改进自适应遗传算法研究及其应用

针对标准遗传算法收敛慢，提出了一种改进自适应遗传算法，即通过全局变异算子和局部变异算子共同作用，改善种群的分布特性，加强算法的全局收敛能力。应用概率模型的遗传算法对4个名的测试函数进行优化计算，实验结果表明：该算法不易陷入局部极值，收敛速度快，且实现简单。     

基于遗传算法的BP神经网络在煤矿安全评价中的应用研究

针对传统BP神经网络算法存在收敛速度慢、易于陷入局部极小的缺点,本文提出了基于遗传算法的BP网络,以提高网络的收敛速度,并将其与遗传算法结合起来,充分利用遗传算法的全局搜索性能进行"粗"搜索,当搜索到全局最优点的附近时,再采用BP算法进行局部搜索。     

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.     

基于遗传算法的BP神经网络在桥梁安全评估中的应用

为对桥梁的安全性进行科学准确的评估,基于遗传算法与BP神经网络提出了一种新的桥梁安全评估方法。该算法采用遗传算法和误差反向传播算法(BP)相结合的混合算法来训练前馈神经网络,即先用遗传算法进行全局训练,再用BP算法进行局部精确训练,既克服了传统BP网络训练时间长,易陷入局部极值的缺点,又提高了全局收敛的效率。采用该算法对一座悬索桥——宜昌长江大桥的安全性进行评估,并与专家评估结果进行对比分析。结果证明,该算法收敛速度快,预测精度高,为桥梁的安全评估提供了一种新思路。     

公路路政管理站点规划和巡视路线优化研究

采用遗传算法建立了公路路政管理站点规划选址优化模型,研究了路网中规划选址优化的多变量算法不易收敛问题,应用受限P 中心问题以减少管理站的备择点数目,从而减少遗传算法中染色体的基因长度,并按不同策略进行初始群体和种群的选择,加快收敛速度,从而提高算法的运算效率。针对高速公路巡视路线优化中最大巡路长度问题,采用贪婪算法和邻域搜索算法的结合求解最佳巡视路线,给出了问题的多目标函数优化模型和算法。     

避免近亲繁殖的遗传算法

针对基于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等问题，文中提出了一种改进的遗传算法。在计算过程中，引入个体差异判别运算，有效地维持了群体的多样性，使遗传算法顺利地收敛到全局最优值，通过典型测试函数值算例验证表明，不但可以有效地克服基本遗传算法的上述缺陷，而且计算速度和效率都有显著提高。     

基于改进型蚁群算法的车辆导航路径规划研究

在分析车辆路径规划问题(VLD)特点的基础上,提出了VLD的数学模型以及适用于求解VLD的蚁群算法。详细分析了蚁群算法的参数对算法收敛速度和计算结果精确度的影响,提出了一种能够提高算法的收敛速度和全局搜索能力的参数自适应调整的策略,并对原有基本蚁群算法进行了改进。随后进行了仿真试验,根据所得仿真结果将改进蚁群算法与基本蚁群算法从全局收敛能力、计算稳定性以及计算速度等方面进行了全面比较,结论表明改进蚁群算法各方面均优于基本蚁群算法,证明了改进算法的可行性及有效性。     

基于改进遗传算法的公路边坡稳定性分析方法

采用瑞典圆法计算滑面为圆弧时边坡的安全系数,并在遗传算法中增加Powell算法作为局部搜索过程,从而在保证遗传算法良好的全局搜索能力的同时,也提高了遗传算法的搜索速度。采用改进后的遗传算法搜索边坡的最小安全系数及与之相对应的滑动面,结合公路边坡工程实例检验了所提出方法的有效性。     

基于改进遗传算法的公路边坡稳定性分析方法

采用瑞典圆法计算滑面为圆弧时边坡的安全系数,并在遗传算法中增加Powell算法作为局部搜索过程,从而在保证遗传算法良好的全局搜索能力的同时,也提高了遗传算法的搜索速度.采用改进后的遗传算法搜索边坡的最小安全系数及与之相对应的滑动面,结合公路边坡工程实例检验了所提出方法的有效性.     

启发式遗传调度算法的研究

将遗传算法与现有的调度算法相结合，运用合适的遗传算子和调度规则，对现有启发式调度算法进行改进，充分发挥了两者的优点，既保证了较高的搜索效率，又保证了解的全局最优性。并给出了对照算例，说明了该算法的可行性和有效性。