基于遗传算法的考试系统组卷算法设计

本文分析了考试系统中的组卷问题,结合遗传算法,从算法预处理、编码方法、初始化群体、适应度函数、选择算子、交叉算子和变异算子这几个方面,详细地研究了如何采用遗传算法解决组卷问题。并且通过实验数据,与随机抽取算法和其它组卷算法作比较,说明了本算法的优越性。     

基于遗传算法的等价类提取方法的研究

提出了一种基于遗传算法的等价类分析的算法.此算法采用有效的基于最近邻基因匹配的交叉算子,使得交叉过程能够不断产生有意义的个体,保证了群体的多样性.同时将k均值算法和遗传算法相结合,提高了搜索速度和分类的精确性.     

一种新的求全局最优的遗传算法

利用近年来广泛应用的遗传算法,对积分-水平集求全局最优概念性算法的蒙特卡罗随机投点的实现途径进行了改进,从而得到一种新的求全局最优的遗传算法.文中算法设计了适合的初始种群的均匀设计取法、交叉算子、变异算子和选择算子,给出了测度的勒贝格计算方法,从理论上证明了算法的收敛性.最后,选用了标准测试函数并与其他算法进行了比较,从数值上验证了算法的可行性.     

移动IP中基于遗传算法的优化路由算法

提出了移动IP中带网络负载平衡的路由问题,通过建立网络模型,采用基于矩阵编码的改进遗传算法解决问题.遗传算法采用以矩阵编码为基础的交叉算子和变异算子,并使用排序选择算法作为选择算子.给出了改进算法的复杂度,从理论上证明了该算法的收敛性.仿真结果表明该算法具有很好的收敛性,并给出了在不同种群数(20～50)和交叉概率(0～75%)下最优解在一定值附近.采用此路由选择策略能够使移动IP网络中的网络带宽得到合理分配,优化了网络的性能.     

一种新的求全局最优的遗传算法

利用近年来广泛应用的遗传算法，对积分-水平集求全局最优概念性算法的蒙特卡罗随机投点的实现途径进行了改进，从而得到一种新的求全局最优的遗传算法。文中算法设计了适合的初始种群的均匀设计取法、交叉算子、变异算子和选择算子，给出了测度的勒贝格计算方法，从理论上证明了算法的收敛性。最后，选用了标准测试函数并与其他算法进行了比较，从数值上验证了算法的可行性。     

基于变精度粗糙集模型的属性约简方法研究

提出了一种对存在噪声和不完整数据的决策系统在变精度粗糙集模型下进行属性最小相对约简的方法,将由属性对分类的影响程度和β近似精度共同定义的属性重要性度量作为启发式信息引入遗传算法,通过修正操作算子修复个体,使得个体所对应的属性子集的分类能力不变;修正操作算子中对各属性的属性重要性使用贪心策略进行局部寻优.对遗传算法的各操作算子进行优化,既保证遗传操作过程中种群的多样性,又保证算法能快速收敛.最后通过实例验证了算法的有效性.     

遗传算法信息熵结合属性约简算法研究

为了获得决策系统中属性最小相对约简,将信息论角度定义的属性重要性度量作为启发式信息引入遗传算法,提出了一种启发式遗传算法,通过构造一个新的算子来引入启发式信息,使得选择的属性子集的分类能力不变.该算子体现了一种利用启发式信息的局部搜索技术,使得算法既保持整体优化特性,又具有较快的收敛速度,从理论上对算法作了分析,对新算子所能选择属性子集的分类能力不变作了证明,最后的实例表明,该算法能有效地对决策系统进行最大程度的约简.     

一种基于遗传算法的受限制的分类器学习算法

提出了一种基于遗传算法的受限制BAN分类器算法-GBAN(genetic algorithm based BAN)。新算法采用了遗传算法进行网络结构的学习,限制了所学习的BAN分类器结构的复杂度。同时对TAN分类器的结构进行了扩展,得到了一种受限制的BAN分类器。针对这种分类器的结构学习,设计了结合对数似然的适应度函数及相应的遗传算子,并给出了网络结构的编码方案,使得该算法能够收敛到全局最优的结构。实验结果表明,当数据集属性之间关系相对复杂的时候,GBAN比TAN的分类准确率高,分类效果较好。     

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.     

