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．     

求解货郎担问题(TSP)的佳点集遗传算法

文章针对求解货郎担问题（ＴＳＰ）,给出了一种佳点集遗传算法。通过对ＣＨＮ１４４实例的仿真求解,取得了令人满意的结果,可以看出该算法不仅提高了求解的效率和精度,还有效地避免了“早熟”现象。     

A New Algorithm To Solve Vehicle Routing Problems (VRPs)

Efficient Resource management has a direct influence on business performance and profitability. Vehicle Routing Problems (VRPs) considered in this paper are resource management problems where the aim is to use the limited number of resources to a large number of jobs so that the maximum number of jobs can be completed with minimum cost. A VRP consists of a workforce of maintenance engineers and a set of geographically distributed customers requiring certain services. The problem is complicated by incorporating certain technological and temporal constraints. The objective is to maximize the amount of work done measured in terms of total number of jobs completed and to minimize the total distance travelled by all the engineers. The solution to a VRP is a list of engineers and for each engineer a tour consisting of an ordered list of services to be completed by him under the given constraints. These Problems belong to the class of NP-Complete problems. The stochastic techniques such as Hill-Climbing (HC), Tabu Search (TS), Genetic Algorithms (GA) and Simulated Annealing (SA) are found to be suitable for solving these problems efficiently. It is found empirically that out of these SA gives good results for VRPs. But in some cases it also gives poor quality results. This happens due to not allocating intelligently the unallocated jobs in SA in subsequent iterations. A new algorithm is proposed to solve VRPs in this paper. This is achieved by allocating unallocated jobs intelligently in SA. The proposed algorithm is tested empirically on a number of randomly generated VRPs. Three types of VRPs considered are over resourced, under resourced and critically resourced VRPs. In almost all cases, the proposed algorithm completes a large number of jobs with minimum cost in comparison with SA.     

基于遗传算法的模糊控制在智能系统中的应用

本文针以吊车系统为例给出了一种智能模糊控制器即分段切换因子模糊控制器，并运用遗传算法进行参数调整，确保吊车系统的精度，仿真结果表明，该控制器精度高、抗干扰能力强、实时性好。     

遗传算法中参数选取及其在数据全局寻优中的应用

对基于遗传算法的基本原理及其关键参数的选择进行了讨论，提出了遗传进化的选择过程中使用的淘汰率和保护率的改进方案，并分析了两类参数的选择对遗传算法收敛速度的影响，最后通过将其与Matlab软件结合，实现遗传算法在数据全局寻优中的应用。     

结合免疫功能的遗传算法及其在技能模糊控制中的应用

技能模糊控制系统的自动化是模糊控制范畴的一个重要研究方向，其意义在于这种控制普遍存在于生产过程和人类的日常生活中．但是，如何依靠运动参数而不是运动或行为规则来进行控制，这个课题一直未能很好的解决．本文提出利用基于免疫机制的遗传算法进行隶属度函数的学习，同时简化运动方程，并通过实例验证了该方法的有效性．     

一种面向车间物流模型的仿真优化方法

首先构建了一个优化与仿真分离的仿真优化框架，该框架的核心是混合优化算法模块和物流仿真模块，笔者根据物流仿真的特点提出了一种改进的区域收缩遗传算法和增强连续型禁忌搜索算法混合的优化算法，也是本文中讨论的重点。并基于该框架开发了一个仿真优化软件系统，最后利用此系统优化了一个生产线实例。     

基于遗传算法的智能组卷系统数据库结构的研究

论文在分析了现存的组卷系统的组卷算法及相应的数据库结构的基础上,基于遗传算法提出了一种新的数据库结构,并给定具体结构的确定方法。实践证明,这种结构下的数据库很好地配合遗传算法实现了智能组卷,并且系统效率更高,冗余度更小。     

应用人工神经网与遗传算法进行短期负荷预测

针对ＢＰ网络的缺陷，提出了基于拟牛顿法的自适应算法和改进的遗传算法，以提高神经网的学习效率，克服ＢＰ网络的局部收敛性的缺点，形成一种新的神经网与遗传算法相结合的短期负荷预测模型，实测结果表明该模型和算法具有良好的性能和较高的预测精度。     

光束变换光学和光束质量研究的某些新进展

本对光束变换光学和光束质量研究的某些新进展，包括二维和三维非高斯光束通过一阶光束系统的传输，一般光束的分类及其光束质量的描述作了评述和分析，并对这一领域中需要解决的困难和问题作了讨论。