摘要：对多极值函数的全局优化问题 ,采用十进制浮点数对遗传算法进行编码 ,综合设计出相应的选择、交叉与变异遗传操作 ,得到浮点数编码的遗传算法 (Float encodingGeneticAlgorithm ,FGA) .应用FGA对 3个著名的优化方法测试函数进行优化计算 .仿真结果表明FGA不易陷入局部极值 ,收敛速度快 ,并能得到较高的优化精度 .

摘要：对遗传算法进行浮点数编码并设计相应的遗传操作，得到浮点数编码的遗传算法ＦＧＡ（Ｆｌｏａｔ－ｃｏｄｅｄＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍ）．仿真实例表明：与ＡＧＡ相比，ＦＧＡ不易陷入局部极值，收敛速度快，且能得到较高的优化精度．ＦＧＡ应用到电站机组组合优化问题中，得到良好的结果．ＦＧＡ具有通用性，能用于其它系统的优化问题．进一步深入研究ＦＧＡ并将其应用到电力系统中有潜在应用价值．

摘要：提出一种新的多种群并行遗传算法 (NMPGA) ,并将其作为多层前馈神经网络(MFNNs)的学习算法 ,从而形成一类新的 MFNN模型——多种群并行进化神经网络(MPENNs)。首先 ,对一给定的网络结构 ,随机产生一初始权重的集合 ,这个集合实际上对应着一组具有相同结构但不同权重的神经网络。然后 ,采用 NMPGA对 MFNNs的权重进行进化。最后 ,性能最好的网络被选作目标问题的解。在 NMPGA算法中 ,作者采用浮点数编码来克服传统二进制编码的精度不足问题 ,并设计了专门的杂交算子和变异算子来增强算法性能。实验结果表明 ,MPENNs能成功解决异或问题、三元奇偶问题及成品烟的感官质量评价问题。

摘要：应用浮点数编码的遗传算法和生物进化算法对轮胎起重机进行整体稳定性优化。经系统模型检验 ,得到满足整体稳定性的最优解。

摘要：文章提出了一种混合编码的遗传算法。该算法有机地将二进制编码和浮点数编码结合起来 ,并针对不同的编码方法设计相应的交叉、变异算子。混合编码方法既有二进制编码全局搜索能力强、简单、易操作的优点 ,又具有浮点数编码局部搜索能力强、精度高、稳定性好、运算速度快的优点。使算法不易陷入早熟收敛且局部搜索能力强 ,收敛速度快。文章对一系列典型函数进行了优化计算 。

摘要：对遗传算法进行浮点数编码，融和、设计了一些优良的遗传操作，形成浮点数编码的遗传算法（Float-encodingGeneticAlgorithunFGA）．FGA与梯度下降法相结合组成混合遗传算法（CombinedGeneticAlgoritmCGA）．一个函数优化实例说明了该算法的有效性。混会遗传算法应用到模糊系统的辩识问题时作出了良好的性能。

摘要：提出了应用遗传算法对PID控制器的比例系数、积分系数寻找最优解的方法。基于遗传算法可直接对结构对象进行操作、对搜索空间中的多个解进行评估,减少了陷入局部最优解的风险,且算法本身易于实现。根据其适应度函数不仅不受连续可微的约束,而且其定义域可以任意设定等特点设计了基于工程PID遗传算法的编码以及基于该编码的交叉、变异算子。通过对电厂中过热汽温控制系统内回路一级过热器的辨识模型和300 MW循环流化床机组中给煤量与床温的关系中左裤衩腿密相区间的100%负荷工况点的传递函数模型进行仿真表明该种算法的有效性。