改进变异算子的差分进化算法并行性分析

针对并行差分进化算法的全局搜索能力和寻优的稳定性弱的现状,基于DE/best/1变异算子提出了一种改进的差分进化算法变异算子.该算子前期采用DE/best/1变异方法,当进化代数超过设定的进化代数值时,采用改进的变异算子.通过拓宽变异算子的搜索域来提高种群的多样性,提高了差分进化算法的寻优能力.对改进变异算子的并行差分进化算法进行了函数测试,实验结果表明:相比普通的变异算子,在相同种群规模的前提下,改进的差分变异算子拓宽了遗传算法的搜索域,提高了算法的全局搜索能力;在不同的种群规模下,改进的变异算子增强了算法的寻优稳定性.     

改进遗传算法求解TSP问题

改进遗传算法采用了顶端增强算子进行选择运算以强化其收敛性,并利用动态进化因子来进行交叉算子和变异算子的选择以防止早熟.用不同的TsP问题测试时,在分析了种群规模、最大遗传代数与最优解之间的关系之后,得出该算法有较强的鲁棒性和有效性.     

一种改进的整数编码遗传算法在车辆路径优化问题中的应用

针对基于路径组合编码的遗传算法应用于求解VRP问题时，顺序交叉算子局部寻优能力不足的缺陷，引入一种进化逆转算子，改进了遗传算法求解VRP问题时的局部搜索能力。设计的两组仿真试验结果显示，进化逆转算子的局部寻优能力很强，用它改进的遗传算法求解VRP问题的结果表明，算法的收敛性明显好于标准遗传算法。     

改进遗传算法求解TSP问题

改进遗传算法采用了顶端增强算子进行选择运算以强化其收敛性，并利用动态进化因子来进行交叉算子和变异算子的选择以防止早熟。用不同的TSP问题测试时，在分析了种群规模、最大遗传代数与最优解之间的关系之后，得出该算法有较强的鲁棒性和有效性。     

一种基于遗传算法的S盒优化设计

针对基本遗传算法"爬山"能力弱,有"早熟"特征,寻优效率比较低的不足,提出一种基于遗传算法的S盒的优化设计。在初始种群的生成过程中加入由先验知识产生的部分性能较优的S盒,在一定程度上提高收敛速度和收敛效果;在遗传算子操作中采用最优个体保存法选择策略,可以大大减少额外的计算量;采用Davis顺序交叉法进行交叉操作,引入进化逆转变异法进行变异操作,补偿群体中多样性易损失的不足,同时能够提高算法的搜索效率,加快收敛速度。仿真实验结果表明,本算法构造的S盒在密码学性能、收敛速度和适应度值方面都有很好的改善。     

基于改进遗传算法的起重机臂架结构优化设计

在起重机臂架结构设计中,引入非均匀变异算子和小生境算子与采用浮点数编码遗传算法相结合,同时通过个体基因改变总几率来确定浮点数编码遗传算法的变异概率,提出了一种改进的遗传算法.算例结果表明,改进的遗传算法优化效果明显,对结构优化设计有较好的参考价值.     

TSP问题的一种改进遗传算法

针对传统遗传算法（以下简称GA）解决旅行商问题（以下简称TSP）时存在的缺陷与不足，对传统GA的结构加以改进，并提出OX改良算子、贪婪倒位变异算子、组合变异算子等，使该算法在提高搜索效率与解质量方面取得很好的综合平衡。仿真实验验证了该算法的有效性。     

基于代数杂交算子的变异算子机理分析

利用布尔代数的理想将遗传算法（GAs)中的个体空间进行等价分类后，本文利用代数杂交算子，对变异算子的运行机理进行了分析，并得出了若干结果。作为其应用，分析了遗传算法的过早收敛现象。     

基于两级进化的BP网络自动生成技术

文章提出了一种新的优化神经网络结构及权值的方法——两级进化的方法.一级进化网络的结构;一级进化网络的权值.并且在算子的设计上提出了一种新的变异算子——反向变异算子.仿真结果表明,该算法取得了预期的效果.     

一种求解N皇后问题的优化组合遗传算法

基于遗传算子优化组合思想,采用二进制编码方式,选择矩阵遗传算子和布尔遗传算子组合应用对N皇后问题求解,避免了常规遗传算法的杂交率和变异率选取.从N皇后问题的约束条件角度,构造适应度评价函数,保证了算法的全局收敛性.实验结果表明,本文算法具有良好的搜索效率和求解质量,运行一次在收敛代数内可以搜索到多个解,当皇后数N较大时,搜索到解的效率越明显好于常规遗传算法.     

