用遗传算法求解Hilbert病态方程组的研究

本文概述了遗传算法的基本原理，给出了用遗传算法求解态线性方程组时需考虑的若干问题，并以求解Ｈｉｌｂｅｒｔ病态线性组为例，验明了遗传算法求解的有效性。     

用遗传算法解病态线性方程组的研究

概述遗传算法的基本原理，给出用遗传算法求解病态线性方程组时需考虑的若干问题，并以求解Ｈｉｌｂｅｒｔ病态线性方程组为例，验明了遗传算法求解的有效性。     

基于非线性规划协同进化遗传算法的防空导弹火力优化分配研究

为了进一步提高防空导弹目标分配问题的求解效率和解算能力,建立了防空导弹目标火力分配模型,提出了一种非线性规划协同进化遗传算法(NLPCGA).该算法是综合非线性规划算法(NLPA)局部搜索能力强和协同进化算法(CA)求解质量高的优点,并利用遗传理论提高算法的求解效率.通过结合实例,仿真结果表明NLPCGA算法在求解防空目标火力分配问题上要优于单独两种智能算法,可以有效快速地找到最优火力分配方案,为防空作战指挥决策提供支持.     

遗传算法与多Agent遗传算法操作与性能比较

该文主要介绍遗传算法及其改进的混合算法多Agent遗传算法在操作和性能上的差异,分析并证明了了遗传算法求解高维函数优化问题的局限性。通过实验证明了多Agent遗传算法的执行性能上较遗传算法具有很大的优越性,特别是在求解不高于400维的优化问题时。     

佳点集遗传算法的应用

本文利用数论中的佳点集理论和方法,给出了佳点集遗传算法,将佳点集ＧＡ算法应用于求解几类典型的组合优化问题,并与传统ＧＡ算法进行比较,可以看出该算法不仅提高了求解的效率和精度,还有效地避免了“早熟”现象。     

用遗传算法解病态线性方程组的研究

给出了用遗传算法求解病态线性方程组时需考虑的若干问题，并以求解Ｈｉｌｂｅｒｔ病态线性方程组为例，验明了遗传算法求解的有效性。     

智能算法在齿轮传动优化设计的应用

以齿轮优化设计为例，分别得出用传统机械设计优化方法和用遗传算法与神经网络协同求解的结果，并进行了比较，体现了遗传算法与神经网络协同求解的特点。结果表明．该方法是非常有效的，在求解优化设计时取得了较为满意的结果。     

基于Matlab遗传算法工具箱的函数优化问题求解

介绍了遗传算法的基本原理和求解流程,详细阐述了Matlab遗传算法工具箱的使用方法,并通过使用遗传算法工具箱对一个典型的函数优化问题进行求解,验证了该工具箱在解决函数优化问题上的有效性和实用性     

一种智能组卷算法的实现

本文首先建立组卷问题的数学模型,通过分析可知,组卷问题实质上是一个多目标优化问题的求解。为了解决组卷这个多目标优化问题的求解方法,采用了一种遗传算法的智能组卷算法。     

基于三维编码遗传算法的货币流通问题的研究

论文采用三维编码方式及相应的遗传算子构成的遗传算法求解货币流通问题。首先根据现实生活情况对货币流通系统中的找零钱问题建立了相应的数学模型,然后采用三维编码方式的遗传算法对问题进行求解,并给出了一个算法求解实例。实验表明文中采用的遗传优化算法切实可行,有较高的搜索效率。     

基于遗传算法的TSP问题优化求解

旅行商问题（TSP）是典型的NP完全问题,本文运用遗传算法求解TSP问题,提出了该算法在解决这一问题中的一些处理方法,使用该算法能够较快地求出一批最短路径,可根据需要设置叠代代数,求得理想最优解。     

基于数论佳点集的遗传算法初始种群均匀设计

文章利用数论中的佳点集理论和方法,给出了遗传算法初始种群生成的一种具有良好多样性的均匀分布设计.通过对遗传算法机理的研究,发现初始种群的分布状态不仅直接关系到遗传算法的全局收敛性,还影响算法的搜索效率,所以对初始种群进行科学合理设定是应用遗传算法进行寻优计算的一个重要问题.基于优化设计思想,提出应用佳点集均匀设计方法确定遗传算法的初始种群.这种方法具有简单易行、种群多样性好、更适合多维情况等特点,实验结果验证了该方法可以有效地改善算法的全局收敛性,提高搜索效率.     

