基于单纯形算子的混合遗传算法

通过遗传算法（GA）与传统单纯形搜索法相结 合,并基于对遗传算法算子计算结构的调整,提出一种针对非线性规划问题的新算法——基 于单纯形算子的混合遗传算法（HGA）,仿真结果验证了这种新算法的有效性和合理性．     

混合遗传算法求解高超音速飞行器弹道优化

高超音速巡航导弹最优上升轨道设计问题是终端时刻未定、终端约束苛刻的最优控制问题,经典算法求解这类问题时对初值选取敏感、局部收敛等问题表现得比较突出.针对上述问题,将具有良好全局收敛性的遗传算法应用到导弹最优上升段设计问题求解中,为了提高遗传算法的收敛速度和克服早熟问题,结合单纯形和Powell算法的优点,设计了两种混合遗传算法.通过所设计的两种混合遗传算法的求解结果和分别用单纯形以及Powell算法的求解结果进行比较,得出所设计的混合遗传算法是更有效的求解高超声速巡航导弹轨迹优化的方法.     

基于混合遗传算法的转台PID控制寻优

结合转台控制系统的PID参数整定与优化问题,提出了一种遗传算法与单纯形法相结合的混合遗传算法.它结合了遗传算法良好的全局收敛性和单纯形算法优秀的局部搜索能力,提高了搜索速度与精度.仿真结果表明这种方法对于PID控制参数寻优具有较好的收敛性与稳定性.     

分布式并行计算环境下混合遗传算法的研究

为提高混合遗传算法的计算效率和求解质量,提出一个并行混合遗传算法框架。该框架主要由遗传算法、小生境操作和单纯形3部分组成,遗传算法和小生境操作采用串行执行方式,单纯形采用分布式并行执行方式。分布式并行计算环境由4台计算机通过交换机连接构成,并设计了一个动态任务调度方案。一个典型工程算例验证了新算法的有效性,并且在分布式并行环境下取得了较好的加速比和并行效率。     

基于单纯形的小生境混合遗传算法

总结单纯形搜索算法的核心思想.然后提出单纯形交叉方向算子和最优小生境、次差小生境与最差小生境3个概念.在最优小生境中采用单纯形搜索算法得到局部极值,在最优小生境与次差小生境之间用单纯形交叉方向算子产生优秀个体,而在最差小生境中采用受限单纯形搜索产生优秀个体,从而构成基于单纯形的小生境混合遗传算法SimplexNich-HGA.最后用SimplexNiche-HGA、单纯形混合遗传算法Simplex-HGA 以及基本遗传算法SGA求函数Rosenbrock的极值,并进一步用SimplexNiche-HGA和Simplex-HGA 求多峰值函数Shubert的极值,验证算法的正确性和求多峰值函数的极值的效率.     

解非等同并行多机调度问题的并行遗传算法

针对最小化完工时间的非等同并行多机调度一类问题，提出了一种混合遗传算法。该算法根据问题的特点，采用一种自然编码方案，此编码与调度方案一一对应，并对初始种群、交叉和变异等方法进行了研究。在鉴于遗传算法自然的并行性特点的基础上，实现了主从式控制网络模式下并行混合遗传算法。计算结果表明，并行混合遗传算法是有效的，优于启发式算法和遗传算法，有着较高的并行性，能适用于大规模非等同并行多机调度问题。     

基于混合遗传算法求解非线性方程组

将非线性方程组的求解问题转化为函数优化问题，且综合考虑了拟牛顿法和遗传算法各自的优点，提出了一种用于求解非线性方程组的混合遗传算法。该混合算法充分发挥了拟牛顿法的局部搜索、收敛速度快和遗传算法的群体搜索、全局收敛的优点。为了证明该混合遗传算法的有效性，选择了几个典型的非线性方程组，从实验计算结果、收敛可靠性指标对比不同算法进行分析。数值模拟实验表明，该混合遗传算法具有很高的精确性和收敛性，是求解非线性方程组的一种有效算法。     

不等式约束的非线性规划混合遗传算法

针对带不等式约束的非线性规划问题,提出了一个混合遗传算法。该算法分为全局探测和局部开采两个阶段,全局探测阶段是通过在有潜力的小生境内嵌入单纯形搜索,快速确定有前景的区域;而局部开采阶段则是在最有前景的区域进行单纯形搜索。该算法增强了局部搜索能力并同时保持种群的多样性,有效地解决了遗传算法的过早收敛和局部搜索能力弱的问题。典型非线性规划算例验证了混合算法的效率、精度和可靠性。     

一种新型异构分布式混合遗传算法

本文结合混合遗传算法和异构分布式遗传算法两种思想提出了一种异构分布式混合遗传算法。实验表明，该算法在时间性能和优化性能上优于上述两种算法，并且提供了一种在最佳搜索空间的快速搜索和找到更好的最佳解的能力。     

