于遗传算法的灰色预测控制算法在液位控制中的应用研究

针对过程控制中被控对象纯滞后而难于控制的特点,提出了用遗传算法（GA）整定灰色预测PID参数的实现方法和步骤。最后针对具体的液位被控对象进行了仿真研究,仿真结果表明该算法具有较好的控制效果。     

应用GA时值得考虑的几个问题

讨论了遗传算法(GA)研究中几个值得考虑的问题：GA-难、GA的收敛性和收敛速度、GA并行实现,同时提出了解决这些问题的一些设想。     

遗传算法的收敛性研究

通过马尔可夫链方法,分析种群在解空间上概率分布情况以及收敛到最优解的概率,证明经典GA是不会收敛到最优解的,若在GA中保留每一代的最佳个体,则可以收敛到最优解。讨论全局收敛和过早收敛的原因,最后提出GA操作中应遵循的原则是改进GA搜索性能的关键。     

面向对象的人工神经网络负荷预测遗传算法

用计算机集成智能技术进行负荷预测的遗传算法是在综合人工神经网络（ANN）和遗传算法（GA）的基础上形成的,这种模型在ANN和GA的基础上可以对未来24 h负荷做出短期预测.利用遗传算法可以求得最佳负荷和偏差,仿真结果表明这种方法是有效的.     

非线性问题的求解及优化研究——基于遗传算法和混合遗传算法的分析

遗传算法(GA)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算法,然而在GA求解过程中,往往会出现早熟现象。基于GA传统算法,结合最速下降法和惩罚函数方法,提出求解非线性优化问题的混合遗传算法(HGA)。在无约束优化和约束优化两类问题中分别使用基于最速下降法的SHGA、基于惩罚函数法的PHGA进行求解。通过数值算例验证,表明HGA在非线性优化问题中比GA传统算法具有更快的收敛速度以及更好的最优解。     

一种基于遗传算法的极限学习机改进算法研究

针对传统极限学习机（ELM）缺乏有效的训练方法、应用时预测精度不理想这一弱点,提出了一种基于遗传算法（GA）训练极限学习机（GA-ELM）的方法。在该方法中,ELM的输入权值和隐藏层节点阈值映射为GA的染色体向量,GA的适应度函数对应ELM的训练误差;通过GA的遗传操作训练ELM,选出使ELM网络误差最小的输入权值和阈值,从而改善ELM的泛化性能。通过与ELM、I-ELM、OS-ELM、B-ELM4种方法的仿真结果对比,表明遗传算法有效地改善了ELM网络的预测精度和泛化能力。     

BP算法的改进及在模式识别中的应用

主要分析了BP算法的特点以及在模式识别应用中存在的一些缺陷，研究了遗传算法和BP算法相结合的相关技术，设计并实现了一个遗传算法和BP算法相结合的BP—GA算法，并用一个经典实例说明该算法在模式识别中的应用．实验结果表明，基于BP—GA的模式识别系统有较好的泛化能力，较好地克服了网络单纯利用BP算法训练网络陷入局部极小值，导致网络训练失败的缺陷．     

基于混合遗传算法的非线性问题求解及优化研究

遗传算法(GA)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算法,然而在GA求解过程耗时较长,易出现早熟现象导致结果准确度低。根据GA传统算法与结合最速下降法和惩罚函数方法,提出求解非线性优化问题的混合遗传算法(HGA)。在无约束优化问题和约束优化两类问题中分别使用基于最速下降法的SHGA、基于惩罚函数法的PHGA)进行求解。通过数值算例验证,表明HGA在非线性优化问题中比GA传统算法具有更快的收敛速度以及更好的最优解。     

基因群进化受控的自然遗传算法

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

基于改进遗传算法的无源滤波器优化设计

针对目前根据工程经验或简单的技术经济指标来设计无源滤波器的现状,以及现有优化设计方法中假设条件较多、寻优空间较小、寻优能力不强、对实际因素考虑不全面等问题,提出了一种改进的遗传设计方法.将无源滤波器的初期投资、无功功率补偿容量、滤波后电网谐波含量作为三个目标,利用遗传算法对无源滤波器的参数进行优化设计.通过适应度函数的阈值制约以及以不同概率进行染色体选择操作,使得种群朝三个目标最佳协调点的方向演化;为克服算法的早熟收敛问题也进行了有益探讨.最后对一个混合滤波实验系统进行了无源滤波参数的优化设计,并和传统的方法进行了比较.仿真和实验表明设计出的无源滤波器具有良好的综合性能.     

Fault diagnosis model based on fuzzy support vector machine combined with weighted fuzzy clustering

A fault diagnosis model is proposed based on fuzzy support vector machine (FSVM) combined with fuzzy clustering (FC).Considering the relationship between the sample point and non-self class,FC algorithm is applied to generate fuzzy memberships.In the algorithm,sample weights based on a distribution density function of data point and genetic algorithm (GA) are introduced to enhance the performance of FC.Then a multi-class FSVM with radial basis function kernel is established according to directed acyclic graph algorithm,the penalty factor and kernel parameter of which are optimized by GA.Finally,the model is executed for multi-class fault diagnosis of rolling element bearings.The results show that the presented model achieves high performances both in identifying fault types and fault degrees.The performance comparisons of the presented model with SVM and distance-based FSVM for noisy case demonstrate the capacity of dealing with noise and generalization.     

