用自适应的遗传算法求解大学课表安排问题

课程表问题又称时间表问题 (timetable problem) ,是一个多因素的优化决策问题 ,也是组合规划中的典型问题 .本文研究的是大学课表安排问题 ,根据大学课表安排的特点并以优化时间和空间两种资源为目标 ,将课程分为 P、Q两类 .采用鲁棒性比较好的遗传算法 ,并对两类课分别给出其染色体编码和适应度函数 ,并采用了自适应的杂交和变异概率 ,最后通过实验验证该方法可产生适合需求的课表     

多维O-1背包问题的混合遗传算法

将贪婪法和遗传算法相结合，设计了一种价值密度，提出了一种求解多维0-1背包问题的混合遗传算法。经实例证明，该方法能较好地解决多维0-1背包问题并较简单遗传算法有较好的改善。     

一种改进的遗传算法求解TSP问题

提出一种基于顶点的候选表进行交配的遗传算法(Candidate Crossover Genetic Algorithm,CCGA)求解旅行商问题(TSP).遗传算法(GAs)是一种广泛使用的全局优化算法,并且已经成功地用于求解TSP.但是传统的遗传算法的交配算子缺乏指导性和启发性,交配算子随机的选择父体基因进行交配,导致GAs求解速度慢、解的精度不高等不足.通过分析TSP问题本身的特征,给出了一个使用已有的邻接边的信息和路径信息生成顶点的候选表,然后基于顶点的候选表进行交配的交配算子,使用该交配算子的遗传算法在求解TSP问题时性能上得到了很大的提高,通过TSP Lib上的测试样例将该CCGA和传统的遗传算法进行比较.比较结果表明CCGA具有更大的优势,它能使算法求解到近似最优解和最优解只存在很小的偏差.     

改进遗传算法求解惠更斯问题的研究

将惠更斯函数作为目标函数,采用改进的实数编码遗传算法进行求解。通过系统地调整群体规模、变异率和杂交率三种进化控制参数值,设计并进行了分组实验,得到了一组满意的进化控制参数。运用这组参数进行计算得到的优化结果十分接近惠更斯问题的理论值,使惠更斯问题得到比传统算法更好的解决方法。     

用改进的遗传算法求解中国旅行商问题

遗传算法是基于生物进化原理的普适性全局优化算法，针对一类ＮＰ完全的组合优化问题－旅行商问题，提出用交换算子操作和模拟退火思想对遗传算法进行改进，显著提高了算法的优化效率，到目前为止，中国旅行商问题的最优解是１５４２６ｋｍ，使用改进的遗传算法，仅利用城市间的距离信息求解中国诱行商问题，得到了１５４０９ｋｍ的更优结果。     

基于遗传算法的压缩机故障诊断

研究遗传算法在全封闭压缩机故障诊断中的实现,利用遗传算法的寻优特性,搜索出特征参数的最佳组合,利用行征参数的不同最佳组合分压缩机故障,将人工进化训练后生成的特征参数组合用于压缩机故障诊断试验,结果表明,有效提高了诊断精度,该方法对于压缩机故障诊断行之有效,且对机械系统故障诊断具有普遍意义。     

遗传算法在系统辨识中的应用

基于遗传算法,采用改进的遗传算子,提出了一种辨识系统参数的方法．该方法能有效地克服有色噪声的干扰,获得系统参数的无偏估计．仿真结果说明了该方法的有效性．     

遗传算法及其仿真

介绍了遗传算法的基本概念,并提出了一种基于MATLAB遗传算法与直接搜索工具箱的遗传算法仿真方法.仿真实验证明,该方法是简单、实用、高效的.     

