基于正交试验的遗传算法参数优化

基本遗传算法求解优化问题的过程中存在着收敛缓慢、早熟现象以及求解的质量不高等问题. 为了解决上述存在的问题,提高遗传算法的求解质量,提出使用正交试验法优化遗传算法中的主要参数,即:种群规模N、交叉概率pc和变异概率pm. 通过使用正交试验法确定遗传参数,大大提高了算法的收敛性和求解质量. 仿真结果也表明采用正交试验法设计参数的科学性和有效性.     

遗传算法中交叉操作研究及应用

系统的分析了遗传算法中交叉操作，得出如下结论：遗传算法中交叉操作的实质是子代个体为父代个体在小范围内进行大概率变异的结果，该范围由双亲个体分别进行与，或操作所得到的两个体决定。对该结论做出了理论证明，同时基于此思想提出了一种不含选择和变异操作的新式遗传算法Crossover GA(CGA)。将其应用到具体实例中并和几咱典型的遗传算法进行了比较，发现其性能优与同类其它算法。     

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。     

遗传算法交叉算子的实质分析

通过分析比较标准二进制交叉算子和标准十进制交叉算子的异同点,得出结论:交叉算子的实质是在父代个体的数值和所决定的“家族”中随机取值,因而其不能保证交叉操作后的子代个体优于父代个体,体现出盲目搜索的特点;二进制交叉和十进制交叉均对本质交叉搜索区间进行了进一步的划分,但并不能保证进化搜索到更好的样本.根据所得结论,设计了一种改进遗传算法,其有效性证明了本文结论的正确性.     

正交试验法、神经网络和遗传算法的结合

用神经网络建模，遗传算法优化是求解工程优化问题的一种行之有效的方法。但由于神经网络、遗传算法自身的诸多问题，制约了其在较为复杂领域中的应用。正交试验法是一种进行多因素试验的科学方法，本文将它引入神经网络和遗传算法中，将三者结合起来，用正交试验法设计神经网络样本，并用遗传算法优化神经网络结构，较好地克服了各自的弱点，拓展了它们的应用。另外本文对正交试验法配置遗传算法参数做了介绍。     

基于正交设计的免疫克隆遗传算法

针对遗传算法存在＂早熟＂及局部搜索能力弱等问题,提出一种基于正交设计的免疫克隆遗传算法,将正交实验设计原理、免疫克隆理论以及标准遗传算法有效结合起来,增强算法的收敛速度和搜索精度。对算法进行了验证,表明该算法求解精度高出几个数量级,寻找到全局最优解的次数明显增加。     

基于交叉熵-遗传算法的武器目标分配问题研究

武器目标分配问题是军事领域中重要的研究课题,其主要任务是在一定的条件下将武器与来袭目标合理分配,以达到最大的作战收益. 提出了一种将遗传算法融入交叉熵算法的混合算法. 首先,通过交叉熵算法将原本的武器目标分配优化问题与估计问题联系起来,构建满足武器目标分配方案解的离散概率分布矩阵,进而根据矩阵生成代表解的多个样本. 然后,利用遗传算法中的选择、交叉、变异操作增加样本的多样性. 最后,利用推导出最优解的迭代公式来更新矩阵,当满足迭代终止条件时输出的矩阵即为最优解. 分别针对二维单目标函数优化问题和武器目标分配问题进行计算对比,计算结果验证了交叉熵-遗传算法的有效性.     

两点激励多点响应控制的载荷优化方法研究

以随机振动试验中两点激励三点响应控制为例,开展利用少量振动台对多个节点进行响应控制的理论分析和数值仿真研究。推导了目标响应谱与载荷谱之间的传递关系,分析了影响多点响应的载荷参数,提出了以控制响应谱与目标响应谱之间的误差最小为优化准则,采用遗传算法进行载荷优化的数值求解方法。以梁结构为例的两点激励三点响应数值仿真结果表明了所提出的载荷优化数值求解方法的有效性,并对控制载荷的存在性进行了讨论,指出进一步的研究需要采用结合边界条件的动力学优化设计展开。     

改进的遗传算法在球面点分布问题中的应用

球面点的分布问题,是世界性数学难题.对基本遗传算法进行了改进.采用实数编码,同时在遗传算法中引入了正交算子、变维子空间算子、灾变算子等高效演化算子,形成了自适应遗传算法.这样改进的算法极大地促进了个体多样性,并能促进优秀基因型的杂交和遗传,在收敛和鲁棒性方面优于一般的遗传算法,将它应用于球面点分布问题取得了较好的效果.     

