摘要：为实现电力系统应急故障的高效抢修,降低故障风险,提出基于差分进化算法和交叉算子的电力企业应急物资多目标分层调度方法。该方法结合电力企业全局调度需求,确定电力企业应急物资多目标上层调度目标函数和下层调度目标函数,同时设计对应的约束条件;采用差分进化算法求解双层调度目标函数,并且为保证解的多样性和算法收敛性,引入进化过程信息优化算法变异算子的变异概率,以此保证目标函数的求解效果。测试结果显示:反世代距离和散布性分别在0.034和0.28以下;结合应急物资供应点位置进行应急物资调配路径规划;应急物资调度的公平性、资源覆盖满意度均在0.92以上;调度后,电力系统的风险固结函数结果均在0.14以下。

摘要：为解决传统遗传算法求解带容量约束的车辆路径问题时收敛速度慢和局部搜索能力差的问题,对传统遗传算法提出一种改进策略。使用基于贪婪策略的启发式交叉算子加强算法接近最优解的能力,加快算法收敛速度,在变异操作中,引入最近邻搜索算子,缩小基因变异范围,使用单点局部插入算子提高算法的局部优化能力。采用精英选择和轮盘赌法结合的选择策略,保持种群多样性以加强算法的全局搜索能力。实例计算测试表明,与传统遗传算法相比,所提算法求解平均偏差降低了70.25%,求解时间减少了87.41%;与ALNS和AGGWOA算法相比,有更高的求解质量和更好的稳定性。

摘要：受基因工程选择性克隆优秀基因片段的启发,提出一种基于基因片段差异度的自适应交叉算子(genetic crossover based on the difference of gene fragment,DGFX)。在改进的交叉算子中,随机确定基因片段长度,计算父代个体对应基因片段的差异度,根据差异度选择基因片段进行交叉操作,能有效避免近亲繁殖,减少无效交叉操作,加快收敛速度。此外,根据演化代数自适应调整基因片段长度系数,增强算法全局收敛能力。将该交叉算子与帕累托交叉算子、启发式交叉算子运用标准测试函数进行对比分析。研究结果表明:利用DGFX交叉算子时能快速收敛到全局最优解,且算法鲁棒性强、精度高。将DGFX交叉算子运用于瀑布沟心墙堆石坝堆石体力学参数反演,利用反演的力学参数进行计算,各测点计算值和实测值在发展趋势和数值上均吻合较好,说明DGFX交叉算子运用于多变量、强非线性复杂岩土工程位移反演中的优越性,具有良好的实际应用价值。

摘要：为了改善量子粒子群优化(QPSO)算法、提高其求解多峰优化问题的能力,采用新的粒子吸引点和势阱特征长度计算方法,引入遗传算法中的交叉算子并融入交叉概率自适应的参数控制技术,设计了一种带交叉算子的量子粒子群优化(CQPSO)算法.CQPSO算法既可确保QPSO粒子群体的多样性、维护粒子整体的活力性,又能克服特殊情况下QPSO算法收敛的不稳定性和陷入局部最优的偶发性.实验结果表明,在21个标准测试函数中,无论对应单峰函数、多峰函数或是偏移、旋转函数,在相同的物理仿真平台上,CQPSO算法的性能在绝大多数情况下都优于其他改进的量子粒子群算法,从而验证了CQPSO算法的有效性和鲁棒性.

摘要：通过分析比较标准二进制交叉算子和标准十进制交叉算子的异同点,得出结论:交叉算子的实质是在父代个体的数值和所决定的'家族'中随机取值,因而其不能保证交叉操作后的子代个体优于父代个体,体现出盲目搜索的特点;二进制交叉和十进制交叉均对本质交叉搜索区间进行了进一步的划分,但并不能保证进化搜索到更好的样本.根据所得结论,设计了一种改进遗传算法,其有效性证明了本文结论的正确性.

摘要：通过应用免疫原理设计免疫算子对交叉结果进行修复,将免疫算子作为"有导向的变异算子"取代经典演化算法中的"盲目的变异算子",可以有效抑制优化过程中的退化现象。该文以旅行商问题为例,通过设置不同的交叉概率和免疫概率,对免疫遗传算法中交叉算子和免疫算子的作用进行研究。实验结果表明,交叉算子的作用在于保证候选解的多样性和建设性(将局部近似最优解组合成全局近似最优解);而免疫算子的作用则是对候选解进行局部优化,二者的结合体现了搜索过程中勘探与开采的统一。

摘要：应用免疫原理设计免疫算子对交叉结果进行修复,将免疫算子作为“有导向的变异算子”取代经典演化算法中的“盲目的变异算子”,有目的地利用待求解问题的知识抑制优化过程中的退化现象,并应用于旅行商问题。实验结果表明了算法的有效性。

摘要：交叉算子是遗传算法中最主要的遗传算子,对种群的搜索性能起着重要的作用。基于操作编码的遗传算法多采用两点交叉算子,研究发现这种交叉算子收敛速度慢,容易陷入局部最优解,为此设计了一种基于工件位置的交叉算子,通过试验仿真验证了该算子在收敛速度和求全局最优解上有显著优势。

摘要：求解TSP问题是遗传算法应用的一个重要领域,其本质是TSP问题中巡回路径编码串的组合最优化问题。对于符号编码方式的遗传算法,通常需要设计特定的交叉算子以提高算法的运行效率和性能。该文针对自然数编码的方式,提出了一种较适合于大规模TSP问题求解的遗传交叉算子:插入交叉(InsertCrossover,简称IX)算子。该算子以优良的交叉策略,保证了算法的快速收敛和全局寻优。仿真实验结果证明,IX算子对于大规模TSP问题具有比较好的性能。

摘要：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 。