并行化遗传算法研究

并行遗传算法（Parallel Genetic Algorithms,PGA）广泛应用于解决各种优化问题。给出了遗传算法并行化目的描述,做出并行性分析。详细介绍遗传算法三种结构化并行模型：踏脚石模型,岛屿模型,邻接模型。最后给出并行遗传算法的硬件支持环境及性能评价。     

并行遗传算法在模拟有源滤波器设计中的应用

提出了一种基于岛屿群体模型的并行遗传算法,该算法克服了以往采用基本遗传算法存在易早熟、收敛速度慢的不足,具有较高的加速比和运算效率.将其应用到模拟有源滤波器参数的优化设计中,仿真结果验证了算法的有效性.     

遗传算法在函数优化中的应用

遗传算法是目前广泛应用的一种随机搜索全局优化算法.函数优化是遗传算法的经典应用领域.文章分析了遗传算法的运行机理,利用Matlab优化工具箱,以具有代表的多峰函数为例,实现了用遗传算法求解多维变量的函数优化问题.结果显示其计算效率高,收敛速度快.     

基于SPMD的粗粒度并行遗传算法在立体仓库路径优化中的应用

为了提高粗粒度并行遗传算法性能,缩短对立体仓库路径优化问题的求解时间,将一种单程序多数据流（简称SPMD）并行结构运用到粗粒度并行遗传算法中,并对算法进行改进。通过对自动化立体仓库拣选路径优化模型的求解,得到串行与并行计算两种情况下的运算时间与加速比,并在求解精度相差不大的情况下,将改进算法的计算时间与遗传算法、蚁群遗传算法进行比较。对比结果表明,并行计算能有效提高算法优化效率,缩短程序执行时间。该研究对于解决自动化立体仓库堆垛拣选路径优化问题有着重要的现实意义。     

一种基于约束机制的通用并行遗传算法

虽然目前流行的几种并行遗传算法模型在一定程度上解决了遗传算法的速度瓶颈,但是现有的并行遗传算法模型要求服务器对各个种群(或处理器)不断地协调和交换信息,因此带来了很多资源的浪费.另外目前的并行遗传算法模型没有很好的可扩展性,不能充分保留各种遗传算法的优势和特点.因此研究如何减少并行遗传算法因通信所带来的资源消耗,是进一步提高并行遗传算法效率的主要途径.另外研究并设计一个通用的并行遗传算法模型,使并行遗传算法的可扩展性,可维护性得到提高,充分利用现有遗传算法的研究成果,减少软件复用的代价,是进一步使并行遗传算法得到广泛应用的关键.     

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。     

小生境遗传算法在函数优化中的应用

探讨了基于稳态复制策略的二进制小生境遗传算法,并把其应用于复杂函数优化问题中,通过与基于最优保存策略的基本遗传算法进行比较,说明改进算法可以极大克服遗传算法未成熟收敛问题以及极易陷入局部解问题,提高了算法收敛性能和收敛速度。     

改进遗传算法在企业经营参数优化中的应用

鉴于遗传算法固有的缺陷，提出了一种改进遗传算法，并指出了这种算法的优越性。本文将改进遗传算法引入到企业经营参数优化的问题中，以一个矿山企业经营参数优化实例证明了改进遗传算法具有很好的应用效果。     

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，用改进的遗传算法优化仿人智能控制器，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。     

基于机群计算的导热反问题并行遗传算法

遗传算法具有天然的易并行性,因此,当问题比较复杂或者初始种群规模比较大的时候,通常会将遗传算法并行化。但是并行机的代价高,普及面狭窄,因而选择机群系统作为并行计算的主体,是一个简单有效的办法。通过导热反问题的并行遗传算法研究了机群计算的并行效率和加速比。     

小生境伪并行遗传算法在全自主移动机器人路径规划中的应用

1IntroductionPath planning of autonomous mobile robot is pivotaltechnique for machine intelligence,which ai ms to finda non-collision path frominitial position to objectiveposition according to evaluation functions in anobstacle space[1].It can be described as travelersalesman problem(TSP),a typical combinationopti mization problem,which belongs to the well-known NP-hard opti mization[2].The mathematicaldefinition can be regarded as a mapG=(V,E),where eachlinee∈Ehas a nonnegative powerω(…     

免疫遗传算法在BP网络结构优化中的应用

免疫遗传算法是基于免疫原理的改进遗传算法，它能克服遗传算法易早熟、搜索效率低、不能很好保持个体的多样性等缺点。本文将免疫遗传算法用于BP网络结构优化设计中，仿真实验结果表明，该方法有很好的效果。     

免疫遗传算法在函数优化中的应用

生物免疫系统是一种高度并行的自适应信息学习系统,人工免疫系统是由生物免疫系统启发而来,借鉴了一些免疫系统的功能、原理和模型,主要用于信息处理和问题求解。在对免疫系统的一些基本概念和原理进行介绍的基础上,简要分析了人工免疫算法的研究现状及其改进的算法在函数优化上的应用,并提出了混沌免疫算法的思想。     

基于机群计算的导热反问题并行遗传算法

遗传算法具有天然的易并行性,因此,当问题比较复杂或者初始种群规模比较大的时候,通常会将遗传算法并行化.但是并行机的代价高,普及面狭窄,因而选择机群系统作为并行计算的主体,是一个简单有效的办法.通过导热反问题的并行遗传算法研究了机群计算的并行效率和加速比.     

模拟退火遗传算法在危货优化配装中的应用

提出了采用模拟退火遗传算法(SAGA)对铁路货运站危险货物进行优化配装的方案,阐述了该算法的具体实现过程,实例计算结果表明:该算法在对危险货物的配装问题是可行的,能提高配装效率且达到节约运能的目的.     

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．     

并行遗传算法研究扫描

并行遗传算法就是将并行计算机的高速并行性和遗传算法的天然并行性相结合，提高种群的求解速度的一种算法方售．由于并行遗传算法将种群规模的扩大和各个子种群的隔离，使种群的多样性得以丰富和保持，并减少了未成熟收敛的可能性，走幅度地提高了求解质量．被广泛应用于生产调度、图象处理、函数优化、机器人学习、自动控制等领域．     

浅析遗传算法

本文介绍了遗传算法的起源、基本内容、应用领域、基本原理、分析了其特点等.目前,解决一些种群规模较大的问题时普遍采用并行遗传算法.同时本文也分析了遗传算法和并行遗传算法的一些局限性等,希望通过此文能够帮助大家初步了解有关遗传算法的基本知识.     

遗传算法在离散断层照相问题中的应用

在（0，1）矩阵的各种线和（line sums）已知的条件下，尝试应用基本遗传算法（近似）重构此二元矩阵，并通过随机实验对“纵横”交叉和“与／或”交叉两种交叉算子的性能进行了比较，还探讨了伪并行遗传算法的应用。     

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。