遗传算法在非线性方程组求解中的应用

本文研究了遗传算法在非线性方程组求解上的应用,分析了其解决此类问题的特性及局限性。     

关于进化遗传算法的几点改进

分析了进化遗传算法存在的缺陷即当解在边界上时求解精度不高同时变异算子过于复杂实际应用时容易出错提出了新的交叉算子和变异算子计算结果表明新方法成功地解决了进化遗传算法存在的问题且计算效率高     

遗传退火进化算法在背包问题中的应用

从增强算法收敛性和减少参数依赖性的角度出发，提出应用遗传退火进化算法求解背包问题，遗传退火进化算法结合了遗传算法和模拟退火算法的优点，并有效地克服了各自的弱点，使其在优化性能、优化效率和可靠性方面具有明显的优越性．阐明了用该算法求解背包问题的具体实现过程，并通过实际数值计算和结果比较表明，该算法优于遗传算法和模拟退火算法．     

遗传算法在模糊控制规则优化中的实现

介绍了遗传算法的基本原理及实现步骤,结合气调温度模糊控制器的实例,讨论了其在模糊控制规则优化中的实现,即遗传编码、交叉运算和变异运算。该优化算法为模糊控制器的设计提供了一个正规的可遵循的方法。     

基于模拟退火遗传算法优化的BP网络在质量预测中的应用

翘曲量预测精度是注塑成形优化的难点。文章以某零件翘曲量为对象,选取注射温度、模具温度、保压压力、保压时间、注射速度等参数,进行数值模拟实验,建立BP神经网络的翘曲量预测模型。针对BP神经网络易陷入局部最优解的缺陷,设计一种基于模拟退火遗传算法优化的BP网络模型,与BP网络的预测精度对比。结果表明,基于模拟退火遗传算法优化的BP网络模型预测精度高于BP网络模型,同时加快收敛速度,增强全局搜索能力。     

一种换热器网络优化新方法

基于遗传算法和神经网络的多层感知器模型的有机结合,提出一种优化换热器网络的新算法和一种新的编码方法－基因矩阵,这种算法根据遗传适应度（目标函数）的大小,以随机搜索方式寻找在求解区域的最优解,采用神经网络多层感知器模型实现换热器网络的结构优化和参数变化。经过遗传－感知模型优化并与外逼近算法做了比较,表明采用此法优化多维、多峰、非凸的换热器网络也具有很好的适应性。     

遗传算法及其应用实例

简述了遗传算法的过程和应用问题。主要讨论了遗传算法的基本概念、数据的转换工作和确定适应度计算函数的作用,从代码举例说明遗传算法的选择和交叉的基本用法。     

一种改进的混合遗传算法及其应用

将遗传算法和模拟退火算法进行了有机结合,并采用一种自适应的交叉和变异概率,提出了一种改进的混合遗传算法--自适应的模拟退火遗传算法.通过旅行商问题的仿真实验,对比遗传算法和模拟退火算法的实验结果,这种混合遗传算法改进了传统遗传算法的性能,并且提高了整个算法的收敛速度,拥有更好的优化性能.     

基于遗传算法的ISAR运动补偿新算法

提出了基于遗传算法进行逆合成孔径雷达运动补偿的新算法.针对遗传算法解的收敛性问题,在遗传算法中采用了最优个体保存策略,使得解以概率1收敛于全局最优解;针对遗传算法运算量大的问题,提出了采用运动补偿后最小熵和最小距离作为适应度函数,由此形成2种称为GAMCE和GAMCD的ISAR运动补偿新算法.仿真数据和实测数据验证了所提新算法的有效性.     

基于改进遗传算法的最大类别方差法

本文利用开放式遗传算法的理论对遗传算法进行改进,使种群在开放的环境中进化,增加了种群的多样性.并以最大类别方差法为例,将改进的遗传算法应用到图像的单阈值分割中.通过实验对比,表明改进的遗传算法比传统的最大类别方差法和基本遗传算法有明显的优势,说明了本算法的可行性.     

