基于改进型遗传算法的PCB钻孔机运动路径优化

主要是为了提高PCB钻孔机的效率,新设计的一种改进型遗传算法对钻孔机钻头的空行路径进行了优化。通过利用Protel 99SE制作一个PCB板,根据其布线图,证明该算法是正确、可行的,能够很大程度上提高钻孔机的工作效率。     

改进遗传算法在TSP中的研究应用

遗传算法(GA)是一种基于自然群体遗传机制的有效搜索算法,由于在搜索空间中存在早熟及计算偏大的不足,本文提出优化遗传算子来改进遗传算法的搜索性能,提高遗传算法在研究典型的组合优化实例-TSP问题的求解效率,最后计算机模拟结果表明,改进遗传优化算法不仅在收敛速度方面提高,而且更接近于最优解的满意解。     

基于遗传算法的约束性多TSP问题及其应用

针对一类具有约束条件的汽车调度问题 ,提出了约束性的多重 TSP(CMTSP)问题及其模型 ,给出了一种遗传算法解法。对比实验结果表明 :遗传算法具有比启发式算法更好的结果。     

改进遗传算法求解TSP问题的Matlab程序设计

用改进遗传算法求解TSP问题,并编制了完整的Matlab程序予以仿真实现．程序中选择算子采用最佳个体保存与赌轮选择相结合的策略,最后分析了最佳个体保存比例对寻优效果的影响．     

基于自适应选择算子遗传算法的TSP问题优化

轮盘选择方式往往能保证算法的全局收敛性,但收敛速度较慢,而锦标赛选择方式收敛速度优于轮盘选择方式,但不能保证算法的全局收敛性．选用轮盘选择和锦标赛选择相结合自适应选择算子的遗传算法。并优化TSP问题求解,则可以调整收敛速度,避免被动式搜索．     

改进的遗传算法求解TSP

阐述了一种针对TSP问题的改进遗传算法。引入了局部优化搜索算法。加快了算法的收敛速度。减轻了初值对结果的影响。加入了改进的OX交叉算法,在交叉中合理保留了优秀个体基因的排列顺序。利用精英复制保留了优秀基因。维持了种群个体数目稳定。提出了一种新的变异算法,有效避免了路径重复,减小了运算量,提高了运算速度。     

基于遗传算法的动态TSP问题的研究

分析动态TSP问题的特点,将n-OPT算法和遗传算法结合起来,设计并实现了一种解决动态TSP问题的算法.通过实验,用该算法对TSPLib中经典的TSP问题及其派生的动态TSP问题进行了求解,证明了该算法无论在静态环境还是动态环境中都可行、高效.     

小群体并行育种的遗传算法

本文对传统遗传算法进行改进基实施过程和操作方法，提出一种小群体并行育种的遗传算法，并在ＶＣ＋＋４．２环境下编程实现，经对ＴＳＰ问题ＣＨＮ１４４实例的模拟实验，结果表明：该算法可望在相对短的时间内获得更好的近似最优解。     

基于巡回旅行商问题的遗传算法程序设计

提出了一种巡回旅行商问题的具体解决方案。它以大自然界生物进化发展的过程为依据，从遗传算法理论的角度，探讨了一种有效可行的巡回旅行商问题的解决策略。对于采用遗传算法理论进行演化程序开发设计的读，具有一定的参考价值。     

用Hopfield神经网络与遗传算法求解TSP问题的实验比较与分析

首先介绍了实验中利用Hopfield神经网络和遗传算法求解TSP问题的程序设计方法,分析了CreateChromosome算法的时间复杂性,并测试了群体规模对解最优性的影响,从计算方法的软件实现角度出发,比较了两种计算技术的相似点与不同之处,本次实验的结论是：遗传算法比Hopfield神经网络求解TSP问题的效率高,且随着问题规模的扩大,优势更为突出。     

遗传算法参数和操作的序优化

遗传算法的优化质量和效率很大程度上依赖于算法参数和操作,包括种群大小、交叉和变异概率、选择、交叉和变异操作等,然而确定合适的参数和操作通常需要大量的试验和比较,需确定最佳参数和操作.为此,基于序优化和最优计算量分配技术,通过将问题描述为随机优化问题,提出了一种确定有限计算量下最佳GA参数和操作的系统性方法.仿真研究表明,该方法能够合理地确定最佳参数和操作,并同时给出GA的合理性能评价.     

