量子遗传算法的改进及其应用

为了解决量子遗传算法(QGA)用于连续多峰函数优化易陷入局部极值的问题，提出了一种改进的量子遗传算法(IQGA)．这种改进的量子遗传算法采用了已搜索到的最佳个体更新量子门和群体灾变策略．典型函数的测试结果表明，IQGA比QGA的收敛速度更快，且能有效地克服QGA易“早熟收敛”的不足．应用结果表明，IQGA的性能优于QGA和其它遗传算法．     

遗传算法寻优能力研究

介绍了遗传算法的基本思想和特点，计算并分析了各参数对简单遗传算法优化性能的影响规律，对遗传算法几种典型的改进措施进行了研究，得出了一些实用的结论。     

改进的自适应遗传算法及其在作业车间调度中的应用

针对自适应遗传算法在复杂问题应用中前期收敛速度缓慢和容易陷入局部最优的不足，引入了一种新的调节交叉概率和变异概率的方法，并提出了一种新的交叉方式，该算法很好地增强了自适应遗传算法的全局搜索能力，提高了收敛速度．通过比较几个优化实例，验证了本文算法的有效性．     

改进的自适应遗传算法及其在作业车间调度中的应用

针对自适应遗传算法在复杂问题应用中前期收敛速度缓慢和容易陷入局部最优的不足,引入了一种新的调节交叉概率和变异概率的方法,并提出了一种新的交叉方式,该算法很好地增强了自适应遗传算法的全局搜索能力,提高了收敛速度.通过比较几个优化实例,验证了本文算法的有效性.     

沥青路面结构遗传算法优化研究

在分析现有路面优化研究的基础上，综合考虑路面初建，养护维修与用户费用路面残值，并以此为目标函数，建立了沥青路面结构优化数学模型，应用改进的遗传算法进行了求编制了相应程序，结合实际工程进行了计算分析，结果表明，该法收敛快，精度高，是目前沥青路面结构优化行之有效的方法。     

路面结构优化遗传算法研究

遗传算法是建立在自然遗传学机理基础上的参数搜索方法。利用遗传算法对路面结构进行优化,可成功求解沥青路面结构非线性优化设计模型,具有节省时间、优化结果准确的特点。其研究成果对改善路面设计方法,降低工程造价．避免和减少工程病害有积极的作用。     

路面结构优化遗传算法研究

遗传算法是建立在自然遗传学机理基础上的参数搜索方法.利用遗传算法对路面结构进行优化,可成功求解沥青路面结构非线性优化设计模型,具有节省时间、优化结果准确的特点.其研究成果对改善路面设计方法,降低工程造价,避免和减少工程病害有积极的作用.     

遗传算法用于TSP问题的研究

本文将遗传算法用于ＴＳＰ问题的求解，并结合爬山搜索法的思想提出了一个新的遗传算子，实验表明效果明显。     

遗传算法的改进及其MATLAB语言实现

提出遗传算法(GA)的一种改进算法--最优结果记录.使用MATLAB语言编制了GA及其改进算法的实现程序,用无人驾驶汽车智能控制器设计检验了改进算法的有效性.改进算法可以大幅度提高GA用于求解复杂动力问题的鲁棒性.     

基于改进遗传算法的旅游线路选择问题

针对旅游线路选择问题,在编码、交叉、变异等遗传操作上,对遗传算法作了改进,并用MATLAB编程实现.结果表明,改进的遗传算法能够较好地求解旅游线路选择问题.     

改进的遗传算法在车辆路径问题中的应用

通过对车辆路径问题的深入分析,针对遗传算法中“种群多样性”和“选择压力”两个最重要因素,对“交叉算子”和“变异算子”进行了改进,并和一般的遗传算法进行了比较,通过计算结果证明：在算法性能方面,改进的算法收敛速度较快,所求得的最优解质量较高,且计算结果稳定;在车辆配送路径方面,改进算法得到四条最优配送路线,并且四条线路没有交叉,完全形成回路,又同时满足车辆满载率的限制,而一般的遗传算法得到五条配送路线,最低装载量仅为3．1t,并不能达到车辆相应的满载率,因此,改进的遗传算法明显优于传统的遗传算法．     

遗传算法在动车组运用计划编制中的应用

本文建立了动车组运用计划编制中相应的数学模型;在求解模型部分把动车组的运用计划分为交路段的生成和交路的生成两部分来求解,在生成交路段的过程中采用遗传算法使生成的交路段数最少,在交路的生成过程中采用交路段互换的方法使得各个基地的动车组使用均衡。     

基于MSC．Marc接口的遗传算法结构优化设计

提出了一种结构优化设计系统，该系统采用C语言和FORTRAN语言混合编写而成．在应用遗传算法的基础上，构建了与Mare模块的应用程序接口，直接调用Marc进行有限元分析，实现对目标体的结构优化设计．此系统被应用于车体优化设计中，取得了成功，充分说明该方法是正确、有效的．     

多智能体遗传算法优化神经网络权值研究

采用多智能体遗传算法来优化神经网络权值,经过神经网络自身的训练来进一步提高精度,结果表明,本算法能以较快的收敛速度获得较高的训练精度。     

遗传—神经网络在交通流预测中的应用

提出一种基于BP神经网络的遗传算法,分别利用其局部和全局寻优能力强的特点,综合为一种新的优化算法,并将改进的算法应用于交通流预测中。结果表明,改进方法的预测效果优于单一使用BP神经网络进行预测的效果。     

基于遗传算法的车间设备布局设计

车间设备布局问题具有非线性、NP难等特性,无法运用传统方法求得最优解.运用遗传算法突出的寻优能力,在单行布局的基础上,采用自动换行技术对车间设备进行多行设备布局,优化车间设备布局效果,运用PMX交叉操作和邻域搜索技术的变异操作提高遗传算法的全局和局部搜索能力.通过实例验证了此方法的可行性和有效性.     

基于遗传算法的车间设备布局设计

车间设备布局问题具有非线性、NP难等特性,无法运用传统方法求得最优解.运用遗传算法突出的寻优能力,在单行布局的基础上,采用自动换行技术对车间设备进行多行设备布局,优化车间设备布局效果,运用PMX交叉操作和邻域搜索技术的变异操作提高遗传算法的全局和局部搜索能力.通过实例验证了此方法的可行性和有效性.     

改进遗传算法在磁悬浮轴承控制中的应用

改进后的遗传算法通过二次演化能够有效地避免算法中容易陷入局部最优值的缺陷.这里采用改进后的遗传算法来对磁悬浮轴承控制器中的PID参数进行了整定,仿真结果表明该算法具有良好的整定效果.     

遗传算法在离散变量结构优化设计中的应用

以三杆桁架结构优化设计演示了遗传算法在离散变量优化设计中的应用．优化结果与传统结构优化设计结果相比较，表明遗传算法的有效性．运用遗传算法求解十杆超静定桁架结构优化问题．针对三杆、十杆桁架结构分析了群体规模大小对算法收敛的影响，说明群体规模的选取是与染色体长度密切相关的．