双变异率自适应遗传算法研究及其应用

针对标准遗传算法的不收敛性，提出一种双变异自适应遗传算法，即通过全局变异算子和局部变异算子共同作用，增加种群的多样性，提高算法的全局收敛能力。实例证明：改进算法具有很好的寻优能力和效率。     

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。     

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。     

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。     

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。     

应用确定性优化算法求解多目标气动设计问题的Pareto阵面

将确定性优化算法和Pareto阵面概念结合起来处理了多目标优化设计问题；给出了结合算法及数值过程的细节，并将其应用到了气动优化设计中；描述了如何用确定性优化算法快速抓获多目标优化问题的Pareto阵面以及能够抓获哪些类型的Pareto阵面。数值实验结果表明，确定性优化算法可以准确高效地抓获任意凸的和某些凹的Pareto阵面，故对于此类多目标气动优化问题，可用确定性算法代替进化算法。     

基于翼型反设计的遗传算法

遗传算法有时收敛太慢或收敛困难.在翼型反设计问题中,算法的计算效率很重要.给出了翼型的非均匀B样条曲线表示,设计了遗传操作算子,引入一种简单、易实现、高效率的随机逼近算法--Simultaneous Perturbation Stochastic Approximation(SPSA)算法,将SPSA算法作为一种快速局部优化方法和遗传算法的整体搜索策略结合起来,为翼型反设计提出了一种快速高效优化算法.并用该算法分别对NACA2412和NACA0016翼型进行了反设计,取得了令人满意的结果.     

面向机器人原位加工的大型飞船舱体变位姿态优化方法（英文）

在利用机器人实施大型飞船舱体的原位加工时，对舱体旋转变位次数与机器人整体加工性能的关注引入了一双目标优化问题。本文基于机器人刚度特性和非支配排序遗传算法，提出了一种舱体变位方案优化方法。首先，设计了以机器人笛卡尔刚度为基础的特征加工质量评价指标，并建立了原位加工过程模型。其次，为应用非支配排序遗传算法，提出了一种加工过程的双染色体编码方法及相应的交叉变异算子。此外，通过修复算子处理频繁出现的非法编码，保证了算法的寻优效率。仿真及实验研究的结果表明，适当增加舱体变位次数能够有效提升机器人的加工性能，并在工质量和时间成本上实现综合优化。     

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。     

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。     

基于遗传算法的快速成型分层方向优化设计

快速成型制造技术具有高度的柔性和灵活性,应用前景广泛。快速成型分层方向的选择,对于零件的制作精度、成型时间及制作成本有着重要影响。目前常见的分层方向算法往往顾此失彼,为了尽可能同时满足这3个单目标模型的最优化,本文提出将均匀设计、正交设计与遗传算法相结合作为求解多目标优化的新方法,可用较少的计算量求得分层方向的最优解。实验结果表明,改进后的算法有效,在迭代次数和所用时间上远远优于目前常用的基本算法。     

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。     

基于实值编码遗传算法的起重机伸缩臂结构优化

实值编码遗传算法(RCGA)的染色体空间和问题解空间是同一个空间，较好地解决了二进制编码遗传算法(BCGA)存在的求解精度和冗余代码等问题；给出了改进的交叉和变异操作算子；RCGA自然集成工程领域知识．弥补BCGA语义的不足．就实现而言．RCGA可有效继承常规数值算法的代码。因此，RCGA更适合有连续变量的复杂的工程数值优化问题。本文建立了多工况的基于惩罚的RCGA模型用于起重机伸缩臂的优化设计，该模型比常规方法更符合工程实际，优化结果令人满意，证明RCGA在工程设计中有实用意义。     

基于PEV准则的不确定随机多目标规划问题求解

为解决独立变量的不确定随机多目标规划问题在传统求解中存在分析不全面等问题,在期望值-方差准则下提出了一种新的求解方法。基于机会理论,引入不确定随机变量,在此基础上提出了不确定随机多目标规划问题;引入不确定随机变量的序关系,利用变量间的序关系把不确定随机多目标规划问题转化成不确定随机单目标规划问题,并通过期望值-方差准则把不确定随机单目标规划问题转化成确定的单目标规划问题进行求解;通过理论推导证明,在新准则下转化后的问题得到的最优解是原不确定随机多目标规划问题的有效解;最后,通过对无人机情报侦察监视任务分配问题的求解,利用改进的萤火虫算法求得有效飞行序列,验证了所提方法的可行性和有效性。     

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。     

求解约束优化的一种混合遗传算法

对于一类约束优化问题 ,基于罚函数和单纯形方法 ,本文提出了一种混合遗传算法 ,数值算例表明该算法是有效的     

航空发动机PID控制参数优化的改进遗传算法

提出一种基于参考模型特征指标的P ID控制参数寻优算法。采用遗传算法(GA)优化某型涡扇发动机P ID控制参数,以理想二阶系统作为参考模型,将其与实际闭环系统输出差值平方的时间积分作为系统的适应度函数。设计过程中只需选择二阶系统的自然频率和阻尼比就能准确地实现期望的动态和稳态性能。与传统的基于系统性能指标加权的适应度函数相比,新的适应度函数计算方法避免了加权系数与系统响应形式没有明确对应关系的缺陷。新方法所选参数物理意义明确,算法简单,易于实现。     

一种新的求解非线性方程组的混合遗传算法

为了解决实际工程中经常遇到的求解非线性方程组的问题,作者提出了求解非线性方程组的一种新的思维,即首先将非线性方程组的数值求解问题转化为最优化问题,然后利用浮点遗传算法全局群体搜索能力及起始搜索速度快的特点,快速得到接近精确解的较优解,之后将其作为拟牛顿法迭代的初始值,利用其局部寻优能力非常强的特点,快速迭代至精确解。该混合遗传算法充分利用了浮点遗传算法与拟牛顿法的各自优点。