佳点集遗传算法及其在PID控制中的应用*

传统遗传算法具有收敛速度慢、局部寻优能力较差且容易出现“早熟”等现象,运用数论中的佳点集理论与方法对其进行改进。改进的算法通过生成一种具有良好多样性的均匀初始种群,构造出新型的佳点交叉算子和变异算子,使得在进化过程中子代可以更好地继承父代的优良特性,有效地改善了传统算法的全局收敛速度,避免了“早熟”现象的发生。将此改进算法应用于工业PID控制器的参数寻优,仿真结果显示出佳点集遗传算法明显提高了搜索速度,系统的动态性能和稳定性也有明显改善。     

基于改进萤火虫算法求解旅行商问题

鉴于TSP问题是古老的组合优化难题,而萤火虫算法在求解函数优化问题中表现出优良的性能,因此,本文利用改进的萤火虫算法求解TSP问题.首先,在分析了旅行商问题的特点后,采用整数编码的方式来表示萤火虫的位置.然后,在标准萤火虫算法的位置更新过程中引入了对数递减的惯性权重来影响萤火虫的迭代过程,同时结合了遗传算法中的选择,交叉,变异以及进化逆转操作来提高每一次迭代中种群的多样性及种群的搜索能力,并将改进的算法解决TSP问题.最后,通过Matlab仿真实验表明改进的算法在求解TSP问题时具有更好收敛速度和优化效果.     

免疫佳点集遗传算法

结合免疫机制和数论中的佳点集理论,给出了一种免疫佳点集遗传算法。该算法把数论中佳点集理论运用于遗传算法交叉操作和种群初始化的改进,提出带权欧氏距离计算抗体的相似度、浓度和适应度,引入免疫机制使群体保持多样性和快速导向高适应度模式。实验结果验证了该算法可以有效地避免早熟,改善算法的全局收敛性,提高搜索效率。     

基于异质交互式文化混合算法的机器人探测任务规划

针对机器人任务规划的混合算法缺乏通用结构框架的问题,借鉴文化进化的双重结构思想,提出一种交互式仿生群协进化混合算法体系框架．它包括基于佳点集遗传算法的上层知识空间、基于离散粒子群优化的底层主群空间、自上而下的影响机制和自下而上的接受机制,以实现异质种群交互;通过预留用户评价接口,实现了算法的人机交互．为提高粒子群优化性能,运用佳点集初始化主群空间,使初始粒子均匀分布于可行解内;提出新的粒子进化模型并定义粒子进化力指标,提高了种群的多样性和算法稳定性;通过引入邻域局部搜索策略增强算法的搜索能力．最后,采用TSPLIB标准数据对异质交互式文化混合算法（HICHA）进行测试,实验结果表明,该算法无论是在收敛速度或稳定性方面,还是在求解质量方面,均优于其它算法．HICHA为机器人探测任务规划问题的解决提供了新思路．     

基于遗传算法的TSP优化问题

TSP问题是一个典型的组合优化问题,并且也是一个NP难题,其可能的路径总数与城市数目n成指数型增长,一般很难精确地求出其最优解。这里对BP问题提出了一种改进的遗传算法,通过对遗传算法的评估函数、交叉和变异方法以及参数选择等方面的分析和修改,构造了一种自适应函数以及交叉、变异方法。通过对CHN144的测试,实验结果证明此处提出的方法能更有效的求解TSP问题。     

应用改进的遗传算法求解TSP问题

旅行商问题,也称货郎担问题,属于完全NP问题,而遗传算法在解决组合排列问题方面占有很重要的地位.针对TSP问题,提出了一种改进的遗传算法.利用交换启发交叉算子和可变交叉概率实现局部搜索,加快算法的收敛速度,利用变换变异算子和可变变异概率维持群体的多样性防止算法早熟收敛.Java仿真实验结果表明,改进后的算法明显优于传统的遗传算法,说明该算法具有良好的有效性和可行性.     

一种基于遗传算法的TSP建模方法

为解决小组软件过程(TSP)中针对活动如何有效安排工程小组人员的问题,从关于目标和面向活动的角度刻画TSP模型,提出基于遗传算法的优化方法。分析TSP核心思想,给出模型的结构和形式化描述,介绍建立模型的步骤。通过实验验证了该优化方法具有良好的执行性能,能够得到一个具有较优效益值的人员安排方案,可行性良好。