注入式的遗传算法的分析与研究

该文提出了一种改进的遗传算法———注入式的遗传算法。该算法利用遗传算法全局搜索能力强和知识库具有存储记忆功能的特点,通过引入知识库中的经验值来提高遗传算法的求解速度和精度。该实验用基本遗传算法和注入式遗传算法来求解旅行商问题,通过对比实验结果,证明改进遗传算法的可行性和有效性。     

基于小生境遗传算法的多峰函数优化

根据多峰目标函数的具体情况,应用遗传算法随机寻优得到若干个最优值,以这些值作为小生境遗传算法的先验知识,指导小生境距离参数的确定。依据此方法确定小生境距离参数,应用小生境遗传算法成功求解了shubert多峰函数的所有全局最优值。并与相同遗传操作和相同参数下的遗传算法作比较,小生境遗传算法不但能一次性地寻求到解空问中所有的最优解,而且就寻求一个最优点而言收敛速度快于非小生境遗传算法。     

改进遗传算法在桁架结构优化设计中的应用

文章针对简单遗传算法的早熟现象及不能处理带有复杂约束的优化问题,提出了一种基于乘子法与伪并行遗传算法的改进遗传算法,并将其应用于桁架结构优化设计中.计算结果表明改进遗传算法全局寻优能力强.     

灾变机制下的元胞遗传算法

文章提出了一种改进的加入灾难的元胞遗传算法.该算法是细粒式并行遗传算法和粗粒式并行遗传算法的混合形式.在遗传算法和元胞自动机的原理基础上,通过加入灾难的方式,用于求解复杂甬数优化问题,获得了较好的效果.     

基于遗传算法的参数优化在控制器设计中的应用

本文详述了遗传算法作为一种随机搜索算法在控制器设计参数优化中的应用。从遗传算法基本原理入手，结合工程实际，论述了遗传算法在PID控制器设计、鲁棒控制器设计、最优控制、系统参数辨识、模糊逻辑控制系统和神经网络控制中的应用成果。讨论了影响遗传算法的因素，并提出了改进的策略。     

并行遗传算法的研究评述

并行遗传算法是遗传算法研究中的一个重要方向,受到了研究人员的高度重视。本文系统地综述了各种并行遗传算法的构成原理,介绍了其典型应用情况,并指出了需进一步研究的课题。     

基于六模糊控制器的自适应遗传算法

遗传算法的性能主要取决于算法对满意解的搜索和优化的能力。本提出的自适应遗传算法可以自动均衡搜索和优化关系。该算法采用六个模糊控制器对符号编码遗传算法的遗传操作实施动态参数控制。对旅行商(TSP)问题的求解结果表明该算法在解决类似于TSP的组合优化问题时具有比标准遗传算法更好的性能。     

适用于欺骗问题优化的分段遗传算法

为了有助于克服遗传算法中的模式欺骗性问题，本文基于遗传算法在不同阶段运行性能的不同，并且借鉴新达尔文主义中生物进化的选择机理，分析和探讨了一种适应性分段遗传算法，并且通过试验证明了该方法的有效性。     

基于改进实数遗传算法的函数全局优化

将一种改进的实数遗传算法用于函数全局优化。改进的算法建立在对基本实数遗传算法搜索特性判断的基础上。文中对实数遗传算法的基本操作进行了简单的讨论和选择 ,将一种混沌序列作为刺激因素加入到算法中 ,并将区域划分与取舍的思想应用到算法结构改进中。数值实验显示 ,新方法对寻找复杂问题的全局解、提高搜索精度方面较基本实数遗传算法有较大改进。     

求解多目标优化问题的随机梯度遗传算法

遗传算法的收敛速度很慢，为此引入另一种解决优化问题的工具，即Simultaneous Perturbation Stochastic Approximation(SPSA)算法，该算法是一种简单、易实现、高效率的随机逼近算法。本文将SPSA算法作为一种快速局部优化方法并将其和遗传算法的整体搜索策略结合起来，提出一种解决多目标优化问题的随机梯度遗传算法，对新算法的执行策略进行了认真的设计。大量的数值实验表明：随机梯度遗传算法不仅提高了多目标遗传算法的收敛速度，且得到了大量的分布较均匀的Pareto最优解。     

求解装箱问题的遗传算法

本文提出了两种求解装箱问题（ＢｉｎＰａｃｋｉｎｇ）的遗传算法。一种是简单遗传算法,它采用等长度字符代码编码方法,使用常规的遗传操作算子。另一种是混合遗传算法,它综合运用解装箱问题的ＦＦＤ（ＦｉｒｓｔＦｉｔＤｅ－ｃｒｅａｓｉｎｇ）近似算法和简单遗传算法。试算结果表明,由这两种遗传算法所得到的装箱方案较一些近似算法所得到的装箱方案都要好。     

