遗传模拟退火算法在EXCEL上的编程实现

针对遗传算法和模拟退火算法的互补特点,提出用遗传模拟退火算法来求解最优化问题。使用Excel的VBA语言来编程实现该算法,将遗传模拟退火算法与Excel的数据处理相结合,方便用户在Excel上建立模型,解决最优化问题。最后给出一个实例,运行结果证实了遗传模拟退火算法在求解最优化问题上优于遗传算法。     

遗传模拟退火算法在MATLAB上的编程实现

遗传算法和模拟退火算法均为启发式搜索算法,结构互补,可将两者结合,使用遗传模拟退火算法来求解最优化问题。使用MATLAB语言来编程实现该算法,将遗传模拟退火算法与MATLAB强大的数据处理相结合,方便用户在MATLAB上建立模型,解决最优化问题。最后给出一个实例,运行结果证实了遗传模拟退火算法在求解最优化问题上优于单一的遗传算法。     

混合粗粒度遗传算法在约束最优化问题中的应用

选取粗粒度遗传算法，并针对其过早收敛、收敛速度慢的缺陷进行改进，提出混合粗粒度遗传算法。混合粗粒度遗传算法按照适应度函数值对染色体群体进行分组，各分组采用不同的惩罚系数、交叉、变异算子；同时采用同种互斥和最优解保留策略。实验结果表明该算法在约束最优化问题中应用良好。     

遗传算法在风险分析最优化系统中的实现

针对风险分析的不确定性和复杂性,提出用遗传算法来求解风险分析的最优化问题,并使用Excel的VBA语言编程实现.将遗传算法与Excel的数据处理相结合,可以方便用户在Excel上建立模型,解决最优化问题.文章最后给出一个实例,运行结果证实了该系统的可行性与可靠性.     

OFDM系统自适应资源算法研究

针对OFDM系统的比特功率自适应分配优化问题。因传输信道存在衰减率,误码等,提出了一种基于遗传算法的OFDM系统自适应比特功率分配算法。新算法定义了染色体和初始群体,并通过遗传算法中的交叉、变异等操作,使比特功率分配方案得到全局最优解。算法可通过确定不同的适应度函数,用于解决传输速率及误码率一定条件下使得总发送功率最小的比特功率达到最优化的目的。通过上述在运算复杂度等方面的性能的仿真,证明优于Hughes-Hartogs等几种传统算法。     

VB与VC混合编程技术的研究

VB具有快速实现系统顶层功能的优点,而VC能很好地完成底层操作.介绍如何结合这两种语言的优点进行混合编程的几种方法,通过具体实例演示它们的应用.并且对混合编程中需要注意的问题也进行了阐述.     

遗传算法求解背包问题

遗传算法属于改进式启发算法。实践证明,遗传算法作为现代最优化的手段,它应用于大规模、多峰多态函数、含离散变量等情况下的全局最优化问题是合适的,在求解速度和质量上远超过常规方法,因而是一种高速近似算法。此文介绍如何用遗传算法解决传统的背包问题。     

在VC和Delphi下共享DLL文件

在面向Windows的各种编程语言中,VB、VC、Delphi和C++Builder是最为常用的四种,然而相对而言,VC和Delphi则用得更多.究其原因:VB虽然有好学易用的特点,但其功能则远远不及VC和Delphi那么强大;而C++Builder则是Delphi的简单翻版,其功能并无多大的变化和提高,只不过它是基于C语言的而已(这当然是为了照顾那些熟悉C语言,但又不想用VC来编程的广大编程爱好者).本文主要针对VC和Delphi下共享DLL文件的相互调用问题作一下探讨.     

关于遗传算法的应用研究

遗传算法指的是Genetic.Algorithms,是一种比较完整的计算方法。文中介绍了遗传算法的原理、方法,以及它存在的问题。另外,从人工生命、图像处理、组合的最优化、自动控制等几个方面分析了遗传算法在各个领域中的应用以及它的发展前景。     

遗传算法在排课问题中的应用研究

高校教育模式的不断发展,使得排课过程中的各种约束因素更加复杂。针对高校排课过程中的各种约束条件进行分析,建立了基于遗传算法的染色体编码,分析了在遗传算法中进行教室调度、生成初始种群和应对冲突,并对应用遗传算法来解决排课问题进行了系统建模。     

遗传算法在混沌时间序列预测中的应用研究*

在混沌时间序列研究中,相空间重构和预测模型参数优化是影响预测性能的关键步骤,利用两者之间的相互联系来提高混沌时间序列预测模型的整体性能,提出一种基于遗传算法的混沌时间序列参数同步优化方法。同步优化方法将相空间重构和最小二乘支持向量机参数作为遗传算法的染色体,预测精度作为遗传算法的适应度函数值,通过遗传算法对参数同步优化问题进行求解。通过混沌时间数据对同步优化方法进行了验证性实验。实验结果表明,相对于单独参数优化方法,同步优化方法不仅提高了混沌时间序列的预测精度,同时降低了计算时间的复杂度。     

