摘要：采用均匀设计来安排遗传算子组合进行数值实验,研究了遗传算子对神经网络径流预报精度的影响。研究发现,输入模式对最终种群中个体的分布影响不明显,不同算子组合对其影响则明显得多。通过回归分析发现,采用不同算子组合优化神经网络初始权重径流预报精度差别较大,对未归一网络的优化效果较归一网络好,同时采用数据归一输入模式与遗传算法优化神经网络初始权重未产生叠加效果。

摘要：针对蚁群算法的不足,文中提出一种带有近邻节点选择策略和遗传算子的蚁群算法.在算法执行时,每只蚂蚁选择下一个城市采用近邻选择策略,在每轮循环结束时,对较优个体进行交叉运算的操作方法,以期提高蚁群算法的收敛速度.实验结果表明该算法是有效的.

摘要：算法复杂性理论中的NP完全问题是悬解的著名难题之一。旅行商问题作为经典的组合优化问题,实际中的应用非常广泛,但它却是一个NP完全问题。历年来,对它的一项主要研究工作,就是寻找一种既有高质量的解,又能快速收敛的近似算法。围绕这项研究,本文的主要创新是:首先,设计了求解该问题的一种嵌入遗传算子的启发式算法,它在本质上是经典插入算法的改良,但同时渗透了遗传算法思想;其次,对于这种近似算法,文章阐明算法具有多项式时间界O(n3),并且给出了评价其性能的不超过2的界估计及其严格的理论证明,因而它的算法理论基础是坚实的;最后,通过两个典型的算例计算结果的对比分析表明:该近似算法较之几种常用的启发式算法,其解的质量更高,又由于插入算法的程序设计方便快捷,因而它对于实际问题的计算需求无疑是极有意义的。

摘要：为了深入分析探讨改进的粒子群优化算法的性能,针对典型的函数优化问题,设计了3种方案:(1)采用线性递减惯性权重的PSO;(2)基于遗传算子的PSO;(3)在方案(2)基础上,加入收缩因子χ。在MATLAB7.0中对常用的测试函数进行优化仿真,发现当融合遗传算子和收缩因子时,算法性能最优。

摘要：遗传算子在演化算法中发挥重要的作用。设计了基因表达式编程中的一种新遗传算子(TIS),它在基因尾部随机选择一个小片段,然后复制该片段(或该片段的倒置)并插入到基因尾部的任意位置,插入点后的符号依次向后挪动,超过尾部长度的编码被丢弃。实验表明,该算子在挖掘多元函数时能提高算法的成功率和收敛速度。

摘要：采用矩阵形式表示遗传操作过程 ,可为设计遗传算法程序提供简单的数学模型 .遗传操作的概率特征 ,揭示了遗传算子各自在遗传优化过程中的作用及相互关系 .

摘要：阐述了遗传算法的特点,分析了遗传算法中选择算子、交叉算子和变异算子的特性,讨论了不同遗传算子对算法最优结果的获得所起的作用,提出了改善算法性能的措施,并设计了切实可行的选择算子、交叉算子和变异算子。模拟结果表明,遗传算法能在较短的时间内提供优化解,为解决复杂的优化问题提供了可行方案。

摘要：本文对基于遗传算法的自动组卷系统进行了分析,主要对遗传算法中的遗传算子进行了详细分析,并利用VB编程实现了基于遗传算法自动组卷系统,并给出了遗传算子源代码.

摘要：采用均匀设计的方法安排数值试验,比较不同的遗传算子组合及数据输入模式对神经网络径流预报精度的影响。研究发现,与未归一数据输入模式相比,归一化数据输入模式使网络预报的精度明显提高;不同算子组合优化神经网络初始权重径流预报精度差别较大,未归一网络的优化效果较归一网络好;同时采用数据归一输入模式与遗传算法优化神经网络初始权重未产生优化效果叠加。

摘要：针对QoS多播路由问题提出了一种改进遗传算子的遗传算法,通过设计多样性维持机制的选择算子、与代数相关的交叉算子和与个体适应度相关的变异算子,有效地解决了传统遗传算法应用于多播路由优化时的早熟收敛问题。实验结果显示,在随机网络中,该算法所获得的解与最优解的相对误差不超过1.0%,算法的收敛速度和寻优能力明显优于传统遗传算法。