遗传算法参数自适应控制的新方法

根据遗传算法参数自适应控制方法的不同分类,采用基于启发式规则的参数控制方法对遗传算法的种群数进行了宏观调控和微观调控。并采用不同特点的模糊控制器分别控制交叉率和变异率,使种群数、交叉率和变异率都能够随进化的实际情况发生自动调整,形成了一种新的种群数变化的模糊自适应遗传算法。实验数据表明这种算法能够有效防止遗传算法早收敛,同时也说明对参数进行自适应控制能够使遗传算法性能大大提高。     

遗传算法在WMS货位优化分配中的应用

从一汽轿车股份有限公司仓储中心WMS的实际业务出发,考虑物料的进出库频率和货架的受力情况,为货位分配问题建立多目标优化模型.利用遗传算法中的并列选择法,设计遗传算子并进行求解.优化后结果表明:可以减少堆垛机的运行距离,合理安排货物的分配,减少人工作业,提高仓储的利用效率,降低企业成本.     

动态变异遗传算法

遗传算法是根据达尔文生物进化理论而提出的一种优化算法。该文提出了一种新的遗传算法,理论分析显示,它不仅能保持遗传种群的多样性,而且能快速收敛。计算机仿真实验证明了改进后的遗传算法能够有效地克服不成熟收敛、进而搜索到全局最优解,并将这种新遗传算法用于BP网络的拓朴结构的优化和连接权值的训练,实例表明了该算法的有效性和可行性。     

GA改进的统计组合模型在个人信用评估中的应用

将分类精度作为遗传算法的适应度函数,利用遗传算法改进了基于线性回归和Logistic回归的统计组合预测模型,并将其应用于个人信用评估。结果表明,遗传算法改进后的组合预测模型在总分类精度和两类误判率方面都低于单一模型以及基于误差平方和最小的组合预测模型。利用遗传算法改进组合预测模型并用于个人信用评估是具有优势的。     

余弦度量和适应度函数改进的聚类方法

K-均值算法因其简单和高效性,在文本聚类中占有重要地位。针对传统的K-均值算法对初始点敏感、易陷入局部最优的问题,结合遗传算法已经成为一种趋势。在充分发挥K-均值算法的高效性的同时,该文利用遗传算法的全局自适应优化特点克服了对初始点敏感的问题。同时,以余弦度量评价对象间的相似性并以此构造新的遗传算法适应度函数、收敛准则以及遗传算法种群更新方式,提高了K-均值和遗传算法这种结合方式的聚类精度,并增强了该结合算法的稳定性。     

基于GA的工程项目时间-成本均衡理论研究

在简要介绍遗传算法机理和基本控制参数的基础上,就如何构造工程项目时间-成本均衡遗传算法的染色体、适应值和群体规模等参数进行了分析,并就如何进行交叉和突变操作作了介绍.构建了工程项目时间-成本均衡遗传算法.发展了现有工程项目资源优化理论,根据文中理论编制的计算机软件,可在工程项目管理实践中推广使用.     

遗传算法及其在生产调度中的应用

本文简要介绍了遗传算法的思想和优势,对解决组合优化问题的遗传算法的序号编码和基于序号的遗传算子进行了总结和概括,最后综述了几类典型生产调度问题的遗传优化研究情况.     

遗传算法求解TSP问题

有效解决TSP问题在实际应用上有很高的价值,而且TSP问题由于其典型性已经成为各种启发式的搜索优化算法的间接比较标准,遗传算法就是一种比较经典的启发式算法。文章介绍了TSP问题和遗传算法的基本原理以及特点;针对解决TSP问题,论述了遗传算法在编码表示和遗传操作算子等方面的应用情况。     

免疫遗传算法的研究及其应用

遗传算法作为一种生物进化计算模型,在优化计算中得到了广泛应用,但其存在的缺陷,影响了其在一些问题求解中的正确性和有效性。将生物免疫算法与遗传算法相结合,提出一种改进的免疫遗传算法（IGA）,并用IGA对PID参数寻优,仿真结果表明：该算法大大提高了控制的动、静态性能。     

一种基于改进遗传算法的图像分割方法

基于改进遗传算法的图像分割方法是在传统阈值分割的基础之上,加入线性分割以及遗传算法.为提高分割效果,分割之前首先对图像进行拉伸,增强图像的明暗对比度;然后再进行改进的遗传算法操作,通过不断迭代进化确定出图像分割的最优阈值;最后利用遗传算法确定的最优阈值进行阈值分割.实验证明,基于改进遗传算法的图像分割算法可以大大提高图片分割的精确度和准确率,取得了较好的分割效果.