遗传算法在求解背包问题中的应用

遗传算法是模拟自然界生物进化过程的计算模型，本文阐述了遗传算法的基本理论，给出了遗传算法解决背包问题的基本方法，并通过实例计算证明了该方法的可行性和有效性．     

大坝安全监控遗传回归模型研究及应用

根据大坝运行监测资料 ,通过逐步回归法建立的大坝安全监控模型普遍存在欠拟合问题 .本文在回归监控模型的基础上引入改进的遗传算法 ,对其回归系数进行寻优重估 ,建立遗传回归模型 .工程实例计算结果表明 ,遗传回归模型的拟合效果较原模型有明显改善     

THE GA-ANN METHOD FOR DETERMINING CALCULATION PARAMETERS FOR DEEP EXCAVATION

ＩＮＴＲＯＤＵＣＴＩＯＮＩｎｅｘｃａｖａｔｉｏｎ ,ｎｏｒｍａｌａｎａｌｙｓｉｓｉｓｎｏｔｇｏｏｄｅｎｏｕｇｈｔｏｍｅｅｔｅｎｇｉｎｅｅｒｉｎｇｎｅｅｄｓｄｕｅｔｏｔｈｅｕｎ ｃｅｒｔａｉｎｔｙｏｆｆｏｒｃｅｓａｐｐｌｉｅｄｏｎｂｒａｃｅｓｔｒｕｃｔｕｒｅｓ,ｓｏｉｌｃｈａｒａｃｔｅｒｉｓｔｉｃｓ,ａｎｄｓｏｉｌｍｏｄｅｌｕｓｅｄ .Ｔｏｇｕａｒａｎｔｅｅｔｈａｔｔｈｅｃｏｎｓｔｒｕｃｔｉｏｎｐｒｏｃｅｓｓｃａｎｂｅｓｍｏｏｔｈｌｙｐｅｒｆｏｒｍｅｄ ,ｍｅａｓｕｒｅｍｅｎｔｓｉｎｓｉｔｕａｒｅｕｓｕａ…     

基于遗传算法的火电单元机组多目标优化协调控制

作者提出了一种基于遗传算法的火电单元机组多目标优化协调控制策略。该策略通过改进的遗传算法进行多目标优化求解机组最优稳态控制量以得到最优设定值，从而完成多目标优化协调控制任务。改进的遗传算法采用十进制编码，规范化几何秩选择，混合交叉及均匀变异。仿真结果表明，在不同的运行目标下控制量的最优适应度函数都能快速收敛，遗传算法为多目标优化协调控制提供了有效的途径。     

微分方程演化建模用于工业固废产量的研究

利用演化算法的自适应、自组织、自学习的特性设计了遗传程序与遗传算法相嵌套的混合演化建模算法 ,以遗传程序设计优化模型结构 ,以遗传算法优化模型参数 ,为山东省工业固废产量随年迹变化关系自动建立微分方程演化模型 .结果表明演化模型不仅其拟合精度明显高于常规的GM(1,1)模型 ,而且其预测的趋势比后者更具合理性     

基于遗传算法的供水管网需求乘数因子校核

水力模型已广泛应用于给水管网设计、分析与运行中。在所有水力模型中,需水量是导致模型输出最不确定的参数之一。因用水情况不确定,使得管网中的节点需水量变得异常复杂。在大多数实际管网中,用于校核节点需水量的监测设备数量有限,且小于未知量个数,使得节点需水量校核作为欠定问题,令节点需水量校准产生较大误差,并且传统遗传算法校核节点需水量的方法是假定所有节点的需求乘数因子一致,这也导致校核后的模型无法接近真实运行情况,因此提出在欠定条件下用遗传算法解决需求乘数因子的校核问题。通过对一个实际案例多次运行并取平均值作为结果进行验证,结果表明,遗传算法的校核结果不仅能够与被测位置的实际值相拟合,而且可以得到非测量位置的管道流量和节点水头,其中校核后的节点水头和管道流量误差较小,平均误差分别为1.78%、4.05%。该方法相比于传统校核方法具有更高精度,且更能反映出管网真实运行情况,同时还避免了传统校核方法中因遗传算法产生局部最优解而导致误差偏大的问题,对于大型管网模型校核也具有一定参考价值。     

用遗传神经网络混合算法求解可变加工时间Job-shop调度问题

有效地混合了遗传算法和基于约束满足的自适应神经网络算法,对于一类加工时间可变的调度问题进行了研究.遗传算法被用来进行迭代寻优.当前代经交叉和变异后生成的染色体对应非可行解,由自适应神经网络运算后得到可行解,对应的染色体作为新一代染色体.本算例的目标函数是基于任务的提前/拖期惩罚、附加惩罚以及加工时间的偏离量惩罚,目标是确定最优加工时间和最优加工顺序极小化目标函数,并与一般的遗传算法相比较,实验结果说明了遗传/自适应神经网络算法混合算法的有效性.