快速遗传算法研究

提出了一种称为广义自适应遗传算法的快速遗传算法,它首先产生均匀分布的初始种群,其次根据种群模式的状况决定是否引入“高品质”移民,最后自适应地进行交换和变异运算。其搜索性和全局收敛性比现有的许多遣传算法都有明显的改善,并通过仿真说明了该改进遣传算法的有效性。     

基于宗族进行裂变选择的自适应遗传算法

提出了一种改进的自适应遗传算法,在选择算子中引入裂变选择的思想,避免种群中超级个体的出现,维持了种群的多样性。该算法改造了交叉算子和变异算子,提高了算法的收敛速度,避免早熟。同时,提出了在宗族中构造子代种群的思想,提高了算法的寻优效率。仿真函数优化的结果验证了该算法能有效地维持种群的多样性并迅速找到最优解。     

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。     

并联机构智能优化设计方法研究

本文分析介绍了近年来兴起的智能优化算法——遗传算法用于并联机构优化设计的基本思想和应用方法，以雅可比矩阵的条件数为优化设计目标，建立了Stewart并联机构结构参数优化设计的数学模型，分别采用两种编码方式优化设计了平台的结构参数，并用MATLAB软件编程，得到了较为合理的结果。     

基于改进遗传算法的单级多项目无能力约束生产批量问题研究

通过对单级多项目无能力约束生产批量问题(SMULP)模型进行分析，得出了一些重要的结论．分析了基本遗传算法的缺陷及其产生的原因．对该问题在遗传算法的编码、适应度函数、选择复制操作、交叉方法、交叉概率、变异概率和终止条件等各个环节进行了改进．采用VB6．0对SMULP改进遗传算法编程实现，能很好地与ERP软件集成．并对SMULP改进遗传算法进行了性能分析．     

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.     

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。     

遗传算法在函数优化中的应用

对遗传算法作了简单的介绍，讨论了利用遗传算法求解函数优化问题的方法，最后给出了2个函数优化实例。     

遗传算法在入侵检测中的应用

介绍了基于模型推理和基于模型两种入侵检测系统,提出了一种新的基于智能体技术的入侵检测系统体系结构,解决了传统集中式入侵检测系统的弊病,将任务处理和数据分布到网络各个结点上,充分利用网络资源协同完成入侵检测任务;介绍了遗传算法在该系统中的应用,因系统安全的先验知识体现在对原始数据中有价值特征属性变量集的选择上,故利用遗传算法对特征属性变量子集的选择进行优化,找到相对最优的由特征向量表示的特征属性变量集,以降低入侵检测系统的负荷。     

基于遗传算法和TRIZ的产品服务系统优化设计方法

针对产品服务系统方案优化设计问题,分析了系统方案设计过程中主要影响因素,基于遗传算法和TRIZ理论提 出了产品服务系统方案优化设计方法。该方法可以优化产品服务系统的方案设计,并通过理想化程度值定量判定最优 方案设计。以污水处理设备为例,应用该方法获取产品服务系统最优的方案设计,并与其它方案进行对比,验证了该方 法的有效性。实际应用证明该方法不仅可以对产品服务系统方案设计的理想化程度进行定量的判定,还可以实现对系 统方案设计的全局最优搜索。     

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     

基于并行遗传算法的去相关多用户检测器

通过将码分多址通信系统中的最佳多用户检测视为组合优化问题,利用遗传算法能全局寻优的优势,提出了一种基于并行遗传算法的去相关多用户检测器。理论分析和仿真表明:该多用户检测器无论是抗多址干扰的能力还是抗远近效应的能力都明显优于传统的检测器和去相关多用户检测器;由于采用了基于“联姻”策略的并行遗传算法,使这种多用户检测器更易于实时应用和硬件实现。     

一种并行的遗传／神经网络混合学习算法

提出了一种用于多层前馈神经网络训练的新算法，它把遗传算法与自适应共轭梯度学习算法集成起来。这种并行混合学习算法已经在多指令流多数据流（ＭＩＭＤ）平台实现。通过把该算法用于一个图像识别问题，对它的性能进行了评估。文中还显示了所提出的并行混合神经网络学习算法良好的收敛性。     

论指数函数及其四则运算的并行算法

本文用指数函数建立双曲函数的并行串行最新算法     

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.     

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。     

五点差分格式求解泊松方程并行算法的研究

以二维静电场泊松方程数值求解的串行算法(雅可比迭代、超松弛迭代)为基础,提出了五点差分格式超松弛迭代(SOR)求解二维静电场泊松方程的并行算法,通过与雅可比迭代(Jacobi)并行算法的时间复杂度、加速比和空间复杂度进行对比,得出超松弛迭代的并行算法具有更低的时间复杂度、空间复杂度和更高的加速比与效率。通过实验验证,CHIPIC软件的泊松模块宜采用超松弛迭代并行算法。     

遗传算法在指数投资组合中的应用

将遗传算法运用于证券指数投资分析,具体解释了染色体、适应值函数在股票投资分析中的实际意义,设计了选择、杂交、变异算子的使用方案,并选用上海证券交易所上证180指数为目标指数进行实证研究。实验结果表明,该算法能够有效地跟踪和模拟180指数。