遗传算法的运行机理分析

遗传算法是一种自适应启发工群体型迭代式全局搜索算法，正受到许多学科的重视。本文首先以函数优化为例分析了遗传算法的运行过程，然后着重探讨了遗传算法的全局收敛性和效率问题，提出了有效基因的新概念及有效基因突变操作，推导出每次遗传搜索产生Ｏ（２＾ｌ－１）数量级的新模式，最后给出了结论。     

改进型遗传算法及其在数据挖掘中的应用

文中在简单遗传算法的基础上，利用改进的算法进行关联规则的发现和数据库中特征项权重的发现，通过对农业气象数据库的实验，力求解决遗传算法中的早熟等问题。     

遗传算法及其应用

对５个番茄亲本及１０个Ｆ１代材料在采收季节分５期测定了成熟果实内抗坏血酸和还原糖含量，并对其遗传和相关性进行了统计分析。结果表明：基因型和估收期均明显影响番茄果实内的抗坏血酸和还原糖含量，基因型与采收期的互作效应达极显著水平。多数Ｆ１的抗坏血酸和还原糖含量介于双亲之间，这两个品质因子的广义遗传力估算植依次为４４．１７％和４９．２３％，它们的遗传相关系数为０．９２７４，相关遗传力估算为４８．７３％，     

遗传算法及其应用

跹传算法是模拟自然界生物进行过程的计算模型，作为一种有效的全局并地优化搜索工具，它具有简单，通用、鲁棒性强和适于并行分布算处理的特点以及广泛的应用潜力，本文主要阐述了遗传算法的基本原理、方法和特点、并着重从应用的角度对它的主要研究内容（包括并行实现）进行了较深入的讨论。     

遗传算法的研究与进展

遗传算法是建立在自然遗传学机理基础上的参数搜索方法。本文介绍了遗传算法的思想来源的基本原理，比较了遗传算法与其他人工智能技术，论述了它在优化、机器学习、尤其是控制领域中的应用成果，并对进一步的研究工作提出了一些展望。     

遗传算法的收敛性研究

本文讨论了遗传算法的收敛性问题，提出了一个收敛的充分条件，证明了对任何问题，只要其问题空间编码和遗传操作的组合满足这个条件，就可以用遗传算法求解，由此得到了ＧＧＡ－难题珠新定义，解释了现有模式理论所不能解释的最小欺骗问题，并讨论了它的可操作性。     

用遗传算法构造决策树

Ｃ４．５是一种归纳学习算法，它通过对一组事例的学习形成决策树形式的规则。由于Ｃ４．５采用的是局部探索的策略，它得到的决策树不一定是最优的。遗传算法是模拟自然进化的通用全局搜索算法。文中讨论了利用遗传算法的构造决策树的方法。     

Agent的遗传算法研究

Agent是指具有智能的人,或其它智能物或相当于智能物体的实体,以及能进行种种工作的软件等。这种Agent对给定介质环境中的事件变化能迅速作出反应,具有自治、推测、反响、协作、自学习和相互学习等能力。鉴于Agent的这些特点,借助Darwin自然进化论与Mendel遗传变异理论来研究Agent是科学的、合理的。我们知道,在生物的演化过程中,生命期模式在个体的成长中占据十分重要的地位;生态环境中的生物个体在进化时,即使在它自己的局部环境,也是有生命周期的。个体在不同的局部环境和生命期的各个不同阶段具有不同的成长特性,并在生命期模式的控制下体现出实际成长的特点。关于Agent遗传理论的研究,目前还未见诸文字。综上所述,本文抓住Agent类似于生物的特性,从遗传变异和生物演化两个生物的本质属性方面给出Agent的遗传算法与演化模型,真正从本质上刻画Agent的智能本能行为,填补了这方面的工作。     