分层并行遗传算法和遗传复合形算法及其应用

基于复合形算法、遗传算法、分层和并行思想,设计了一种求解复杂多目标、多约束和多变量工程优化问题的分层并行遗传或复合形算法,编制了界面友好和计算可靠性高的VC++软件。对于一类复杂三多工程综合优化问题,进行了遗传算法、复合形算法、分层并行遗传算法和分层并行遗传复合形算法的大量计算,结果表明：分层并行遗传算法计算效率最高;为解决复杂的三多工程综合优化问题提供了有效的可行方法。     

一种多染色体交叉的小生境遗传算法

生物进化一般只在两个个体间进行交配,传统的遗传算法也仅在两个染色体之间进行交叉操作。使用在三个以上的染色体进行交叉操作,并设计了多染色体交叉的算子。多染色体交叉算法可显著提高算法局部寻优能力和收敛速度,但由于收敛速度过快容易产生早熟现象。因此,设计了一种带子种群淘汰策略的小生境算法,可避免算法产生早熟现象。通过几种遗传算法的实验结果比较,证明多染色体交叉算法在多峰优化中的效果要优于传统遗传算法。     

基于量子位Bloch坐标的量子遗传算法及其应用

提出了一种基于量子位Bloch坐标的量子遗传算法. 该方法用量子位构成染色体; 用量子位的Bloch坐标构成染色体上的基因位; 用量子旋转门进行染色体上量子位的更新; 用量子非门进行染色体变异. 对于量子旋转门的转角大小及方向的确定, 提出了一种简易快捷的新方法; 对旋转和变异操作, 提出了基于量子位Bloch坐标的新算子. 该算法将量子位的3个Bloch 坐标都看作基因位, 每条染色体包含3条并列的基因链, 每条基因链代表1个优化解.在染色体数目相同时, 可加速优化进程. 以函数极值优化和神经网络权值优化为例, 仿真结果表明该方法在搜索能力和优化效率两个方面优于普通量子遗传算法和简单遗传算法.     

基于遗传算法的最短路径路由优化算法

论述了用启发式遗传算法解决最短路径路由的优化问题,采用可变长度染色体(路由串)和它的基因(节点)应用于编码问题,交叉操作在交叉点进行部分染色体(部分路由)交换,变异操作维持种群的多样性.该算法采用简单维护操作维护好所有的不可行的染色体.交叉操作和变异操作相结合保证了最优解的搜索能力和解的全局收敛性.计算机仿真实验表明该算法快速有效、可靠性高.     

基于遗传算法的大规模矩形件优化排样

大规模矩形件优化排样是一个典型的组合优化问题，属于NP-hard问题．实际工程中对一个排样方案一般有满足“一刀切”的工艺要求，“一刀切”要求增加了对排样的约束．提出的优化算法，将矩形匹配分割算法作为遗传算法染色体的解码器实现一个排样方案，用遗传算法进行排样方案的全局搜索．算例比较表明，该算法可以求得满足“一刀切”约束的最优解．     

基于进化算法的函数优化系统设计与实现

在Windows NT4.0环境下,利用VC++6.0和SQL Server 7.0设 计实现了基于进化算法的函数优化系统。介绍了设计本系统的必要性、意义和系统功能设计 ,详细地讨论了自定义类、访问后台数据库、消息处理等实现过程。     

自适应Bloch球面的量子遗传算法

在基于量子位Bloch坐标的量子遗传算法的基础上,提出一种自适应Bloch球面的量子遗传算法。该算法按两种方式自适应地选取Bloch球面的一部分进行搜索：沿经线方向选取和沿纬线方向选取,并在理论上证明了这两种选取方式都能够包含所求连续优化问题的所有可行解。在对选取的Bloch球面进行搜索时,提出了近似等面积搜索的方法,进而推导出两个相位转角大小之间的反比例关系,染色体的变异操作也作了相应的修改以适应选取区域的限制。实验表明该算法在搜索能力方面与基于量子位Bloch坐标的量子遗传算法基本相当,但优化效率方面有明显提高。     

一种基于遗传算法的自动排课系统设计

该文提出并实现了一种高校自动排课算法,利用遗传算法建立数据模型,定义了时间片、授课单元、切片算子、不完全两点交叉和适应度函数。通过使用遗传算法,对课程进行编排和对课表进行优化;并用VC 进行编程,Matlab进行仿真,用文件输出结果;实验结果表明,遗传算法对课表的编排和优化有着比较显著的作用。     

遗传算法在网络优化问题中的研究

针对城市交通网络优化问题的实际意义,本论文以TSP为背景构建了网络路径搜索优化的模型,并采用遗传算法改进了算子设计,给出了完整的算法执行步骤,其仿真测试结果也表明了该算法在网络优化中具有良好的搜索性能,对于进一步研究遗传算法在网络优化问题中的实际应用具有一定借鉴意义。