现代优化计算方法──遗传算法简介

本文系统回顾了一种现代新颖的优化算法──遗传算法的基本理论。首先简单介绍了遗传算法与生物进化的联系，然后依次介绍了遗传算法的具体设计方法和步骤、遗传算法的主要特点、遗传算法现状及前景。     

基于遗传算法和神经网络的倒立摆控制系统

以单级倒立摆为对象,介绍了一种融合遗传算法的神经网络控制方法。该方法采用以多层前馈神经网络作为遗传搜索表示方法的思想,以神经网络为基础,用遗传算法来学习神经网络的权系数,既保留了遗传算法的强全局随机搜索能力,又具有神经网络的鲁棒性和自学习能力。仿真结果证明:遗传算法和神经网络的结合,可兼有神经网络广泛映射能力和遗传算法快速全局收敛等性能。     

遗传算法在高校教务排课系统中的应用研究

遗传算法是一种借鉴生物界自然选择和自然遗传机制的随机化搜索算法。针对高职院校课表的特点,本文详细分析遗传算法在排课系统中的基本思想及遗传算法的设计步骤,主要论述了利用遗传算法求解高职院校课表的编排问题,提出了应用遗传算法解决排课问题的有效方法。     

遗传算法及其改进研究

遗传算法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搜索算法。本文讲述了遗传算法的相关知识要点,通过对遗传算法特点的分析,提出遗传算法的缺点,然后针对遗传算法的缺点提出相应的一些改进方法。     

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．     

有关多目标遗传算法的研究

概括介绍了目前的多目标遗传算法(MOGA)，并给出了一种新形式的MOGA，也就是稳定态非受控排序遗传算法(SNSGA)。该算法是把单目标遗传算法中的部分更新种群观点和非受控排序遗传算法中的适应度指派方法相结合而实现的，改进了适应度指派方法并提出了一种新的αshare自适应决策方案。在包括遗传算法难题和遗传算法欺骗问题的实验中，该算法也成功地得以实现。     

一种基于遗传算法的改进图像匹配方法

研究了基于遗传算法的图像匹配方法。针对传统的遗传算法运行速度不高且容易产生早熟现象这一局限性,提出一种改进的遗传算法。该算法利用伪并行遗传算法(PPGA)的思想,提出了新的遗传策略,减小了算法陷于局部极值的可能性并同时提高了搜索速度。     

简单遗传算法（SGA）的程序设计实现与特点

本从生物进化讲起,着重论述了简单遗传算法的设计步骤和方法,然后归纳出遗传处的一般特点,最后介绍了遗传算法的研究历史和现状,并对遗传算法今后的研究发展方向进行了展望。     

基于遗传算法的题库选题设计与实现

从遗传算法的应用入手,阐述了遗传算法的相关概念和执行流程,深入研究了遗传算法在题库选题系统中的应用,探讨了初始种群、适应度函数、选择算子、交叉算子、变异算子的设计方法,并给出了关键实现代码。遗传算法为题库选题提供了高效的解决方案,能够取得良好的选题效果。     

一种改进遗传算法在人脸识别中的应用研究

文章通过传统的小波变换和张量主成分分析(PCA)方法对人脸图像进行特征提取,然后研究了一类引入学习过程的新遗传算法.通过改进的遗传算法对PCA提取的特征进一步的优化,最后根据最优特征进行识别,并将之与简单遗传算法和自适应遗传算法进行比较,证明了改进的遗传算法的优越性.     

用基本遗传算法解决0-1背包问题

遗传算法是一种基于自然选择和遗传机制的搜索算法.笔者以著名的0-1背包问题为例详解了遗传算法的基本思想和实现过程,旨在让更多的读者了解遗传算法.     

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。     

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。     

遗传算法的研究

遗传算法是一种基于生物自然选择与遗传机理的随机搜索与优化方法．近年来，由于遗传算法求解复杂优化问题的巨大潜力及其在工业工程领域的成功应用，这种算法受到了国内外学者的广泛关注．本文介绍了遗传算法的研究现状和基本原理，概述了它的理论和技术，并对遗传算法的性能作了分析．以推销员旅行问题为例来展示遗传算法在求解复杂优化问题上的优越性．     

基于混合遗传算法的关系型数据库多连接查询优化

该文分析了关系型数据库的查询优化问题，针对多连接查询提出将遗传算法和爬山法结合，从而构造了关系型数据库多连接查询优化问题的混合遗传算法，并进行了实验计算。结果表明，用混合遗传算法解决多连接查询优化问题，可以发挥遗传算法和爬山法的不同优势，从而得到较满意的查询优化性能。     

基于遗传算法的研究与Matlab代码的实现

针对遗传算法的发展,介绍了遗传算法的研究现状,描述了遗传算法的工作原理以及算法的计算流程。介绍了遗传算法在各领域中的应用,并以遗传算法解决旅行商问题给出了实现代码,并给出了实验结果。     

基于下降搜索的混合遗传算法求解装箱问题

研究一种在基本遗传算法中嵌入下降搜索算子形成的混合遗传算法。这种优化算法是在传统遗传算法的全局随机搜索基础上,借鉴利用每一代群体中最劣个体所包含的优化信息作为下降搜索方向来优化种群。实验证明,该混合算法可以加快算法的收敛速度,具有良好的优化性质和函数适应能力,是解决装箱问题的一种有效途径。     

改进的蚂蚁遗传混合算法及应用

车间作业调度问题是一个典型的NP-hard问题。分析了蚂蚁算法和遗传算法的特点,就遗传算子、交叉概率和变异概率上对传统遗传算法进行了改进;同时为了加速蚂蚁的搜索效率、减少迭代次数,重构了传统蚂蚁算法的下一个结点选择策略、信息素的局部更新策略,并将改进后的两个算法进行混合求车间作业调度的最优解。试验表明,算法的改进和混合提高了搜索效率及搜索结果的准确性。