并行遗传算法在弧岛模型上的设计和分析

本文探讨了遗传算法的并行化原理；给出了并行遗传算法弧岛模型上的具体实现方法；分析和比较了用串行遗传算法和并行遗传算法求解ＴＳＰ的实验结果，获得了接近线性的加速比，最后讨论了相关参数对实验结果的影响。     

智能控制中的模糊控制,神经网络控制及遗传算法（下）

回顾了模糊技术、神经网络技术和遗传算法在控制领域的应用；探讨了神经模糊技术在控制领域的应用以及遗传算法优化模糊神经网络结构的实现。     

一种基于遗传算法的创新进化系统实现方法

提出了一种基于遗传算法的交互式创新进化系统实现方法。为了说明遗传算法在开发面向用户的进化系统中的有效性，给出了一个基于遗传算法的创新进化系统，它可以辅助工业设计师完成手机外形的概念设计。实验表明，遗传算法在创新进化系统中有很好的应用前景。     

智能控制中的模糊控制,神经网络控制及遗传算法（上）

回顾了模糊技术，神经网络技术和遗传算法在控制领域的应用；探讨了神经模糊技术在控制领域的应用以及遗传算法优化模糊神经网络结构的实现。     

并行遗传算法骨架的研究和实现

通过对并行遗传算法的4种并行模型和基于骨架的编程模型的对比研究,设计并实现了一个并行遗传算法骨架,用以简化并行遗传算法应用程序的开发过程.透明的并行机制,使得用户只需编写个体适应度函数的顺序程序,再调用该算法骨架就可以完成并行遗传算法程序开发;开放的算法骨架结构,可以吸收遗传算法研究领域众多优秀成熟的改进算法;多种编码方式的支持为用户提供的更自由的选择空间.该算法骨架通过调用现有的结构骨架实现具体的并行,从而与并行计算平台相独立,具有很高的重用性和灵活性.     

基于设计模式的改进遗传算法设计与实现

针对传统的遗传算法编程求解过程中存在的代码复用性不高,灵活性差的情况,在参考麻省理工学院Matthew Wall开发的遗传算法类库GAlib的基础上,文章提出了基于设计模式的改进遗传算法设计框架,并提供了部分Visual C#代码和演示。该框架通过使用模板方法模式、策略模式和适配器模式大大提高了改进遗传算法在设计实现过程中的可扩展性和灵活性。     

基于CUDA平台的遗传算法并行实现研究

CUDA技术方便程序员在GPU上进行通用计算,但并没有提供随机数产生的应用接口。为此,本文提出并实现在CUDA开发平台上并行产生均匀随机数算法,测试证明算法可行。在此基础上优化基本遗传算法,并在GPU上并行实现其所有操作,提高其运行速度和准确度;分析了种群大小和遗传代数对此算法加速比及准确度的影响,并与MAT-LAB工具箱进行比较。实验表明,相比MATLAB遗传算法工具箱,基于CUDA平台实现的遗传算法性能更高,准确度更好。     

基于面向路径的遗传算法的测试用例自动生成

采用遗传算法用于自动生成测试用例的设计，算法面向路径测试作了下列工作：(1)以控制路径表CFDPATH_T为基础分析测试用例与执行路径的关系；(2)设计面向路径的遗传算法实现测试用例的自动生成，证明了该方法能实现测试用例空间上对路径的等价类划分；(3)从统计角度对该方法的错误检测能力进行了量化分析；(4)在该算法的基础上设计了试验和结果分析，结果表示该算法较随机方法有更好的性能。     

基于遗传算法的医院房间位置优化研究

利用遗传算法优化医院房间平面规划不仅可以减少护理人员每天的行走距离,而且可以提高医院的运行管理效率.以MATLAB为开发平台,实现遗传算法优化房间位置的优化,结果证明该方法具有很强的计算效率和实用性.     

基于SQL Server数据库的智能组卷系统开发

研究试题库管理与智能组软件系统的整体框架.利用ADO.NET实现了SQLServer 2000中试题库的管理功能,开发了题库管理软件系统.在遗传算法的基础上,提出一种改进的智能组卷方法,有利于提高进化速度,避免陷入局部最优.实例分析表明,改进的遗传算法具有较好的智能组卷性能,实现了高效智能组卷.