FIR滤波器设计:基于遗传算法的频率采样技术

遗传算法是一种模仿生物进化过程的随机搜索，这种生物模仿过程可以发现全局最优解。文中介绍了遗传算法的频率采样技术中的应用，结合ＦＩＲ数字低通、带通滤波器设计的两个例子，给出了算法实现的具体操作步骤和实验结果。文中还对标准遗传算法作了适当的改进。实验数据表明，采用遗传算法确定的频率过渡带样本值是最优的，设计的ＦＩＲ滤波器的频率特性优于查表法。     

用于多峰函数优化的改进跳跃基因遗传算法

跳跃基因是维持生物大脑神经细胞多样性的主要原因,因此在遗传算法中引入跳跃基因操作能够提高算法的全局搜索能力。然而,标准跳跃基因遗传算法的随机跳跃过程容易破坏较优性能染色体的基因。针对此问题,提出了一种改进跳跃基因遗传算法。在改进方案中,适应度越高的染色体上的跳跃基因,能以越高的概率朝性能比它差的染色体上跳跃,以提高进化速度。并且,在适应度函数中引入密度函数,以保持染色体的多样性。通过对经典多极值测试函数的寻优仿真表明,改进跳跃基因遗传算法能够更有效地提高遗传算法对复杂多峰函数最优解的求解速度与精度。     

双变异遗传算法在投资组合中的应用

针对马柯维茨均值-方差模型的特点和简单遗传算法在求解该模型中所存在的缺点和不足,本文提出了一种改进的遗传算法-双变异遗传算法.该算法在交叉算子中引入了变异算子,即在种群中出现大量的近亲个休,产生近亲繁殖,此时,交叉算子停止交叉,进行均匀变异;而变异算子按照梯度方向变异,以加快算法的收敛速度.数值试验表明,双变异遗传算法对马柯维茨均值-方差模型的求解具有全局收敛、求解速度快、避免早熟等优点.     

基于遗传算法的无刷直流电动机速度控制系统的优化设计

以一小功率无刷直流电动机的速度控制系统为例，运用遗传算法对速度调节器的PI参数进行了优化设计，同时使用MATLAB语言分别对采用常规工程设计法与遗传算法所得到的阶跃响应曲线以及这两种设计方法所得到的时域性能指标进行了仿真分析和比较，通过比较可以看出：采用遗传算法确能达到进一步优化控制系统性能的目的。     

基于FPGA的并行遗传算法硬件实现的研究

遗传算法具有天然的并行性。FPGA(Field programmable gate arrays)本质上的并行特性使其很适合用于实现并行的遗传算法。结合两者的并行特性，本文提出了一种基于FPGA的并行遗传算法。选用了适合硬件实现的选择、交叉、变异算子，并将它们设计成流水线结构。整个设计采用了XILINX公司的XC2V1000型号FPGA芯片。算法利用VHDL语言来描述。实现后的测试表明，这种硬件遗传算法有效减少了运行时间，使其在一些实时性要求较高的场合得到很好应用。     

遗传算法在风洞实验优化中的应用研究

为了提高风洞实验效率,降低实验成本,缩短实验周期,笔者探讨了将遗传算法引入到风洞优化实验中,实现了基于遗传算法的多段翼型实验规划.通过遗传算法对多段翼型的迎角及各段的偏转角度、重叠量和缝道宽度进行编码,由实验提供适应度值.对两段翼型的研究表明应用遗传算法规划风洞实验能够减少实验次数约40%.种群数为染色体长度的2倍时,算法能较好的搜索到最优值.初始群体值对算法的收敛性及计算效果基本无影响.此外,也模拟计算了4段翼型风洞实验,提高实验效率大约为87%~93%,可见遗传算法仍然有效且在大规模风洞实验中更有应用价值.     

确定性的遗传算法

针对遗传算法效率普遍较低的缺陷，采用了确定性交叉和确定性变异的策略，同时提出了一种新的遗传算子－Hamming-decreasor算子，以加快速传算法中码值相关相差较小而Hamming距离很大的二进制码串之间的转换，在此基础上，构建了一个新的遗传算法－确定性的遗传算法，初步的数值试验表明，新算法是有效的和鲁棒的。     

复合材料层压板热屈曲优化设计的自适应免疫遗传算法

复合材料层压壁板的热屈曲优化问题是高速飞行器结构设计的重点考虑内容。通过对免疫遗传算法引入自适应交叉和变异,构造了一种自适应免疫遗传算法(AIGA),并将该算法应用于考虑强度约束的层压板热屈曲铺层顺序优化设计。并将算法的优化结果与简单遗传算法(SGA)、免疫遗传算法(IGA)的优化结果进行了比较,结果表明该算法收敛速度快,优化解的质量最好,并有效的克服了SGA易于早熟收敛,IGA收敛缓慢的缺点。同时研究了抗体调节系数对AIGA算法性能的影响。     

改进的混沌遗传算法

混沌和遗传算法的结合产生了混沌遗传算法.通过分析其本质,发现其中存在很大的重复性操作,本文对此算法进行改进.计算机仿真表明:改进后的算法具有更好的快速寻优能力.