简介：遗传算法是近些年来产生的一种新算法，它模拟了自然界生物进化过程，属于仿生类算法。它不仅可以解决组合优化问题，也可以解决连续的最优问题。本文从遗传算法的产生背景、基本原理、应用实例及发展方向介绍了遗传算法。

简介：一、遗传算法的发展遗传算法(GeneticAlgorithms简称GA)是由美国Michigan大学的JohnHolland教授于20世纪60年代末创建的。它来源于达尔文的进化论和孟德尔、摩根的遗传学理论,通过模拟生物进化的机制来构造人工系统。从1985年在美国卡耐基.梅隆大学召开的第一届国际遗传算法会议到1997年5月IEEE的Transactions0nEvo-lutionaryComputation创刊,遗传算法作为具有系统优化、适应和学习的高性能计算和建模方法的研究渐趋成熟。[1]遗传算法是一种自适应全局优化概率搜索算法,主要有以下特点:(1)自组织、自适应和学习性(智能性)。遗传算法消除了算法设计中的一个最大障碍,即需要事先描述问题的全部特点,并要说明针对问题的不同特点算法应采取的措施,因此,它可用来解决复杂的非结构化问题。(2)直接处理的对象是参数的编码集而不是问题参数本身。(3)搜索过程中使用的是基于目标函数值的评价信息,搜索过程既不受优化函数连续性的约束,也没有优化函数必须可导的要求。(4)具有显著的隐并行性。遗传算法按并行方式搜索一个种群数目的点,而不是单点。它的并行性表现在两个方...

简介：遗传算法来源于进化论和群体遗传学,是计算智能的重要组成部分,正受到众多学科的高度重视。本文系统分析了遗传算法的应用研究,并进行了分析和评论

简介：Web语义搜索结果排序一直是搜索引擎的主要研究课题之一。但是目前通用的算法例如OntoKhoj排序算法和AKTiveRank排序算法的排序结果并不理想,主要原因是排序思路比较片面,公式中的系数很难确定。针对这一问题,我们结合了OntoKhoj算法和AKTiveRank的优势,提出了O＆A算法,并使用遗传算法对O＆A中的系数进行了优化。实验表明,O＆A算法的排序结果要明显优于OntoKhoj排序算法和AKTiveRank排序算法。

简介：TSP是一个典型的组合优化问题,并且是一个NP难题,其可能的路径总数与城市数目n是成指数型增长的,所以一般很难精确地求出其最优解,因而寻找出有效的近似求解算法就具有重要的意义.现提出一种求解TSP问题比较有效的遗传算法,从其数学模型、遗传算子、评估函数、种群多样性等方面对算法进行了分析,结果表明提出的算法在求解TSP问题上是有效的.

简介：

简介：由于语义网分散的本质,同一个概念在不同的本体中可能有不同的定义方式,这就引起了所谓的本体异质的问题.本体异质问题严重地影响领域知识之间的共享,已经成为语义网应用系统间的交互与协作的瓶颈.目前用于发现本体中实体间的语义对应关系的本体映射技术成为语义网发展的关键技术.鉴于本体映射过程复杂的本质,文章为本体映射过程建立了单目标优化模型,并提出采用遗传算法来确定不同本体中实体间的对应关系.实验结果表明,所提出的方法是有效的.

简介：设计了一种基于遗传算法的关联规则算法,该算法将遗传算法和关联规则相结合.对遗传算法的编码方法、适应度函数的构造、交叉算子和变异算子进行了分析,给出了所设计方法的具体步骤,并进行了试验.试验表明,改进后的算法的执行效率高于Apriori算法.

简介：介绍遗传算法的基本特点和工作原理。结合线性规划模型阐述了其在复垦土地结构优化中的应用,通过具体实例给出了其实现过程。

简介：遗传算法本身固有的并行处理性和开放性，使得它在优化识别方面的效率非常之高，而且受到越来越广泛的研究，然而，遗传算法自身也有一些缺点．遗传算法在寻优过程中易出现“早熟”，设计变量增多时效率较低以及结构分析时间长．论文分析了遗传算法的常见缺陷，并通过采用小生境技术、基于多父体变量级别的杂交以及小生境技术的改进策略，遗传算法的优化性能（优化效率和质量）得到了大大的提高。

简介：针对三角面网格提出了一种新的网格简化方法,简化过程主要包括网格删除和网格重构。根据需建立的数量比例权重来进行冗余网格删除工作,然后利用遗传算法建立修正适应度函数来重构网格,达到三角网格数量的精简与形状匹配最优化目标。最后通过一实例讨论与对比分析,验证了该方法的有效性和准确性。

简介：提出一种多精英协同进化遗传算法（Multi-elitecoevolutionarygeneticalgorithm,简称MCGA）.多精英协同进化遗传算法借鉴精英策略和协同进化的思想,从种群中选择多个精英个体组成子种群,选择多个不同的而且适应度高的个体作为进化操作的核心.通过不同的选择策略进化子种群,多个子种群采用不同的进化方式.实验数据表明算法性能与传统遗传算法相比提高了收敛速度和寻找最优解的能力.

简介：本文介绍了利用遗传算法进行优化设计的基本原理。针对多变量优化问题，采用基本的遗传算法对其进行研究。给定优化的结果表明，用遗传算法来搜寻最优结果是十分有效的。

简介：提出了一种基于郭涛算法的聚类算法,在WEKA平台上通过使用Iris数据集和Glass数据集对基于郭涛算法的聚类算法和K-means算法进行对比实验,验证了基于郭涛算法的聚类算法的有效性。

简介：针对传统遗传算法容易出现早熟和收敛速度慢等问题，提出了一种基于改进遗传算法的自动组卷方法，详细介绍改进的遗传算法应用于组卷的步骤，包括编码方案、适应度函数、遗传算子的确定等关键内容。实验结果表明，改进的遗传算法有效地提高了组卷效率。

简介：摘要：PID控制算法是经典的工业工程控制算法之一，增量式PID控制算法是对传统PID控制算法的优化，但其存在静态误差无法消除的影响，因此本文引入遗传算法对其进行进一步优化，并给出了优化步骤，同时给出了一个用遗传算法进行单环系统增量式PID控制器优化设计的仿真实例，并克服了其静态误差无法消除的问题。

简介：遗传算法在许多优化问题中都有成功的应用，但其本身也存在一些不足。如何改善遗传算法的搜索能力，使其兼顾收敛速度和搜索范围，能更好地解决实际问题，一直是智能计算领域主要的课题之一。本文就3种常见的种群维护策略进行了比较与讨论，并分析了不同策略的优劣之处。

简介：研究了遗传算法对优化结果的影响，并给出了参数对优化结果的曲线。说明N（种群大小）、（杂交率）、（变异率）对迭代次数及优化结果均有一定影响，从而为改进遗传算法的提出给予理论上的支持。

简介：

简介：在基本遗传算法的基础上,针对智能组卷的特点,对算法作了小生境遗传算子和操作概率的自适应调整相结合的改进。实验结果表明,改进算法具有较好的克服早熟的能力,能够满足实际组卷需求。