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.     

混合遗传算法的应用研究

混合遗传算法引入人工免疫算法的个体浓度调节机制来促进或抑制个体的产生,并在选择算子中同时考虑个体的适值和个体的浓度,保持种群中个体的多样性,避免了一般遗传算法所带来的"早熟"问题,在最优化问题的解决上有着突出的表现。本文详细分析了混合遗传算法,对算法的基本流程以及基本实现技术进行了详细阐述,并分析了混合遗传算法在聚类中的应用,给出了试验结果。     

线性规划的一种以枢轴运算为基础的新算法

在文献［１］以枢轴运算为基础的算法基础上，引入基向量的成本和非基向量的偏差等概念并将后者也纳入枢轴运算范畴，另外介绍具有上下界线性函数的处理方法。     

星状原油集输管网拓扑优化的混合遗传算法

以投资最小为目标函数,建立了星状原油集输管网拓扑优化数学模型。根据模型特点,利用改进的整数编码遗传算法优化井站隶属关系,利用非线性优化方法优化出相应的计量站最佳位置。针对遗传算法的局限性,对操作过程进行了改进,结合了模拟退火算法,调整了适应函数,给出了初温的确定方法,改进了选择复制操作,从而形成了混合遗传算法,并采用随机多父辈适应函数值加权交叉和多种改进变异操作方法。同时在操作过程中给出了约束条件的处理方法,减少了不可行解的产生,提高了算法优化效率。算例显示了该优化方法的有效性。     

一种求解JOB SHOP问题的新型混合遗传算法

针对一般车间（JOB SHOP）的作业排序问题设计了一种新的混合遗传算法,该算法将遗传算法和启发式方法相结合,利用遗传算法优化每台机器的首工序,并确定每台机器的优先工序,借助仿真,按照启发式方法安排每台机器的后续工序。通过算例比较,表明该算法具有良好的求解性能。     

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.     

最小时间窗规则及其在混合遗传算法中的应用

为了研究与优先规则结合的混合遗传算法,提出了最小时间窗规则(STW),设计了采用最小时间窗规则生成初始种群的算法.发现调度结果中时间窗越少和越小,则完工时间就越小.探讨了优先规则应用于遗传算法中在生成初始种群时的完工时间、广义海明距离和完工时间的标准偏差等性能指标.对不同规模基准调度问题的测试结果表明,STW规则在以最小化完工时间为目标的调度中,与其他几种简单规则相比,能产生较好的调度效果.在混合遗传算法中,采用STW规则产生的初始种群整体适应度最高,多样性较好.     

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.     

一种定向交叉的单纯形遗传算法

针对交叉算子产生个体的无方向性特点,提出了一种改进的实数交叉算子.该交叉算子吸收了单纯形法的思想,每次交叉都朝着当代种群最优解的方向进行,以提高算法的局部搜索能力.为了防止算法陷入局部极值,还提出了一种爬坡算子.实验证明,改进算法在提高收敛速度、摆脱局部最优解方面极为有效.     

室内移动机器人搜索人的算法设计

针对室内环境中经常出现的移动机器人搜索人的问题,设计并实现了一种在栅格地图基础上基于改进的遗传算法和A*算法进行路径规划的算法。移动机器人采用开源机器人操作系统（ROS）框架,在SLAM的基础上完成机器人自定位以及校准、路径规划和导航。对室内环境栅格地图应用单元分割法得到一系列以障碍物分割开的子区域,应用遗传算法规划最优的区域间转移序列,同时使用A*算法进行两点之间的导航规划。仿真与实验结果证明：该算法可以在已知的室内环境中提供最优化的搜索路径,在短时间内完成找到人的任务。     

基于遗传算法和禁忌搜索的多用户检测器

利用遗传算法和禁忌搜索的优势,介绍一种嵌入式混合优化算法,提出一种基于嵌入式混合优化算法的多用户检测器。数值结果表明:该方法具有较好的检测性能和合理的计算复杂度。     

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。     

一种改进的遗传算法进化有限状态机

提出了一种改进的遗传算法,针对有限状态机中输出矢量与状态转移相关的特性,将配置有限状态机的染色体分解为状态转移基因和输出矢量基因进行分阶段的进化实验。实验结果表明同传统的进化算法相比,这种分阶段进化的遗传算法降低了有限状态机进化过程中的复杂度,有效地提高了进化性能。     

混合式的网络拥塞控制算法

在对端到端拥塞控制算法的研究和改进的基础上,结合当前网络层拥塞控制算法,提出了一种把运输层和网络层拥塞控制算法结合起来的混合式网络拥塞控制算法TCP-M,并通过NS2软件的仿真,证实了该混合式网络拥塞控制算法TCP-M比单一拥塞控制算法有效。     

路由选择的一种新遗传算法

提出了应用于QoS路由选择的一种新遗传算法,该算法给出了基于跳数优先原则的初始种群生成办法,以及邻近交叉和前向变异两个关键算子。算法的主要优点表现为初始种群生成独立于网络拓扑的度量参数,交叉产生了多样性新个体,以及变异有效抑制算法退化等。对随机生成的不同规模的网络拓扑结构进行仿真,结果表明该算法是有效的。     

求解作业车间调度问题的多种群改进遗传算法

在求解作业车间调度问题上,针对遗传算法的早熟收敛、对初始种群敏感等不足,提出了多种群改进遗传算法.该算法在进化过程中通过引入具有优良性能的修正种群替换进化种群的较差个体,实现了多种群杂交,以保持种群的多样性,提高了搜索效率.应用实例分析和算法对比证明了改进算法的效果和优越性.     

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.     

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。     

求解作业车间调度问题的一种自适应遗传算法

针对作业车间调度问题,提出了最小化空闲时间的处理过程及其变异算子,设计了一种自适应遗传算法.该算法根据个体的特征确定交叉和变异次数,并根据种群特征不断修正种群.经典的调度基准问题测试表明:自适应措施能够有效保持种群的多样性,可以采用非常小的种群规模;最小化空闲时间的变异算子缩小了算法的搜索空间,大大提高了搜索效率.