摘要：传统遗传算法不仅易出现早熟现象,而且计算实际应用中的大规模综合作业调度解效率较差。通过研究遗传编码规律和并行计算原理,提出了一种簇群并行遗传算法。利用簇群抱团思想对种群进行划分,将划分后的种群分布到不同的并行机上运行,以此提高初始种群的多样性,保证算法的执行效率和搜索空间。同时,设计了一种动态种群调整策略,在各“簇”种群趋于局部最优时自动调整种群结构,从而达到全局收敛。在FT10问题和一组综合作业调度数据上的仿真结果表明,算法在保证寻优速度的同时提高了解的稳定性。

摘要：为探索更高效的工程二维排样优化方法,给出了基于遗传模拟退火融合算法的工程二维排样优化方法。首先,建立以板材利用率为主优化目标的问题模型,并采用基于一定包络准则的凸多边形包络法对不规则形状进行近似处理;在此基础上,设计模型求解的遗传模拟退火融合算法,该算法结合遗传算法的快速全局搜索能力和模拟退火算法较强的局部搜索能力,以遗传算法做外层循环,以模拟退火做内层循环,通过模拟退火较强的局部搜索能力,改善外循环遗传算法的早熟现象,从而避免搜索过程陷入局部最优。最后,通过具体算例验证了该算法求解二维排样问题的可行性和有效性。

摘要：通过对遗传算法选择、交叉、变异 3个算子的分析 ,揭示了早熟现象产生的原因 .在此基础上 ,设计了一种变异概率可以自调节的基因移民遗传算法 ,提出用群体相异度指标来衡量群体的多样性 .通过相异度可自动调节变异概率的大小 ,从而确保了群体的多样性 ,也避免了早熟现象的出现 .最后 ,应用马尔科夫链数学工具 ,从理论上证明了该算法是收敛的 .实验表明 ,该算法可操作性好 ,对选择的参数不敏感 ,具有一定的通用性 ,适合于实际的工程计算 .

摘要：针对实数编码在进行数值优化时固有的过早收敛、停滞现象和弱的爬山能力等缺点,通过设计不同的交叉、变异算子,提出了一种改进的实数编码的遗传算法。数值实验显示,该算法在函数优化问题上取得了较满意的效果。

摘要：针对实数编码在进行数值优化时固有的过早收敛、停滞现象和弱的爬山能力等缺点,通过设计不同的交叉、变异算子,提出了一种改进的实数编码遗传算法。数值实验显示,该方法在函数优化问题上取得了非常满意的效果。

摘要：分析了影响遗传算法性能的因素,在遗传算法(GA)的基础上设计了一种新的家族遗传算法(FGA).该算法改造了选择和变异算子,其目的在于提高收敛速度、避免早熟.同时,该算法提出在优良解附近构造最优家族,在此微型空间中进行精确搜索,确保了算法收敛速度和解的精度.最后给出4个典型函数的模拟例子,由对比实验结果可以看出,FGA提高了收敛速度及解的精度,说明该算法具有应用的潜力.

摘要：为克服标准粒子群算法存在的早熟现象,借鉴人类社会的联姻策略,提出了一种改进的粒子群优化算法。该算法通过部落联姻,避免了粒子基因过于接近;采用交叉策略,在一定程度上避免了过度破坏个体适应度的现象。在优化Rastrigin函数时,改进的算法显现出了优越性。最后,以电磁继电器优化设计为例,验证了基于联姻策略的粒子群优化算法的可靠性和有效性。

摘要：基于递阶结构的遗传算法可以同时对多层前向神经网络进行结构优化和权重求解。与基本的遗传算法相比,这种算法不仅在权重训练方面更加快速稳定,而且能在学习过程中确定网络的拓扑结构,具有较高的学习效率,而在遗传过程中采用自适应的交叉和变异概率能有效加快遗传速度和避免早熟现象的出现。

摘要：为了解决简单遗传算法过早收敛的问题,并进一步改善简单遗传算法的寻优质量,在分析递阶遗传算法和小生境遗传算法的基础上,提出了离散分段遗传算法。该方法在微观上,采用了递阶遗传算法的递阶编码方式和小生境的选择思想。宏观上,通过分层多级寻优操作来适当加快遗传算法的寻优速度。该算法非常适合解决多峰值优化问题,同时也能够有效地修复早熟现象的影响,加快收敛速度。实验表明该方法在性能方面明显优于简单遗传算法。

摘要：通过对普通遗传算法选择、交叉、变异三个算子的深入分析,揭示了早熟现象产生的原因,并数学证明了选择算子是早熟现象的主要原因。在此基础上设计了一种变异概率可以自调节的基因移民遗传算法,提出了群体相异度指标来衡量多样性,通过相异度自动地调节变异概率的大小,确保群体的多样性来避免早熟现象的出现。最后,应用马尔可夫链数学工具从理论上证明了该算法是收敛的。实验表明:该算法具有一定的通用性,适合于实际的工程计算。