基于FGA的模糊规则自动生成

解决遗传算法优化自动生成的模糊规则时,可能存在局部解以及规则种群的收敛速率过慢等问题,该文提出了一种基于模糊遗传优化的模糊规则自动生成算法。该算法基于模糊逻辑,利用规则种群的收敛速率和多样性来自适应调整遗传算法的交叉率和变异率,从而实现遗传模糊系统的控制规则的自动生成。给出了控制系统的性能指标,以及如何设定遗传算法的适应度函数。最后通过仿真试验,验证了算法的可行性和有效性。     

基于进化遗传算法的神经网络优化

遗传算法能有效解决神经网络优化设计存在的问题,但古典的遗传算法有一定的弊端。本文对遗传算法的操作算子进行改进,对结点和连接权采用两种不同的交叉规则,使子代结点个数在两父代之间,而子代个体的权值在较好的父代个体两侧;并增加一个变异概率,增大网络的结构进行突变的几率,这样既加快了搜索进程,在精度上也收到了很好的效果。     

自适应遗传算法在建筑结构优化中的应用

遗传算法易搜索到全局最优解，但局部寻优能力差且易发生早熟、随机漫游现象. 基于对本文所采用的基本遗传算法的原理和实施过程介绍的基础上，针对其缺陷提出改进措施：利用混沌序列的“遍历性、随机性、规律性”的特点生成初始种群；采用最优个体储存、最差个体替换策略. 在改进遗传算法的基础上，又引入自适应的交叉、变异概率公式，幅度系数调节交叉率、变异率形成自适应遗传算法. 通过十五杆平面桁架的数值算例，自适应遗传算法的优化结果、优化进程与基本遗传算法、改进遗传算法进行了对比，验证自适应遗传算法的优越性能.     

求解TSP问题的三角形编码抗体克隆选择算法

在探讨遗传算法求解TSP问题中编码方式和交叉、变异算子作用特点的基础上,发现模板理论已经不能很好地适应TSP问题,主要是因为非二值符号编码和交叉算子对边的过度破坏导致子代难以继承父代的优良模式．为了克服上述问题,提出一种三角形表示的路径编码方案,并给出相应的启发式路径搜索策略;引入生物免疫系统的克隆选择机理加强局部搜索,进而构造一种适合TSP问题求解的人工免疫系统算法--超变异抗体克隆选择算法(HACSA)．典型TSP问题的求解表明,和Endoh等人的免疫算法和遗传算法相比,HACSA的计算复杂度相当,60％以上的求解结果达到或者超过问题已知的最优值,而相应的免疫算法和遗传算法几乎均陷入局部极值,无法获得满意的求解结果．     

运用变异算子随机搜索求解全局优化问题

通过改进遗传算法,提出一种求解全局优化问题的变异基随机搜索方法．该法以变异算子作为唯一的遗传算子,利用生物变异原理进行局部搜索,同时为使算法具有一定的全局搜索性能引入随机初始化技术．它具有较强的局部搜索能力,可在有限时间内取得较好解．仿真实验证明,本算法在求解全局优化问题上的有效性,并表明其局部收敛能力与求解结果均优于传统遗传算法．     

基于精英保留策略与爆炸算子的改进遗传算法

针对标准遗传算法(standard genetic algorithm,SGA)应用于数值优化存在收敛缓慢、易陷入局部优解和精度低等问题,提出一种具有爆炸算子的改进遗传算法(FGA)。引入爆炸算子(fire algorithm,FA),通过局部最优解集爆炸产生新个体以弥补SGA算法寻优过程中种群多样性不足的缺陷, 从而提高算法在解析域的全局搜索能力;加入精英保留策略使每代中的最优个体都能得以保留,避免交叉和变异操作遗失全局最优解。为验证算法的优化性能,选用4个经典测试函数对SGA与FGA这2种算法的优化性能进行对比,算例结果表明,本文所提算法具有更好的全局搜索能力、收敛性能以及计算精度。     

基于遗传算法的多配送中心运输调度研究

多配送中心的车辆调度问题是一个较难的组合优化问题,也是一类典型的NP—hard问题。遗传算法作为一种有效的优化算法得到了广泛的应用。为了解决了物流多配送中心的运输问题,文章运用新的交叉变异方法提出了一种改进的遗传算法。该算法保持了良好的种群多样性,具有更高的性能。     

新遗传粒子滤波的红外弱小目标跟踪与检测

针对传统粒子滤波器的粒子退化和贫乏问题,提出基于进化思想的新遗传粒子滤波算法．将算术相加,快速Metropolis-Hastings移动作为遗传算法的交叉和变异算子,与赌轮选择一起作为粒子滤波重采样的一类方法．将新遗传粒子滤波用于红外弱小目标的跟踪与检测,利用目标的幅度特性和运动特性,进行多帧图像滤波输出的似然比假设检验,来判断目标是否存在．仿真实验结果表明,基于快速Metropolis-Hastings 变异的遗传重采样方法可以快速提高粒子的多样性,避免粒子退化;所提出的检测方法在虚警率为10^-3,信噪比为2.0时,检测概率可以达到98.5％,检测性能明显优于传统重采样粒子滤波算法．     

Multicast Routing Based on Hybrid Genetic Algorithm

A new multicast routing algorithm based on the hybrid genetic algorithm (HGA) is proposed. The coding pattern based on the number of routing paths is used. A fitness function that is computed easily and makes algorithm quickly convergent is proposed. A new approach that defines the HGA‘s parameters is provided. The simulation shows that the approach can increase largely the convergent ratio, and the fitting values of the parameters of this algorithm are different from that of the original algorithms. The optimal mutation probability of HGA equals 0.50 in HGA in the experiment, but that equals 0.07 in SGA. It has been concluded that the population size has a significant influence on the HGA‘s convergent ratio when it‘s mutation probability is bigger. The algorithm with a small population size has a high average convergent rate. The population size has little influence on HGA with the lower mutation probability.     

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。