基于正交建模的空间柔顺构件多目标优化

为满足超磁致伸缩材料精密加工异形孔的刚性、稳定性等要求,根据材料驱动特性对空间柔顺构件多个性能参数(驱动刚度、抗扭转刚度和一阶固有频率)进行优化设计,给出一种基于正交仿真试验和遗传算法的多目标优化方法.该方法通过主结构离散参数值的正交排列组合和有限元仿真获得两者的映射试验表,再采用回归拟合的方法建立各性能参数与主要结构参数的优化模型,经多目标遗传算法获得一组最优解,使柔顺构件弯曲变形量、扭转变形量、一阶固有频率分别为51.6um、3.3um、849.7 Hz,满足超磁致伸缩驱动特性和异形孔精密加工的要求.     

基于实数编码的多父体杂交遗传算法

针对标准遗传算法（SGA）在实际应用中存在早熟收敛、精度较差及运算速度慢的缺点,文章提出了一种基于实数编码的多父体杂交遗传算法（MPGA）。该算法通过引入多父体杂交算子和新的变异算子,有效的增强了种群的多样性及算法跳出局部最优解的能力。实验结果表明该算法能够有效的提高全局搜索能力和局部快速搜索能力,对改进SGA的缺点是十分有效的。     

Manufacturing Supply Chain Optimization Problem with Time Windows Based on Improved Orthogonal Genetic Algorithm

1 Introduction Consumers are becoming more demanding than ever , wanting cheaper , more customized products and bet-ter service . Competition in the manufacturing marketplace has never been more aggressive . Tough challengesand rapid changes must be faced by manufacturing organizations si mply to remain competitive[1]. Solutions ,practices ,technologies and business processes have to developfast ,squeezing greater efficiency out of the supplychain.Efficient manufacturing supply chain solution…     

基于反学习和正交交叉算子的元胞差分进化算法

提出了一种基于正交交叉算子的元胞差分进化算法. 进化初期采用反学习初始化方法获得初始候选种群,利用元胞结构的局部搜索方法替代控制参数调节差分进化算法的选择压力,从而平衡差分进化算法的探索能力和开发能力,利用元胞自动机的并行演化机制保持种群的多样性,从而避免陷入局部最优. 该算法利用无交叉因子的正交交叉算子,通过多元素重复试验加速种群收敛速度. 对多个典型测试函数的仿真实验结果表明,所提出的算法相较于多个差分进化改进算法具有更快的收敛速度和更好的计算精度.     

基于邻域抗体交叉的克隆选择算法

传统克隆选择算法由于没有交叉算子而无法在抗体间进行信息交流,进化过程中随机和盲目的变异会产生数量众多近似甚至相同的抗体,由此引起多样性丧失而导致早熟收敛。为解决该问题,提出了邻域抗体交叉的克隆选择算法,通过对匹配度近似抗体的交叉产生新抗体,在保留原有优质基因的同时,又能从其他抗体引入新信息。针对旅行商问题的仿真实验也证明了新算法的稳定性和有效性。     

一种基于特殊个体的改进遗传算法

提出了一种不需要变异操作,只由交换操作就能遍历搜索空间所有状态点的改进遗传算法。这种算法通过在种群中增加两个特殊个体,就足以提供交换所需的基因材料。在计算量上这种算法比简单的遗传算法明显要小,仿真结果证明了这种算法的可行性     

一种改进的遗传算法

针对传统遗传算法在编码方案及交叉操作中存在的局限性,提出了一种新的遗传算法的改进方法。该方法（1）以实数编码代替二进制编码,有效地解决了传统遗传算法中二进制编码串的长度与计算精度、运算量之间的矛盾,（2）根据适应度值对父染色体进行重组操作,克服了传统遗传算法中交叉操作所存在的盲目性。最后,以求解自然对数和神经网络的训练为例验证了所提出方法的有效性。     

一种基于分组遗传算法的聚类新方法

为提高聚类效果,提出了一种基于分组遗传算法的聚类新方法。以改进的分组编码方式表示种群中的个体并基于此制定了合理的种群初始化方案,采用改进的遗传操作算子和种群更新规则,利用遗传算法高效的全局搜索能力实现聚类。通过非线性排序选择机制和精英保留策略提高了遗传进化的稳定性;引入同类并行交叉和合并分割变异算子提高了算法运行效率,增强了全局寻优能力。实验结果表明,该聚类新算法能够自动获得最优聚类数和最优划分方案,具有良好的性能和聚类效果。     

遗传算法交换操作的遍历性

分析了遗传算法交换操作的特性, 利用马尔可夫链证明了对于两个互补的二进制串, 交换操作能够进行遍历搜索.这对基因操作策略设计有指导作用.