遗传算法的改进策略及其应用

针对基本遗传算法在优化应用中遇到的诸如局部搜索能力差，计算量大，对较大搜索空间适应能力差和早熟收敛等棘手问题，本文将传统的单纯形搜索算法与遗传算法结合，提出了一种混合遗传算法，并在进行操作中将交叉，变异概率与个体的适应度结合提出一种个体自适应概率，使算法在产生新个体的同时，最大限度地保护优秀个体不受破霈，从而提高了整个算法的运算效率，在上述基础上又引入了加循环操作以加强对优秀个体的利用率，进一步提高算法的效率，通过典型测试函数的数值算例验证，表明本文方法不但可以有效的克服遗传算法的上述缺陷，而且计算速度，稳定性，精度都有明显提高。     

改进混合遗传算法在车辆路线问题中的应用研究

物流配送车辆路线问题，是物流配送优化中不可缺少的环节。针对传统的遗传算法存在收敛速度慢，局部搜索能力差，易早熟的缺点，采用混合遗传算法进行优化求解。即采用二重结构编码，可以使问题变得更简洁，提高遗传法的搜索效率。用个体数量控制选择策略，以保证群体的多样性，用改进的顺序交叉算子避免优良基因片断在顺序交叉时被破坏，保证算法能够收敛到全局最优。结合具体实例，通过实验计算证明了该改进算法的良好性能。     

基于量子行为遗传算法的船体局部结构优化设计

采用遗传算法解决船舶复杂结构中混合设计变量优化问题时,其效果很有效,且能获得全局最优可行解。然而,简单遗传算法局部搜索能力差且易于早熟。为了提高对船舶复杂结构设计变量解空间的搜索能力,该文设计了一种基于二进制编码的适用于混合变量的量子行为遗传算法,比较适合于复杂函数的全局寻优,且搜索能力优于标准遗传算法。通过三个算例对算法的寻优能力进行测试,实验结果表明,采用量子行为遗传算法进行的船体局部结构优化设计具有较好的计算质量与计算效率。     

基于云计算技术的舰船通信网络路由算法研究

利用单一路由算法进行舰船通信网络信息传递时,存在信息传递效率低的情况。针对上述问题,提出一种基于云计算技术的舰船通信网络路由算法。该算法是一种由蚁群算法和遗传算法结合在一起的混合算法。首先利用蚁群算法搜索出所有能够实现信息传递的路径,然后利用遗传算法减少计算量,在所有路径中快速选出最佳路径,以实现信息的快速传递。结果表明:利用混合算法找出来的最佳路径进行信息传递比利用其余2种单一算法(蚁群算法和遗传算法)找出来的最佳路径进行信息传递,时间耗费分别减少了2 s和4 s,由此可知信息传递效率有了很大提高,说明了该混合算法的有效性。     

混合粒子群算法及其优化效率评价

为克服粒子群算法后期搜索效率降低的缺陷,利用直接搜索法的局部搜索能力,提出一种求解优化问题的混合算法(SPSO-DS)。用一个具有代表性的测试函数进行了仿真实验,结果表明该方法效果显著,明显提高了优化计算效率。本文将“平均截止代数”和“截止代数分布熵”作为评价指标,对SPSO-DS的优化效率进行定量的评估,通过与其他粒子群算法进行比较,进一步说明了SPSO-DS的优化效率。     

多峰函数优化问题的改进演化算法

针对演化算法求解有界区域上的多峰函数全局优化问题,保持种群多样性和搜索效率的矛盾,提出了一种结合了多样性维持机制和加速算子的改进演化算法。实验结果表明,在低维问题中算法容易收敛于全局最优解,优于普通遗传算法。     

改进遗传算法在潜艇天文导航中的应用

潜艇自动天文导航对星图处理有着较高的实时性要求,在比较、分析、综合现有的一些改进方法的基础上,对基本遗传算法提出了一系列的改进措施,形成了一种高效综合的遗传算法．改进算法采用了最优保存策略和比例选择相结合的选择思路,设计了与进化代数相关的交叉概率和与个体适应度相关的变异概率,以及与早熟情况、进化代数和个体适应度有关的移民算法等．将该算法与大津法相结合应用于星图分割中,结果表明,改进的遗传算法不仅可以使图像分割获得满意的效果,而且还有效地提高了计算速度．     

一种基于克隆选择的量子遗传函数优化算法

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,将免疫学中的克隆选择算法的概念和原理引入到量子遗传算法中,提出了一种新型的进化算法——基于克隆选择的量子遗传函数优化算法.该算法通过克隆选择、高斯变异以及量子旋转门等操作对可行解进行搜索,提高了算法在解决函数优化问题的全局寻优能力。典型函数的测试结果表明该算法优于传统的QGA和一些遗传算法。     

EDA-VNS混合算法在求解同序Flow-shop问题中的应用

EDA（Estimation Distribution Algorithms,分布估计算法）是进化计算领域新兴起的一类随机优化算法,和遗传算法从微观上模拟生物进化的机理不同,EDA是从宏观上对生物群体整体分布的建模和模拟。由于EDA对微观概念上的搜索不太理想,文章将一种VNS（Variable Neighborhood Search,变邻域搜索）算法与EDA结合来完成对问题解的搜索。经过试验验证,EDA-VNS混合算法在求解同序Flow-shop问题比遗传算法有较好的性能。     

基于量子遗传算法的TDOA定位技术研究

为了解决TDOA定位估计中遇到的非线性最优化问题,提出了一种联合使用Chan算法和量子遗传算法的混合定位算法,采用二进制量子编码和量子旋转门更新个体,针对TDOA方式进行最佳坐标搜索。仿真结果表明,该算法性能稳定,能找到全局最优的解,相对于Chan算法精度更高,相对于遗传算法有更快的收敛速度。