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。     

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.     

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。     

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.     

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.     

遗传算法应用现况概述

遗传算法来源于进化论和群体遗传学 ,是计算智能的重要组成部分 ,正受到众多学科的高度重视。本文系统分析了遗传算法的应用研究 ,并进行了分析和评论     

基于模拟退火遗传算法(N+M)容错系统优化模型的求解

本文提出了求解（N＋M）容错系统优化模型的模拟退火遗传算法．该算法在遗传算法的约束条件处理、交叉和变异概率选取、变异个体等环节引入了模拟退火机制，实现了模拟退火和遗传算法的融合，进一步改善算法的搜索能力、搜索效乍和收敛性能，计算结果验证了算法的有效性和正确性。     

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。     

一种求解TSP问题的改进遗传算法

TSP问题是一类经典的NP完全组合优化问题，传统的优化方法由于计算复杂性过大而难以求得全局最优解。遗传算法等智能优化算法在求解这类组合优化问题中表现出了强劲的潜力。作者利用遗传算法对TSP问题进行了研究分析，针对几组benchmark数据进行了仿真实验，在实验的基础上探索了遗传算子和遗传参数的优化设计，实验结果证明了遗传算法在解决TSP问题上的可行性和有效性。     

浅析21世纪中国劳动力的多样性管理

文章通过分析21世纪中国劳动力市场的现状,以及运用遗传算法对多样性管理的绩效进行测量,阐述了中国劳动力多样性管理的重要性和必要性,并在对现状中出现的问题深入分析研究的基础上提出了解决的办法和途径。     

零售4.0时代先行发货问题的大数据分析

在零售4.0时代，渠道的多样化不仅丰富了数据源，还能迅速生成大量数据，需要通过分析大数据，为决策提取有意义的信息，通过分析先行发货的重要性，提出了一种基于遗传算法（GA）的优化模型，预测顾客何时购买，然后在顾客线下单前将产品运送到距顾客最近的配送中心，解决先行发货中存在的问题。研究认为，需要先部署云计算来存储所有渠道生成的大数据，再应用基于集群的关联规则挖掘研究顾客的购买行为，根据“如果-那么”预测规则预测未来的采购情况，最后利用修正的遗传算法生成最优的先行发货计划；这种遗传算法考虑了其在运输成本和运输距离之外，还有预测规则的置信度，利用大量的数值实验权衡了先行发货中的不同因素，验证了模型的最优可靠性     

TTCAN网络的响应分析及系统矩阵的优化

分析了时间触发CAN(TTCAN)网络的时间响应能力，并且引入了遗传算法对网络中的时间调度表进行优化，同时针对问题的特殊性，对所引入遗传算法作了进一步改进，以取得更好的性能，最后利用汽车工业的SAB标准报文子集对优化方法进行了验证，实验表明，本方法可以有效地减少网络中的抖动问题，取得了满意的效果。     

遗传算法应用于并联管道计算中的研究

传统求解并联管路的水力计算的方法不是精度低就是限制条件多。设计了一种改进的遗传算法求解的方案，对适应度函数的选取作了详尽地分析，并提出了可增强局部搜索能力的微调变异算子。并联管路的水力计算实例证明了改进的遗传算法的有效性。     

幻方的遗传算法构造初探

首先介绍遗传算法,并针对一个古老的数学问题——幻方提出了一种基于遗传算法的幻方构造新方法.     

混合遗传算法在矩形板材下料问题上的应用研究

根据基本遗传算法在解决板材下料优化中存在的问题,提出了将局部搜索算法和遗传算法相结合,取各自的优点来更好地解决矩形板材下料优化问题.     

一种提高局部搜索能力的混合遗传算法

针对遗传算法局部搜索能力弱的缺陷,提出了一种改进的混合遗传算法。根据遗传的不同阶段分为两个不同的群体——竞争群体和适应性群体,提出相关的遗传算子——繁殖因子。将运筹学中的单纯形法应用于遗传算法中,增强了遗传算法的局部搜索能力。对复杂函数的寻优实验验证了混合遗传算法的有效性,并通过与传统SGA的实算结果对比,更进一步说明了算法的改进效果。     

基于遗传算法和BP神经网络的信用风险测量模型

随着新巴赛尔协议的推出,信用风险测量问题越来越受到重视。在西方发达国家,商业银行的信用风险管理测量技术已比较成熟,继传统的比例分析、主观分析之后,统计方法得到广泛的应用,如判别分析和logit回归分析等。自从20世纪80年代末期以来,人工智能技术如神经网络、专家系统等也被应用于商业银行信用风险测量中。目前,该领域应用最多的就是BP神经网络,但其固有的一些缺点,如易陷入局部极小点,会影响预测效果。但可以利用改进的遗传算法对BP神经网络进行优化,实验证明效果非常好。