工程结构优化设计的改进混合遗传算法

根据工程实际以及规范规定的约束条件和各项技术标准要求,建立了离散变量结构优化模型。针对遗传算法在迭代过程中经常出现的未成熟收敛、振荡、随机性太大和迭代过程缓慢等问题,采用一种新的遗传算子即单亲遗传算子对遗传算法进行了改进,并提出了离散变量结构优化设计的三等分割算法与遗传算法相结合的混合遗传算法。优化设计结果表明:改进混合遗传算法的收敛特性得到了很好的改善,既具有三等分割算法省时、高效、局部搜索能力强的特点,又具有遗传算法全局性好的特点,是高效、理想的工程结构优化设计方法。     

一种改进的自适应遗传算法

遗传算法是一种借鉴生物界自然选择和自然遗传机制的随机搜索算法.针对传统遗传算法和自适应遗传算法存在"早熟"现象及收敛速度慢的不足,提出了一种改进的自适应遗传算法,并对交叉概率和遗传概率进行改进.仿真结果说明了改进的自适应遗传算法比传统遗传算法和自适应遗传算法在收敛性能和搜索能力上都有很大的提高.     

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。     

一种混合遗传算法及其在线性系统辩识中的应用

提出一种将LMS算法和实数编码遗传算法相结合的混合遗传算法。相对于传统算法，将其应用于线性系统辩识，特别是IIR系统的辩识，具有明显优势。IIR系统的性能函数存在多个局部极小值，该算法首先利用遗传算法的全局最优性，在大范围内搜索可能的极值，并限制系统参数随机搜索的范围，以保证IIR系统的稳定性，再在遗传算法中嵌入一个LMS算子，在极值点附近进行快速搜索，从而达到全局最优与快速搜索的有机结合，提高了辨识精度和计算效率。仿真结果验证了该算法用于线性系统辨识的有效性和实用性。     

基于遗传算法的QoS路由选择策略

针对QoS(服务质量)路由中的DCLC(DelayConstrainedLeastCostpathproblem)问题,提出一种基于遗传算法(GeneticAlgorithm:GA)的QoS路由选择策略.文中先采用一种直观的整数序列(网络节点号)编码机制,在此基础上采用两种先进的路径变异、交叉算子,仿真表明无论是在收敛性、运行时间方面较通用遗传算法都有很大的改观,且解的质量较优.     

免疫遗传算法的现状和展望

介绍了基本遗传算法和免疫遗传算法,重点分析了免疫系统对遗传算法的改进。结合混沌搜索的思想提高了算法运算的效率,并对免疫遗传算法的研究方向做出展望。     

基于改进遗传算法的连续函数优化

为了进一步避免连续函数优化过程中的早熟收敛和搜索迟钝,在简单遗传算法基础上提出了划分寻优区间、基于排序和最佳保留的轮盘赌选择算子,可以用来提高遗传算法的运行效率和收敛速度,达到了既能够选出最好个体又能够保证种群多样性的效果;同时采用择优交叉算子和二元变异算子,这样既保证了种群的收敛性,又可在陷入局部最优时为种群引入新基因。仿真实验表明,与简单遗传算法相比,改进后的遗传算法能有效地提高遗传算法的收敛速度和避免陷入局部最优。     

Self—Organizing Genetic Algorithm Based Method for Constructing Bayesian Networks from Databases

The trpical characteristic of the topology of Baycsian nctworks(BNs)is the interdependence among difffcrent nodes(variables),which makes it impossible to optimize one variablc indcpcndcntly of others,and the learning of BNs structures by general genetic algorithms is liable to converge to local extrcmum.To resolve effi-ciently this problem,a self-organizing gcnctic algorithm(SGA)based method for constructing BNs from databas-es in presented.This method makes use of a self-otganizing mechanism to dcvclop a genetic algorithm that extend-ed the crossover operalor from one to two,providing mutual competition between them,evcn adiusting the num-bers of patents in recombination(crossover/recomposition)schemes.With the K2 algorithm,this metod also optimizes the genetic operators,and utilizes adcquatcly the domain knowledge.As a result,with this method it is able to find a glohal optimum of the topology of BNs,avoiding ptcmaturc convergence to local extremum.The experimental results ptoved to be and the convergence of the SGA was discussed.     

遗传优化神经网络的一种改进算法

提出一种搜索算子．结合自适应交叉和变异算子，构成了遗传优化神经网络的一种改进算法。将这种算法用于一个算例的计算。与遗传优化BP算法相比较，发现遗传优化BP算法出现了网络瘫痪问题，改进算法则取得了较好的运算结果。     

基于遗传算法的警车分布

对警车最优执勤地点的分布问题进行了研究.分析了总体空间的适应度函数的分布,提出改进适应度函数的线性与非线性方法,以及排序交叉算子,提高了遗传算法的收敛速度.