用简单遗传算法求解TSP问题的参数组合研究

首先介绍用遗传算法求解CTSP问题的实验方法，描述了实验中群体规模、联赛规模参数对TSP问题计算时间复杂性及求解质量的影响。根据实验数据总结出两条规律：（1）对N＝34的TSP问题，群体规模在3000与4000之间，易获得最优解；（2）联赛规模在本规模的2‰附近时，易获得最优解。通过对不同规模（15－34）TSP问题的试验，发现两条规律对TSP问题求解具有普遍有效性。从理论上分析了群体规模和联赛规模对TSP问题求解质量和时间复杂性的影响，通过时间复杂性分析，表明实验规律对快速求解组合优化问题具有一定的指导性。     

基于改进遗传算法的水库群优化调度研究

提出一种基于自适应遗传算法的水库群优化调度问题的求解方法,并对其性能进行了分析。结果表明,该方法可以随个体适应度的大小及群体的分散程度自动调整遗传控制参数,较好地克服了标准遗传算法由于采用固定遗传控制参数带来的若干问题,能够在保持群体多样性的同时,加快收敛速度,提高遗传算法的全局寻优能力,为高精度水库群优化调度提供了一个新的途径。     

一种基于实数编码的改进遗传算法

在介绍基于实数编码遗传算法的优点和分析原有遗传操作机制存在缺陷的基础上,重点研究了实数编码的改进线性交叉算子,提出了一种改进遗传算法(MGA)·该改进线性交叉算子的优点是在交叉之后,一个子代位于两父代之间,另一子代位于靠近较好的父代的一侧,使解向好的方向发展,并且都是可行解·通过对几个典型的实例计算并与其他基于实数编码的遗传算法进行比较,结果表明,本算法在求解优化问题的收敛速度和精确性方面具有优势·     

基于改进遗传算法的露天采矿优化

首先针对露天采矿优化问题的实际情况,建立了优化数学模型,并将原问题的约束条件转化为目标函数的组成部分,使之便于利用遗传算法求解.针对遗传算法的局限性,实施了最优保留策略,并改进了选择、交叉和变异操作,使该算法能够有效地提高收敛速度,避免早熟收敛.最后,通过实际算例说明,该优化方法有效、实用.     

基于改进遗传算法的行星齿轮优化设计

针对行星齿轮的设计参数是由一些混合离散变量组成的特点,通过距离测度改进遗传算子,引入菱形思维,得到了具有实值编码技术的改进型自适应遗传算法．将齿数、模数、齿宽及行星轮个数作为设计变量,以机构的体积最小为目标函数,建立了有别于现有行星轮系的优化设计数学模型．并利用改进遗传算法对模型进行了优化,较常规设计体积减少了31．64％,较SGA减少了17．8％,具有一定的实际意义．     

基于改进遗传算法的家电回收车辆路径规划方法

为了提高家电回收效率以及降低回收成本,提出了一种基于改进遗传算法（GA）的家电回收车辆路径优化方法。将家电回收车辆路径规划问题建模为一个变体的旅行商问题（TSP）以最小化运输成本,但该问题难以在多项式时间内进行求解。提出了一种基于高斯矩阵变异（GMM）算子的改进遗传算法,利用原始站点数据信息中隐含的站点位序分布特性建立高斯概率矩阵,并采用轮盘赌选择法将高斯概率矩阵作用于个体基因突变,在保证种群基因多样性的同时,引导种群向高适应度方向进化。最后,采用上海地区的家电回收点实际数据开展实验仿真以验证所提出算法的有效性,并与其他算法进行对比。结果表明,与传统遗传算法相比,在将求解精度差保持在1%以内的情况下,所提出改进遗传算法的平均收敛速度可以提升50%～60%,算法耗时降低48%。     

用MATLAB求解TSP问题的一种改进遗传算法

TSP问题是遗传算法得以成功应用的典型问题.提出一种改进的义叉和变异算子来解决TSP问题,并给出其算子的MATLAB程序.通过实验,发现改进的算法比传统算法收敛速度更快,适应值更优,说明改进算法是有效的.     

基于改进遗传算法的多维函数的优化计算

针对标准ＧＡｓ在多维优化中存在的弊端,提出了一种改进ＧＡｓ,在染色体基因解码方式,交换与变异算子、适应函数设计等方面做了改进。通过对极难优化函数的优化计算,说明该算法有良好的全局搜索能力和较快的收敛速度。