遗传算法的参数设计与性能研究

利用无符号整数数组代替传统的字符串进行二进制编码，用改进的适应度函数、自适应交叉率、自适应变异率取代传统的适应度数和固定的交叉率及变异率来改进遗传算法，并与基本遗传算法进行了实验比较，结果证明改进的遗传算法显著提高了收敛性能，并且具有很强的自适应能力。     

基于改进遗传算法的最小生成树算法

以图论和改进遗传算法为基础，提出了一种求最小生成树的遗传算法。该算法采用二进制表示最小树问题，并设计出相应的适应度函数、算子以及几种控制策略，以提高执行速度和进化效率。传统算法一次只能得到一个候选解。用该算法对其求解，可以在较短的时间内以较高的概率获得多个候选解。应用实例表明该算法优于传统算法。     

基于动态规划和遗传算法的混合算法研究

动态规划法和遗传算法是目前在水电站厂内经济运行中广泛应用的两种优化算法，文章提出了一种基于动态规划法和遗传算法的混合优化算法来分别解决大规模机组组合问题中空间最优化和时间最优化的计算机求解问题。避免了遗传算法计算速度缓慢的问题，又避免了动态规划法的“维数灾”问题。最后使用清江隔河岩水电站的4台机组的运行数据进行了仿真研究，并和完全使用动态规划法的结果进行了比较，获得了良好的效果，说明该混合优化算法对于厂内经济运行是一种可行的算法。     

基于蚁群算法的PID参数优化设计

蚁群算法是一种模拟进化算法,初步的研究表明该算法具有许多优良的性质.针对PID控制器参数优化设计问题,将蚁群算法设计的结果与遗传算法设计的结果进行了比较,数值仿真结果表明,蚁群算法具有一种新的模拟进化优化方法的有效性和应用价值.     

基于GA-ANN的服装智能选材方法研究

应用基于遗传算法的人工神经网络模型,满足服装面料各因素选择所涉及到的多目标优化等要求,为遗传算法找到适应度函数,以此建立面料因素的智能选择系统模型.以女装面料的选择为例,将款式、风格、价位和季节作为输入层,以面料的原料、织造方式、元素和色调作为输出层,建立人工神经网络,将服装选材的定性指标转化为计算机能够识别的数值,通过样本的训练,研究出服装智能选材的新方法,从而为服装材料的选择提供一种新途径.     

具有适应度选择调整策略的混沌遗传算法及其应用

针对遗传算法在非线性系统优化问题中易陷入局部最优，且大量研究改进后仍存在不足的问题。根据混沌运动的结构特点，提出了一种解决非线性系统优化问题的混沌遗传算法（CGA，Chaos Genetic Algorithm）。该算法将混沌变量引入遗传算法的优化变量中，使两者的取值范围相互映射，利用更新后的混沌变量转换为“染色体”进行遗传操作，同时根据适应度大小选择需要附加混沌扰动的群体，使变异操作具有导向性，经过多次进化，得出问题的最优解。仿真实验利用多种测试函数和相似的智能优化算法进行对比验证。结果表明，该算法保证了非线性系统优化问题动态响应的速度和寻优结果的精度，定量的评价了混沌遗传算法的优化效果。     

遗传算法的原理及组成浅析

本文简单讨论了遗传算法的特点、组成,即介绍了算法的交叉及常用的交叉算子、变异,其中进一步说明算法的编码原理、适应度函数设计,最后提出该算法的不足之处和改进。     

基于协同进化算法的多峰值并行搜索研究

协同进化(Co-evolution)算法是针对遗传进化算法(GA)的不足而兴起的一个研究领域,由于该算法在复杂信息处理方面的优越性能,近年来正逐渐成为国内外学者关注的一个热点。本文在协同算法理论研究的基础上,应用协同进化计算与血压峰值检测具体应用相结合,不仅提高了血压峰值检测的速度和精度,而且为血压示波法提出了一种新的峰值检测方法。     

基于混沌粒子群算法的医学图像增强

经典的模糊增强算法在应用于医学图像时,由于在采集或者传输图像时,外部的干扰较多,图像较大几率会不够清晰,该算法的的控制参数是由手动调整控制的,效率和增强效果较差,无法达到最优。由于粒子群算法存在调整参数少,全局寻优的能力,本文将混沌粒子群算法和模糊增强算法结合,运用混沌粒子群算法对模糊增强的增强参数进行优化,仿真实验证实,对于优化后的混沌粒子群算法,可以使模糊的医学图像的清晰率提高95%以上,同时可以突出某些特征,有效地改善了医学图像的视觉效果。     

文档图像汉字检索方法

目的提出一种在文档图像中检索汉字的方法，解决快速检索文本图像问题．方法通过对文档图像的版面分割，找到版面上各个图形、图像和文本子区域．根据版面分割后抽取的子区域特征，采用遗传算法的基本思想，对每个文本图像子区域进行快速搜索．无需提取任何字符图像特征，也无需要遍历整个页面就可找到所需要的内容．结果在使用二值图像表达的文档中，也能够达到搜索字符的目的．结论在数字图书馆技术中，实现了搜索文档图像中符号信息内容，为数字资源的检索开辟了一种新的途径．