简介：传统的遗传算法在遗传操作的过程中,不管具体问题对种群规模的要求都事先指定,造成种群规模表现的不合理.针对这一问题,Arabas,J.等人提出了一种变种群规模遗传算法GAVaPS(GeneticAlgorithmswithVaryingPopulationSize),旨在遗传操作的过程中自适应地调整种群的规模.黄乐等人提出了一种改进的变种群规模遗传算法VPSG-GM(VaryingPopulationSizeGeneticCombinedwithGradientSearchMethod),它与GAVaPS方法在遗传操作上的不同之处是把评价目标函数的步骤置于重组种群时"淘汰"步骤之前,这样做减少了算法由于重组造成的不必要开销.文章提出的改进的变种群规模的遗传算法,在调整种群规模时通过增加补算算子,从而达到保持种群多样性的目的.这样做可以略去变异操作,减少了系统开销.实验证明了该算法的有效性.

简介：遗传算法在许多优化问题中都有成功的应用，但其本身也存在一些不足。如何改善遗传算法的搜索能力，使其兼顾收敛速度和搜索范围，能更好地解决实际问题，一直是智能计算领域主要的课题之一。本文就3种常见的种群维护策略进行了比较与讨论，并分析了不同策略的优劣之处。

简介：摘要本文简述了遗传算法的基本原理和特点，以及在各个领域的应用情况。

简介：遗传算法是近些年来产生的一种新算法，它模拟了自然界生物进化过程，属于仿生类算法。它不仅可以解决组合优化问题，也可以解决连续的最优问题。本文从遗传算法的产生背景、基本原理、应用实例及发展方向介绍了遗传算法。

简介：物流配送的车辆路径问题(VRP)是近年来物流领域中的研究热点,该问题属于NP难题,较难得到最优解和满意解。在建立了车辆路径问题数学模型的基础上,该问题被分解为两个阶段进行研究,分别为利用基于基地启发式分区算法进行区域划分和利用改进的遗传算法来确定具体的一条配送线路的先后次序。通过此改进的混合遗传算法最终得到优化配送路径。仿真计算结果表明,在大规模车辆路径问题中改进后的算法相比于传统的遗传算法最优解的质量得到一定提高。

简介：一、遗传算法的发展遗传算法(GeneticAlgorithms简称GA)是由美国Michigan大学的JohnHolland教授于20世纪60年代末创建的。它来源于达尔文的进化论和孟德尔、摩根的遗传学理论,通过模拟生物进化的机制来构造人工系统。从1985年在美国卡耐基.梅隆大学召开的第一届国际遗传算法会议到1997年5月IEEE的Transactions0nEvo-lutionaryComputation创刊,遗传算法作为具有系统优化、适应和学习的高性能计算和建模方法的研究渐趋成熟。[1]遗传算法是一种自适应全局优化概率搜索算法,主要有以下特点:(1)自组织、自适应和学习性(智能性)。遗传算法消除了算法设计中的一个最大障碍,即需要事先描述问题的全部特点,并要说明针对问题的不同特点算法应采取的措施,因此,它可用来解决复杂的非结构化问题。(2)直接处理的对象是参数的编码集而不是问题参数本身。(3)搜索过程中使用的是基于目标函数值的评价信息,搜索过程既不受优化函数连续性的约束,也没有优化函数必须可导的要求。(4)具有显著的隐并行性。遗传算法按并行方式搜索一个种群数目的点,而不是单点。它的并行性表现在两个方...

简介：遗传算法来源于进化论和群体遗传学,是计算智能的重要组成部分,正受到众多学科的高度重视。本文系统分析了遗传算法的应用研究,并进行了分析和评论

简介：

简介：针对PID控制器参数优化问题,提出了基于多种群遗传算法的参数整定方法。为了实现快速高效的参数优化,我们将多种群遗传算法与下山单纯形局部优化算法相结合,提高了算法搜索到全局最优解的概率,并加快了算法收敛速度。实验结果表明,该方法可以实现最优PID参数控制,得到比经典遗传算法更为理想的控制效果。此外,该方法具有普遍的适用性,可用于其它参数优化问题。