改进的基因遗传算法在专家系统机器学习中的应用

本文介绍了基因遗传算法的基本原理，给出了基因遗传算法在机器学习问题求解启发式知识中的适合度函数选取及基因编码方法，并阐述了改进的基因遗传算法在机器学习中的应用     

在机器人足球中利用遗传算法进行多智能体学习

本文通过对仿真机器人足球的研究的介绍，阐述了利用遗传算法对多智能体机器学习的研究。每个球员作为一个智能体，通过进化训练，不断地学习，使之能够作出当前状态下最优的动作。文中将以FIRA仿真机器人足球赛为例，论述战术动作的在线学习。     

基于遗传算法的机器学习方法赋值理论研究

主要论述将遗传算子与两个机器学习方法—Michigan法和基于Pitt法的一个演化程序相结合,对某个输入信息通过其预先的属性和属性值,经过分级系统中分级规则,得出有意义的输出结果。并将这一理论应用到归纳推理代数中进行验证。     

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。     

模糊遗传算法综述

本文介绍了遗传算法发展的一个新方面一基于模糊逻辑的模糊遗传算法，分两方面加以综述：用模糊逻辑控制遗传算法的遗传操作及参数设置的思想和方法，模糊编码及模糊交叉的策略。同时指出了各种方法的特点以及今后的研究方向。     

遗传算法中遗传算子的启发式构造策略

遗传算法是影响遗传算法搜索性能的重要因素，本文研究交配算子与其搜索子空间的关系，提出了设计良好算子的指导性原则，并构造出一种启发式交配算子。     

基于遗传算法的本体概念分类规则学习算法

为了更好地界定本体中的概念,提出一种基于遗传算法（Genetic Algorithm,GA）的本体概念分类规则的学习方法．从已有的本体库中获取实例作为训练样本,通过该算法寻找一组与数据样本集一致的规则．以一组规则集作为遗传算法的个体,即优化的目标,同时考虑到规则集的覆盖性、一致性、简洁性和多样性4个方面建立适应值函数,优化得到一组能够分类概念的规则集合．进而这组规则集可用于指导和丰富本体知识,例如当本体中引入新的实例时,可以通过此概念分类规则集确定实例所属的概念．对已有本体学习后的实验结果表明该算法收敛性很好,而且能获得较好的规则集．     

倒摆的遗传算法控制

本文首先详细地阐述了遗传算法的原理和实现方法，并针对倒摆系统设计了遗传算法的求解方案，仿真实验结果表明，遗传算法可以有效地解决倒摆的平衡控制问题，文中给出了算法结构对于其它优化控制问题也有实际参考价值。     

基于遗传算法的智能机器人对抗策略设计

近年来,随着大型第一人称类的网络游戏风靡全球,游戏角色的智能性研究得以迅速发展.本文基于Robocode这样一个机器人战斗模拟系统,提出了针对不通的环境和对手,根据实战数据,通过遗传算法来为机器人寻找到一个最佳的战斗策略,利用该策略再与其它机器人进行实战的策略,并对战斗的数据结果做出了分析.     

利用基因遗传算法从数据库自动生成知识库

此文提出一种从数据库自动生成知识库的新方法。该方法从数据库到知识库的优化目标函数，利用基因遗传算法的优化手段，直接从数据库中生成性能较优的知识库。文中论述了该方法的原理与具体实现过程。     

基于遗传算法的JobShop调度研究进展

JobShop是典型的调度问题,遗传算法一直是计算智能的主要研究对象,因此基于遗传算法的JobShop研究在学术界和工程界受到极大的关注。对近年来这方面的研究情况进行了较全面的综述,其中涉及编码、算法改进和比较、特征分析、混合算法、拓宽性、实际应用和调度器开发等,并讨论了进一步研究的若干方向。     

基于遗传算法的交流伺服系统设计

针对永磁同步电动机交流伺服系统，提出了基于遗传算法的模糊神经网络控制方案。在交流伺服系统的设计中，采用模糊神经网络控制器作为其位置调节器，结合遗传算法的快速搜索功能，使该系统定位准确、快速，与通常的PID控制模式相比，具有良好的动态、稳态性能以及较强的鲁棒性，从而证明了这种设计方法的合理性和优越性。