单纯形搜索在遗传算法中的融合研究

构造了单纯形混合遗传算法SM-HGA⁺。分析单纯形搜索算法,提出了单纯形交叉算子和K步随机单纯形搜索算子,并将单纯形搜索算法和这两个算子分别融入到最优微群体μP_B（t）、最差微群体μP_W（t）和普通群体P_C（t）,形成SM-HGA⁺。最优微群体中的单纯搜索算法提高算法的精度;最差微群体中的单纯形交叉算子加速最差个体向优秀个体进化;普通群体中K步随机单纯性搜索提高全局搜索速度,同时在普通群体采用大交叉概率的标准遗传算法,提高全局搜索能力。遗传算法测试函数验证算法SM-HGA⁺的正确性、效率。     

Pi-sigma神经网络混合学习算法及收敛性分析

将一种解决函数优化问题的混合遗传算法用于Pi-sigma神经网络的训练。这种混合算法充分利用遗传算法算法的全局搜索能力,又利用了单纯型法的局部搜索能力,因此该混合遗传算法可以使Pi-sigma神经网络更快的收敛到全局最优解,而且收敛速度比遗传算法更快。实验证明了这种算法的优越性。最后还证明了该算法可以以概率1收敛到全局最优解。     

全局数值寻优的一种混合遗传算法

提出一种与单纯形法相结合，用于解决全局数值优化问题的混合遗传算法. 在该混合方法中，采用了非线性排序选择、多个交叉后代竞争择优、变异尺度自适应变化变异算子和适应性阶段进化策略等改进的遗传机制，并采用精英个体保留策略、修改的单纯形策略及改进的遗传策略共同产生下一代群体. 数值结果表明提出的该方法的有效性.     

基于遗传算法的动态MC2运输问题求解

动态MC²运输问题是描述多阶段供求波动的运输问题,其模型框架可以应用到很多领域。目前对动态MC²运输模型的求解主要采用传统的单纯形法,针对该问题的特殊性采用具有全局搜索能力的遗传算法进行求解。通过三维数组编码,设计有效的交叉、变异算子和适应度函数,克服了单纯形法求解该问题出现的并行性差、求解整数规划困难的不足。用Matlab7.0编程对算法进行检验,结果表明经过特殊设计的遗传算法能够很好地解决动态MC²运输问题。     

基于遗传算法的动态MC2运输问题求解

动态MC²运输问题是描述多阶段供求波动的运输问题,其模型框架可以应用到很多领域。目前对动态MC²运输模型的求解主要采用传统的单纯形法,针对该问题的特殊性采用具有全局搜索能力的遗传算法进行求解。通过三维数组编码,设计有效的交叉、变异算子和适应度函数,克服了单纯形法求解该问题出现的并行性差、求解整数规划困难的不足。用Matlab7.0编程对算法进行检验,结果表明经过特殊设计的遗传算法能够很好地解决动态MC²运输问题。     

基于混合遗传算法的进气道性能设计与优化

针对冲压发动机前体/进气道的性能优化设计问题,提出基于遗传算法和单纯形法的混合遗传算法。根据均匀分析提供的样本,选取气流折转角为设计变量,阻力系数、总压恢复系数、进气道升压比及三者的组合作为优化目标。通过该文设计的混合遗传算法对不同目标优化结果的比较,表明该混合遗传算法可以广泛用于目标优化,具有较强的适应能力。     

混合遗传算法在WSNs定位中的应用

定位是无线传感器网络(WSNs)的应用支撑,针对用最小二乘法处理DV—Hop算法第三阶段误差过大、定位精度差的问题,提出了遗传算法(GA)+单纯形法的混合GA后期优化处理DV—Hop算法。其中,DV—Hop定位算法第一,二阶段用跳距估计出信标节点与未知节点间的距离,再用GA(建立了代价函数与惩罚函数结合的适应度函数)与单纯形法(作为遗传算子增加了算法的局部搜索能力)结合的混合GA采用保优原则优化未知节点的坐标。通过仿真可知:该算法的定位精度高、网络覆盖率大,适合WSNs的定位。     

基于改进遗传算法的电力系统经济负荷分配

针对电力系统经济负荷分配问题,分析了遗传算法与传统数学优化方法的不同优势与特性,提出一种求解电力系统经济负荷分配问题的改进遗传算法.利用极大熵理论将经济负荷分配问题转化为可微问题,将BFGS法引入遗传算法,提出了BFGS算子,以提高遗传算法的寻优速度与局部搜索能力.同时,应用单纯形交叉算子将种群逐步向最优点进行引导,实现算法的快速寻优.实例研究结果验证了所提出方法的有效性.