简介：在排课的过程中我们应该尽量将课程安排在教学效果较好的节次中,排课过程中必须满足各种约束条件,=1教室rn在时间td由教师sk上课程lp

简介：摘要:一直以来，由于遗传算法的优异性，被广泛应用在各个领域；本文通过遗传的各个步骤和方法的介绍，便于学者理解，并指出算法的评价指标，为广大学者提供验算标准。

简介：Web语义搜索结果排序一直是搜索引擎的主要研究课题之一。但是目前通用的算法例如OntoKhoj排序算法和AKTiveRank排序算法的排序结果并不理想,主要原因是排序思路比较片面,公式中的系数很难确定。针对这一问题,我们结合了OntoKhoj算法和AKTiveRank的优势,提出了O＆A算法,并使用遗传算法对O＆A中的系数进行了优化。实验表明,O＆A算法的排序结果要明显优于OntoKhoj排序算法和AKTiveRank排序算法。

简介：TSP是一个典型的组合优化问题,并且是一个NP难题,其可能的路径总数与城市数目n是成指数型增长的,所以一般很难精确地求出其最优解,因而寻找出有效的近似求解算法就具有重要的意义.现提出一种求解TSP问题比较有效的遗传算法,从其数学模型、遗传算子、评估函数、种群多样性等方面对算法进行了分析,结果表明提出的算法在求解TSP问题上是有效的.

简介：

简介：由于语义网分散的本质,同一个概念在不同的本体中可能有不同的定义方式,这就引起了所谓的本体异质的问题.本体异质问题严重地影响领域知识之间的共享,已经成为语义网应用系统间的交互与协作的瓶颈.目前用于发现本体中实体间的语义对应关系的本体映射技术成为语义网发展的关键技术.鉴于本体映射过程复杂的本质,文章为本体映射过程建立了单目标优化模型,并提出采用遗传算法来确定不同本体中实体间的对应关系.实验结果表明,所提出的方法是有效的.

简介：设计了一种基于遗传算法的关联规则算法,该算法将遗传算法和关联规则相结合.对遗传算法的编码方法、适应度函数的构造、交叉算子和变异算子进行了分析,给出了所设计方法的具体步骤,并进行了试验.试验表明,改进后的算法的执行效率高于Apriori算法.

简介：油藏描述是根据数模参数来描述油藏、以便对其进行动态预测的一种方法。我们介绍了一种采用专用设计的遗传算法来搜索最有可能与油藏的测量结果拟合的油藏描述方法。该遗传算法使用六个染色体来代表不同类型的油藏参数。其中三个染色体具有多维实数结构，而另外三个染色体则为一维二进制数组。创造了专门设计的交换和变异算子与非标准的基因组结构一同使用。该方法在真实、复杂的人造油藏模型上进行了试验，并与模拟退火（SA）算法进行了比较。我们证明，遗传算法能获得比模拟退火算法更好的结果，可与人工计算所能得到的结果相媲美。此外我们还证明，对于算法建立的详细过程而言，遗传算法的性能是稳健的。因为该算法易于进行并行处理，对于被丢失和被破坏的解具有稳健性，且能返回一组良好的解，因此它是自动油藏描述算法中的一种理想方法。

简介：本文基于改进的基本遗传算法实验，对选择方法进行了比较分析的研究，测试了四种不同选择方法：轮盘赌选择法、锦标赛选择法、随机遍历选择法以及一种新的基于种群交流的选择方法，分析比较这四种不同选择方法封种群发展及最佳适应值的影响。结果表明各种选择方法各有特点。最後为了防止陷入局部收敛，而对轮盘赌选择方法进行了改进，并比较了改进前後的结果，发现改进后的结果要好一些。

简介：介绍遗传算法的基本特点和工作原理。结合线性规划模型阐述了其在复垦土地结构优化中的应用,通过具体实例给出了其实现过程。

简介：BBL布局问题是VLSI物理设计中的一个重要问题，其质量的好坏直接影响物理设计的其它阶段。本文基于角模块序列（CBL）的布图结构表示方法．采用遗传算法进行求解，实验结果表明，遗传算法在求解该问题上是有效的。