基于Huffman染色体编码的抗早熟遗传算法研究

针对传统的遗传算法在大量的冗余数据中进行运算的时候,会对数据进行迭代处理,直到获取指定区域中的理想取值,或者在上述数据中不能出现更加优异的个体,在数据集合中的个体相似度较高,造成出现早熟问题.为了解决这一问题,提出了基于Huffman染色体编码的抗早熟遗传算法,在抗早熟处理的过程中,建立早熟自适应模型,计算集合中全部样本的自适应系数,从而获取理想取值,并将其当做重要的参考数据.同时通过运算获取数据集合中的样本密度,从而避免单个样本重复出现的情况,降低了早熟的概率.实验证明这种抗早熟遗传算法准确有效,效率更高.     

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。     

改进遗传算法及其在路径优化问题中的应用

提出一种基于"小生境"等思想的免疫自适应改进遗传算法。构造出一种新型的判断早熟程度的算子并用于构造具有免疫性和自适应性的交叉变异概率计算式。采用一些先进的思想和策略提高了算法收敛速度和全局收敛性。利用此算法对自动化立体仓库路径优化问题的解决方法进行了具体设计,实验结果证明了它比以往文献提出的算法更具优越性。     

一种引入强制变异的改进遗传算法

针对常用遗传算法存在容易产生过早收敛的问题,提出了一种将强制变异、最佳解保留和自适应交叉变异参数调整相结合的改进遗传算法。这种方法将进化过程中群体的平均适应度与最大适应度进行比较,以确定是否需要对群体实施强制变异或采用自适应交叉、变异概率调整。数值模拟的结果表明,这种方法可有效地克服早熟现象,提高全局优化能力     

一种改进的遗传算法

为了提高标准遗传算法的搜索能力,在每一代的群体更生中,群体个体不是全部来自交配池中杂交和变异产生的个体,而是取其中的一部分,另一部分来自于父本代群体,这两部分一起构成下一代群体。本文提出了一种改进的遗传算法,实验结果表明,改进的遗传算法比标准的遗传算法效果要好很多。     

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。     

试用遗传算法解决排课问题

排课问题是教学管理是一个重要问题,它也是一个多因素的优化决策问题,遗传算法被广泛应用于这类问题,本文试根据排课问题的特点,给出了排课问题的数学模型,并提出了遗传算法解决此问题的方案.     

基于遗传算法的TSP问题研究

TSP问题是一个典型的NP完全问题。近年来,学者们尝试用多种算法来解决TSP产生的“组合爆炸”问题。其中,遗传算法因为其自身的优点,逐渐成为解决TSP问题的有效手段之一。在对TSP问题和遗传算法充分描述的基础上,利用遗传算法模拟TSP问题,并给出了计算机实现过程以及实验结果。     

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。     

基于遗传算法的集装箱配载问题研究

以集装箱自动配载系统为例,根据货物放置方向、装载容积等约束条件,给出了有效的解码算法,提出了一种改进遗传算法,证明了该算法实用且有效。     

遗传算法在事务型问题中的应用

在遗传算法提出之初,我们解决的多是值类运算类型的问题,对染色体基因的编码则以二进制编码为优。但生活中很多问题都不是值类型的,很难用一个具体的数值来确定答案的正确性和最优度。这就需要根据不同的问题类型开发出不同的编码方法来。     

遗传算法求解TSP问题的实现与改进

旅行商问题（Traveling Salesman Problem,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（Genetic Algorithm,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。     

遗传算法与TSP问题

本文提出用遗传算法解决旅行商问题。全文分三部分进行讨论：首先提出问题、分析问题，给出问题的解决方案，然后给出遗传算法在TSP中的应用及实现，最后探讨了遗传算法解决旅行商问题自身具备的特点。     

遗传算法在TSP问题上的应用

介绍TSP问题与遗传算法的基本特点与原理，讨论用遗传算法解决TSPM题的编码方面，适应度函数设计方面的采用的方法，以及遗传操作算子包括选择算子，交叉算子和变异算子的应用现状以及效果，总结了算法的改进发展的趋势，并对解决TSP问题的前景提出了展望     

面向TSP问题的免疫遗传算法研究

TSP问题作为NP难题的典型代表,计算机算法理论研究的热点,各种针对该问题的算法层出不穷。对近期出现的面向TSP问题的免疫遗传算法进行了介绍与总结,在分析了算法特点之后,提出了算法的改进方向,对TSP问题的研究进行了展望。     

TSP问题解决的遗传算法实现

TSP是一个典型的组合优化问题,并且是一个NP难题,其可能的路径总数与城市数目n是成指数型增长的,所以一般很难精确地求出其最优解,因而寻找出有效的近似求解算法就具有重要的意义。文章首先对TSP问题和遗传算法基本原理进行了简单介绍,然后采用贪婪交叉算子和贪婪倒位变异算子改进基本遗传算法,详细给出了该算法的基本实现步骤和流程图．并且采用该算法对TSPLIB中3个典型问题进行了仿真实验,实验结果很理想。     

基于遗传算法的组合拍卖竞胜标问题

组合拍卖是一种有效的机制,用来在复杂的市场中分配资源。求解组合拍卖问题已被证明是一个完全NP问题,求解组合拍卖问题的研究也就成为组合拍卖的核心问题。本文通过分析组合拍卖问题,给出了组合拍卖求解的一般模型,选取遗传算法对该模型求解,对遗传算法的原理,算法步骤进行了详细描述,该算法具有实现简单、寻优速度快、计算效果良好等特点。并给出了组合拍卖问题,广泛的应用领域如：分配机场空位问题、货车运输服务市场。     

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。     

应用遗传算法解决数据挖掘问题的实例分析

本文应用遗传算法构造了数据挖掘中关联规则的基本模型，借助此模型可以有效的计算出关联规则中的置信度和支持度。在此基础上以一汽大众汽车有限公司员工的培训信息为基础，通过比较置信度和支持度，进一步分析了员工是否适合现任的职位以及员工内在的潜质等问题，从而使员工素质评价体系更为科学。     

遗传算法在大学排课问题中的应用

针对排课问题,基于遗传算法的特点分析了解决排课问题的可能性,介绍了排课原则,以及遗传算法在排课问题上的应用性研究,利用遗传算法进行编码,交叉、变异,以及进行冲突检测,用遗传算法解决这一复杂的NP问题.