基于多种编码的多群体遗传算法

为了有效地克服标准遗传算法（SGA）中的早熟收敛现象,提出了一种基于多种编码的多群体遗传算法,该方法是采用3个群体同时进行进化的策略,其中,第1个 本是采用浮点数编码方法,以使该群体具有较强的局部搜索能力,第2个群体是采用二进制编码方法,以使该群体具有较强的全局搜索能力。第3个群体为“精华种群”,用于保存算法在进化过程中产生的优秀个体,在进化过程中,还通过引入“移民”策略来交换3个群体中的优秀个体,以有效地增加群体的多样性,该算法不仅不易陷入局部收敛,还具有较强的跳出局部收敛的能力,且收敛速度较快,通过对一系列典型复杂多模函数进行的优化计算试验,结果证实了该方法的有效性和优越性。     

基于局部进化的Hopfield神经网络的优化计算方法

提出一种基于局部进化的Hopfield神经网络优化计算方法，该方法将遗传算法和Hopfield神经网络结合在一起，克服了Hopfield神经网络易收敛到局部最优值的缺点，以及遗传算法收敛速度慢的缺点。该方法首先由Hopfield神经网络进行状态方程的迭代计算降低网络能量，收敛后的Hopfield神经网络在局部范围内进行遗传算法寻优，以跳出可能的局部最优值陷阱，再由Hopfield神经网络进一步迭代优化。这种局部进化的Hopfield神经网络优化计算方法尤其适合于大规模的优化问题，对图像分割问题和规模较大的200城市旅行商问题的优化计算结果表明，其全局收敛率和收敛速度明显提高。     

都试探建筑施工项目成本控制的问题及对策

当市场经济不断市场化后，企业的竞争是越来越大，如何实现利润最大化，已经成为各个建筑施工企业不断追求的目标，那么实现成本的控制将是企业实现利润最大化的一种途径，本文将针对建筑施工项目成本控制的问题进行认识，并找到相应的对策。     

级联遗传算法优化设计前向神经网络

文章提出了一种新的用遗传算法优化设计前向神经网络结构和权重矢量的方法。这种算法采用二进制与浮点数混合编码 ,对神经网络结构用二进制编码 ,对神经网络权重矢量用浮点数编码 ,并设计了与混合编码相对应的交叉、变异、选择算子 ,既保留二进制编码简单、易操作的优点 ,又具有浮点数编码搜索空间大、精度高、稳定性好、运算速度快的优点。优化算法包括两级级联的遗传算法。第一级遗传算法实现快速的局部寻优 ,而第二级遗传算法提高全局寻优能力。     

动态区域性多群体搜索的遗传算法

提出了一种新的动态区域性多群体搜索的遗传算法.该方法的各个遗传群体所占据的 搜索空间由自适应模糊Hamming神经网络的决定,此神经网络通过对遗传个体分类和学习,将 不同的遗传群体分配在搜索空间的不同位置,并可以动态地调整遗传群体的搜索区域或建立新 的遗传群体,从而确保了遗传群体的个体多样性,有效地抑制了可能发生的早熟收敛现象,而且 使得遗传算法具有较强的全局寻优能力和快速局部寻优能力.本文的实验通过对典型的复杂多 模函数的优化计算,也显示了动态区域性多群体搜索的遗传算法的优良性能.     

基于可进化性的自适应遗传算法

针对传统遗传算法容易陷入局部最优解的问题,提出一个基于可进化性的自适应遗传算法。将个体可进化性作为适应度函数的参数加入到随进化代数动态调整的非线性适应度函数中,动态调整整个种群的交叉与变异概率以逸出局部最优。实验结果表明,该算法可改善适应度不高但具有较好进化能力个体的生存概率,且提高了种群多样性与搜索效率。     

基于熵的双群体遗传算法研究

提出了一种基于熵的双群体遗传算法.首先采用熵最大的方法产生两个初始化群体,使得初始化的个体尽可能均匀分布在遗传搜索空间.在一个群体中设计了基于熵最大的直接替代选择运算并采用高变异率提高遗传算法的全局探索能力.在另一个群体中采用逐渐减小的动态变异率提高遗传算法的快速局部搜索能力.两个群体之间的相互移民策略均衡了遗传算法的全局探索能力和快速局部搜索能力.实验显示,基于熵的双群体遗传算法对复杂多模函数寻优在全局收敛率和收敛速度上都具有一定的优势.     

自适应变异率的遗传算法

标准遗传算法的变异运算以固定的变异率进行操作,即不管遗传个体的适应度大小, 所有个体的染色体均以不变的概率进行变异.该文根据遗传个体的适应度值自适应地确定各个个体变异率,适应度值大的个体以较小的概率进行变异,而适应度值小的个体以较大的概率进行变异.通过这种方法,可以减少优秀染色体模式被变异破坏的可能性,从而提高遗传寻优计算的效率,加快遗传算法的收敛速度.     

图象分割阈值平面的进化优化方法

提出了一种基于进化计算的图象分割方法。它首先检测图象的边界,将已经检测得到的边界作为图象分割阈值平面的插值限制条件,将图象分割转化为对这种分割阈值平面的插值优化问题。采用浮点数编码的进化规划方法进行优化计算,进化规划的适应度函数由插值平滑性,分割区域的结构有效性和图象边界点阈值不变性3个限制条件决定,在进化规划收敛时得到图象分割阈值平面。对不同图象的分割实验显示了这种方法的有效性、合理性和较强的抗噪声干扰能力。