遗传算法研究进展*

对遗传算法编码策略、遗传算子、参数确定、收敛性、欺骗问题等理论在国内外的研究现状进行了系统的研究,并对遗传算法在国内外的研究进展和新的应用领域进行了讨论;最后,通过对近几年研究文献的统计分析,探讨了遗传算法的研究热点和发展方向。     

遗传算法理论及技术研究综述

本文首先阐述了遗传算法的主要特点和基本原理,随后对遗传算法的理论与技术研究的主体,即编码机制、适应度评价以及选择、交叉、变异等遗传算子进行了探讨;比较分析了各种遗传操作方法的优缺点和适用场合;对遗传算法的理论和技术做了初步研究综述。     

改进的遗传算法在组卷中的应用研究

文章主要论述了使用遗传算法组卷的基本步骤,对初始种群的生成、染色体编码及控制参数等进行了研究;并对遗传算子做了适当改进,成功地运用到了智能组卷中;最后通过2次实验分别检验了改进前后的遗传算法对组卷质量的影响以及种群的大小对组卷质量的影响,结果表明改进了遗传算子的遗传算法和适当提高种群的大小能大大提高组卷的质量。     

基于区块链技术和遗传算法的物流供应链优化

为了增强货物可达性和物流信息安全性、提高供应链效率、降低运输成本,对物联网背景下基于区块链技术和遗传算法的物流供应链优化进行研究。首先,介绍区块链基本技术、供应链优化及遗传算法等理论,分析区块链对物流信息协同管理的优化。然后,基于遗传算法建立物流供应链网络优化模型,同时分析了优化结果。优化结果表明,区块链技术被应用到物流信息协同管理系统中,提升了物流供应链整体效益;利用遗传算法,降低了物流配送成本。从增加物流信息安全性和可达性方面出发,研究经由区块链技术、遗传算法优化物流供应链中的物流信息协同管理系统,以及物流进行配送的路径,体现了创新性。实例研究表明,通过区块链技术和遗传算法加强优化物流供应链,提高了工作效率、降低了成本、提高了企业管理水平和经济效益,提升了企业的竞争力。     

遗传算法的收敛性研究

遗传算法的收敛性分析是遗传算法研究中的重要问题,直接关系到遗传算法的实际应用价值。给出遗传算法全局收敛性的定义,描述当前遗传算法收敛性分析的主要模型,对自适应遗传算法、并行遗传算法、小生境遗传算法等典型遗传算法的收敛性进行分析,给出相关的研究结果,并指出遗传算法收敛性研究的未来发展方向。研究结果对提高遗传算法收敛性具有参考价值。     

容器云中基于改进遗传算法的资源分配策略

容器很容易针对Web应用程序提供包装、迁移和配置等服务,近年来已成为研究热点;提出了容器云中基于改进遗传算法的资源分配策略Double-GA;Double-GA是一种包括两个层次的资源分配策略:容器到虚拟机的资源分配和虚拟机到物理主机的资源分配;设计了容器云的两层资源分配的数学模型,以容器云中的整体物理主机能量消耗作为Double-GA策略的目标函数;Double-GA以遗传算法为基础,设计了双染色体的表达方式并处理好了遗传算法的初始化、进化、交叉、变异等操作;真实的实验实例数据结果表明:Double-GA双染色体算法明显优于普通遗传算法GA和递减最好适用算法。     

并行遗传算法的研究及应用进展

并行遗传算法(PGA)将并行计算机的高速并行性和遗传算法天然的并行性相结合,极大地促进了遗传算法的研究与应用。该文对近年来并行遗传算法的模型、性能分析、算法改进、实现平台进行了归纳和评述,并且对并行遗传算法今后的主要研究方向和发展前景进行了展望。     

自适应遗传算法在高校排课问题中的研究

首先对排课问题进行调研分析,建立数学模型;然后针对传统遗传算法的不足,提出自适应遗传算法,该算法采用三维编码方案,并在交叉概率和变异概率、适应度函数、初始种群的生成等方面都进行了设计和优化;最后对算法进行对比测试;得出自适应遗传算法能更好地提高排课的质量和效率。     

并行遗传算法的研究及应用进展

并行遗传算法（PGA）将并行计算机的高速并行性和遗传算法天然的并行性相结合,极大地促进了遗传算法的研究与应用。该文对近年来并行遗传算法的模型、性能分析、算法改进、实现平台进行了归纳和评述,并且对并行遗传算法今后的主要研究方向和发展前景进行了展望。     