基于遗传算法的对流扩散方程逆时反问题的数值求解

利用Tikhonov正则化方法解第一类Fredholm积分方程获得该逆时反问题的解,并结合遗传算法的优点给出了一种反演的例子。实例模拟结果表明,该方法具有精度高,收敛速度快且易于计算机实现等特点。     

遗传算法中截止代数的判定

遗传算法的截止条件一般为找到一个可接受的解或达到预先规定的截止代数．但并没有说明继续运行是否可以找到更优解．本文通过引入方差和信息熵的概念，描述了遗传算法种群空间的分布情况，通过对种群空间分布的描述来判定遗传算法的截止代数．     

一种新型的遗传算法在图象阈值处理中的应用

提出了将自寻优标准遗传算法用于阈值处理的思路与方法,论证了实施该方法的可行性,并针对此算法的不足之处提出了一种新的改进型遗传算法。仿真结果表明,新算法的计算速度不仅明显优于前者,而且为自动选择阈值参数提供了简单有效的方法。     

遗传算法及其应用

遗传算法是模拟生物进化机制新发展起来的一种搜索和优化方法，它是基于自然进化机制并且在寻找目标函数或在目标函数附近解决优化问题，遗传算法已在许多领域得到应用。并显示出良好的发展前景．本文介绍了一些优化方向的基本问题，包括理论、方法、实现技术以及应用中的普遍性问题，对其应用前景进行了展望．     

“基因算法”在人工神经元网络中的应用

在使用著名的ＢＰ算法来训练一个多层毅向神经网络时，首先要确定这个神经元网络的主结构以及网络的各种初始化参数，但拓扑结构和各种参数的确定到目前为止还无确定的规则可寻。本研究将基因算法引入人工神经元网络。通过它来自动确定神经元网络的拓扑结构以及具体参数，并给出了基因算法在神经元网络应用中的具体实现。     

基于遗传算法的防空部署优化方法

针对防空部署的特点,建立了防空部署优化的数学模型,提出了一种初始种群产生方法,设计了求解防空部署优化模型的遗传算法,并用一个实例进行验证,取得了良好的优选效果。     

改进遗传交叉算子求解TSP问题

遗传算法中的交叉算子最根本的作用就是要使子代继承父代的优秀基因。本文着重考虑了用遗传算法求解TSP问题中遇到的交叉算子，根据TSP问题的特点，构造出一种能很好继承父代优秀基因的交叉算子；实例计算表明该算法收敛速度快，从而可以进一步改善遗传算法的性能。     

混合遗传算法在随机规划问题中的应用

以含有机会约束的生产管理动态规划问题为例,基于随机模拟技术的混合遗传算法实现最优化决策,构造了数学模型。采用ＶＢ编辑,计算机模拟结果显示该模型能很好解决生产过程中的最优化决策问题,它是简单的基于二进制编码的遗传算法所不能解决的。该算法具有很高的鲁棒性,避免了在局部最优解附近徘徊,且因为随机规划问题要求许多数学知识,而算法本身并不要求对优化问题的性质作一些深入的数学分析,从而对那些不太熟悉数学理论和     

基于遗传搜索算法的码激励线性预测编码

如何快速有效地搜索出激励码书中的最佳激励矢量是码激励线性预测编码(CELP)得以实际应用的关键问题之一．作者结合遗传算法的优点，将遗传算法应用于CELP的码字搜索，利用遗传算法的优越性，较快地搜到码书中的最佳激励码字．阐明了将遗传算法应用于码字搜索的具体思路，并给出了软件仿真结果.     

并行遗传算法研究

以伴随着遗传算法应用的深入开展,并行遗传算法（parallel genetic algorithms,PGA）及其实现的研究也变得十分的重要、一般来说,遗传算法中的适应度的计算最费时间,再加上需要不断产生新一代．而每一代又有若干个体,所以如何提高遗传算法的运行速度显得尤为突出．由于遗传算法的内在并行机制,其并行处理是很自然的解决途径．     

旅行商问题(TSP)的改进遗传算法

对于中大规模ＴＳＰ问题的求解,提出了２种新的改进遗传算法:两交换启发交叉算法和三交换启发交叉变参算法·经过仿真实验和实例应用证明了算法的有效性·三交换启发交叉变参算法的性能优于两交换启发交叉算法·     

改进进化方向的遗传算法与结构遗传设计

基于Ｙａｍａｍｏｔｏ提出的一种新的进化策略,得到一种改进进化方向的遗传算法。该法用于桁架结构遗传设计,不仅能够提高收敛速度,而且提高桁架遗传设计精度,与梯度下降进化方向遗传算法相比,计算时间大大减少。