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.     

A REAL-VALUED GENETIC ALGORITHM FOR OPTIMIZATION PROBLEM WITH CONTINUOUS VARIABLES

提出一种用于连续变量函数优化的遗传算法。它由一种简单、适应面广的动态刻度适应值和选择算子、杂交与变异算子，以及这些算子相应的自适应概率组成。该算法经两个常用函数检验，并在图象识别的神经网络权值训练中得到应用。实验结果表明，该算法是一种快速有效的全局优化算法。     

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。     

用遗传算法精确计算圆度误差

提出了一种应用遗传算法计算满足最小区域法的圆度误差的新思路，并对传统的遗传算法提出了一些改进。采用实数值编码，其计算结果精确度非常高，理论上可以获得全局最优解；保留上一代种群中适应度最好的个体到下一代，可以确保解的收敛性；对基于实数值编码的繁殖算子、交叉算子、变异算子给出了具体的操作方法。仿真结果表明，用改进的遗传算法求解圆度误差，简单明了，收敛速度快，在计算机上容易实现。     

基于改进BBO算法的火力分配方案优化

将生物地理学优化（Biogeography-based optimization，BBO）算法应用于火力打击目标分配方案的优化中，对BBO算法增加三维变异操作，优化算法的收敛精度。采用改进的Tdv-BBO算法（Three-dimensional variation biogeography-based optimization，Tdv-BBO）来解决火力打击中的目标分配问题，对敌方想定实例进行了目标-火力数量组合优化。算例验证结果表明：改进的BBO算法增强了全局搜索能力，可为海上联合打击的目标分配提供一种有效的方法。     

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。     

多目标混合流水车间调度问题求解算法

针对多目标不相关并行机混合流水车间调度问题，建立以最小化最大完工时间、机器总能耗和机器加工成本为目标的多目标数学模型。提出一种改进的基于分解的多目标进化算法（Improved multi-objective evolution algorithm based on decomposition,IMOEAD），采用均匀设计表生成初始权重向量，提高种群多样性，利用正态分布交叉并设计了自适应高斯变异来提高算法的全局搜索能力和局部搜索能力，在权重向量邻域中选择个体产生新解，运用非支配等级和拥挤距离更新外部档案。以反世代距离、世代距离和非支配解个数为性能指标，通过大量案例仿真，与非支配排序遗传算法Ⅱ和基于分解的多目标进化算法进行对比，结果验证了该算法的有效性。     

一种基于年龄和性别特征的遗传算法

提出了一种基于年龄和性别特征的遗传算法。标准遗传算法（SGA）已经被成功的应用到很多进化优化问题上，但是对于复杂的多模态函数寻优时，会出现早熟收敛现象。为了解决这个问题，结合自然界最常见的有性繁殖现象，赋予了遗传个体年龄和性别特征，提出了基于年龄和性别特征的遗传算法的框架以及实现。通过建立年龄和有性遗传进化算子。对不同年龄和不同性别的个体赋予不同的进化控制参数，克服了早熟收敛问题且保持了群体的多样性，使算法能顺利的收敛到全局最优值。     

基于改进遗传算法的微波吸收材料优化设计

针对标准遗传算法也称简单遗传算法(Simple genetic algorithm，SGA)在宽频带高吸收微波吸收材料优化过程中收敛速度十分缓慢且非全局收敛的不足，应用新的选择策略，并引入收敛因子和进程因子对种群进化的交叉概率和变异概率进行自适应调节，用Visual C 语言编写了可自适应调节参数的改进遗传算法的微波吸收材料优化设计软件，通过枚举法验证算法是全局收敛的。应用该软件对现有微波吸收材料电磁参数库进行微波吸收材料结构优化。结果表明：应用两层微波吸收材料，内层材料0．9mm，外层材料2．7mm，总厚度3．6mm，即可实现在8～18GHz全频段内反射率小于-15dB。     

基于量子搜索和高斯变异的MOEA/D算法

在实际应用中,尤其是在研究大规模决策空间的优化问题时,MOEA/D算法容易陷入局部最优。针对此问题,提出了一种基于量子搜索和高斯变异的MOEA/D算法。引入环境迁移模型,将两者进行并联,并且与原算法进行串联,利用量子搜索来提升算法的全局搜索能力,采用高斯变异位置更新方法保证算法的局部搜索能力。同时为了避免算法在迭代后期陷入"早熟"危险,提出了基于邻居位置的量子搜索,通过改变吸引点的生成方式,来加强量子搜索在迭代后期的局部搜索能力。结果表明:改进后的MOEA/D算法与原算法相比,提升了算法的搜索能力,也保证了算法的收敛能力。     

Hybrid Multipopulation Cellular Genetic Algorithm and Its Performance

The selection pressure of genetic algorithm reveals the degree of balance between the global exploration and local optimization.A novel algorithm called the hybrid multi-population cellular genetic algorithm（HCGA）is proposed,which combines population segmentation with particle swarm optimization（PSO）.The control parameters are the number of individuals in the population and the number of subpopulations.By varying these control parameters,changes in selection pressure can be investigated.Population division is found to reduce the selection pressure.In particular,low selection pressure emerges in small and highly divided populations.Besides,slight or mild selection pressure reduces the convergence speed,and thus a new mutation operator accelerates the system.HPCGA is tested in the optimization of four typical functions and the results are compared with those of the conventional cellular genetic algorithm.HPCGA is found to significantly improve global convergence rate,convergence speed and stability.Population diversity is also investigated by HPCGA.Appropriate numbers of subpopulations not only achieve a better tradeoff between global exploration and local exploitation,but also greatly improve the optimization performance of HPCGA.It is concluded that HPCGA can elucidate the scientific basis for selecting the efficient numbers of subpopulations.     

多目标柔性作业车间调度的集成算子遗传算法

柔性作业车间调度（FJSP）中，在将任务按顺序分配到各机床前，首先要为任务选择加工机床。为求解多目标FJSP，本文在分析该问题特点的基础上，提出了一种面向甘特图的串编码（GORS）及相应的的遗传算法算子的基本操作，提出了集成算子遗传算法，并给出了其具体实现。文献算例的实验及与国际最近研究成果比较表明。该算法减小了目标参数值即生产周期、最大机床负载和总的机床负载。     

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。     

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。     

基于模糊罚函数的分布式并行遗传算法及其应用

本文将模糊理论用于优化中,提出了一种基于可行度的模糊罚函数法,并采用分布式并行遗传算法进行寻优操作,该方法可以将不同遗传操作的优点加以整合,通过并行运算提高优化效率。将基于模糊罚函数的分布式并行遗传算法应用到多目标结构优化中,仿真试验表明取得了很好的寻优效果。     

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。     

基于分布式并行遗传算法的PID参数整定

针对基于简单遗传算法(SGA)进行PID整定在收敛性及初值敏感度方面的缺陷,提出了基于分布式并行遗传算法(PGA)的PID参数整定方法。该方法可以将不同遗传操作的优点加以整合,通过并行运算提高整定效率,能够更有效地进行参数优化。选用典型被控对象仿真,并分别进行收敛性分析与初值敏感度分析。仿真试验表明与SGA相比PGA提高了局部搜索空间的微调能力,降低了对初值的敏感度,寻优效果也大为改善,从而说明了这种方法的可行性,为PID参数整定方法提供了一种新的尝试。