免疫遗传算法及在优化问题中的应用综述*

指出遗传算法的不足,将免疫学原理引入遗传算法,进而形成免疫遗传算法。针对免疫遗传算法在优化问题中的研究现状,从编码技术、先验知识、操作算子、混沌理论引入、多种群方式、与小生境理论结合等方面进行了总结,指出了不足之处,最后探讨了免疫遗传算法需要进一步研究的问题和发展方向。     

不同目标函数对用GA寻优Fuzzy控制规则的影响

本文首先简单介绍了遗传算法和模糊控制自寻优,然后给出了用遗传算法对模糊控制规则进行了自寻优的方法,并通过仿真比较不了同目标函数对用遗传算法寻优模糊控制规则的影响,得出了一些结论。     

基于分裂算子的遗传算法和自适应遗传算法

针对遗传算法所存在的早熟和收敛速度慢等问题,基于低等生物的分裂生殖现象,提出了分裂算子的概念,并将该算子引入到传统遗传算法和自适应遗传算法中,对这两种遗传算法进行了改进。通过一系列多峰函数测试实验,将改进算法分别与基本遗传算法和自适应遗传算法进行比较,证明引入分裂算子后的遗传算法和自适应遗传算法不仅有效地收敛到全局最优解,而且提高了收敛速度。     

嵌套式模糊自适应遗传算法

针对简单遗传算法(SGA)收敛速度慢和早熟收敛现象,将模糊逻辑理论应用于遗传算法,并采用两级嵌套的遗传算法,随主遗传算法GA1求解优化问题的进化进程用模糊控制的方法自适应地调整遗传算法的交叉概率和变异概率;利用另一个遗传算法GA2优化模糊规则库,实现了一种嵌套式模糊自适应遗传算法(NFAGA)。仿真结果表明,这种算法的全局搜索收敛速度和解的质量明显优于SGA和一般的自适应遗传算法(AGA)。     

基于遗传算法的NURBS曲线降阶

采用遗传算法实现NURBS曲线直接降多阶。提出并证明了NURBS曲线保端点降阶的必要条件,在此基础上将NURBS曲线的节点序列、控制顶点和权用浮点数编码为基因个体,运用遗传算法,通过循环执行选择、交叉、变异求解得到最优解或者次优解。实例说明了采用该方法实现NURBS曲线降阶有较高的精确度。     

基于遗传算法的污水处理过程优化控制方法

分析和研究了在限制有机物排放总量条件下,污水处理运行费用最低的优化控制问题,给出污水处理过程中多变量最优控制的数学模型,提出一种采用遗传算法求解污水处理过程优化控制问题新的计算方法,论述了二进制编码、适应度函数计算的设计与实现方法.该方法避免了对迭代初值进行猜测的困难,提高了计算效率.数值仿真说明在污水处理过程中采用遗传算法寻优是可行和有效的.     

若干适应性遗传策略及其分析

针对标准遗传算法采用固定控制参数的不足，详细阐述适应性遗传算法中经常使用的几种微观适应性策略。并给出各种适应性遗传策略的实验性能及分析。最后指出适应性遗传算法由于在进化过程中能动态修正控制参数而使求解效率更高。     

遗传算法非效率操作的改进方法

在分析传统遗传算法性能的基础上,提出模式控制方式GA,它能提高解的发现能力,保证遗传操作过程中的“型质”遗传性,并能解决控制收敛方向这一根本性问题。以路径规划问题为例,验证了模式控制方式GA在复杂问题优化中的有效性。     

改进式遗传算法在污水泵站机组启停调度控制中的应用仿真

污水泵站的机组启停控制目标是要确定系统机组的合理运行方案,使得在满足系统运行需要的前提下,系统的能耗最小。本文论述了遗传算法在污水泵站机组启停应用中的原理和特点,针对传统遗传算法存在的问题,提出了改进意见。该计算方法更好地提高了机组运行的综合效率。     

遗传算法在组合优化问题中的应用

本文通过分析遗传算法的机理和特点,介绍了遗传算法在组合优化问题中的应用。在组合优化的求解问题中,相比于其他优化算法,遗传算法具有一定的优势,但仍存在着严重的局限性。为此,本文对传统的遗传算法进行了改进,并通过TSP(旅行商)问题验证了算法的有效性。     

遗传算法求解的种群多样性研究

为了提高遗传算法的全局收敛性必须在进化过程中提高和维持种群的多样性.本文针对遗传算法求解TSP问题,探讨了遗传算法种群多样性的检测方法,通过将多种多样性检测方法进行对比实验,结果表明传统的基于表现型的检测方法不能有效反映TSP问题种群的多样性或多样性变化,本文所提出的方法根据种群所有个体的连接矩阵,计算连接矩阵的熵来反映种群多样性,不仅有效且降低了时间复杂度.