基于初等矩阵的遗传算子模型

选择、杂交及变异是遗传算法的核心随机算子 ,应用代数方法可使遗传操作过程得到简化 .

GA算子的代数模型(英文)

作为对生物进化的模拟 ,遗传算法的表述方法和用语与生物进化的基本相同。这种表述方法虽然形象 ,但往往容易掩盖遗传算法的数学本质 ,为进一步研究带来困难。试图揭示遗传算法的数学本质 ,建立它的代数表述形式 。

GA算子的代数通达性分析

论述了GA算子代数通达性 ,建立了GA状态空间的代数通达关系 ,对算子的随机性与可行性作了代数描述 。

基于遗传算法的生产批量优化问题

本文针对生产费用、生产准备费用和库存费用综合指标最小的最优的能力约束生产批量问题,建立基于遗传算法的数学模型,通过模拟试验及实际问题的计算验证了算法的可行性.

遗传算子的代数形式和概率特征

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 .

现代优化计算方法──遗传算法简介

本文系统回顾了一种现代新颖的优化算法──遗传算法的基本理论。首先简单介绍了遗传算法与生物进化的联系，然后依次介绍了遗传算法的具体设计方法和步骤、遗传算法的主要特点、遗传算法现状及前景。

基于Markov链的随机需求预测模型

随机需求预测是供应计划工作的重点和难点 ,应用马尔柯夫链分析法和蒙特卡洛仿真技术 ,可以建立一个有效实用的随机需求预测模型。

RMI原则在GA中的应用(英文)

把关系结构P映射为关系结构GA,经过GA过程确定目标映像,最后通过求反演求目标原像.

基于GP/GA的数据建模方法

传统的数据建模方法 ,需要利用统计学和人工智能技术对数据进行探索性分析 ,操作者必须掌握大量的先验知识。将遗传程序设计 (GP)和遗传算法 (GA)应用到数据建模中 ,实现模型的自动获取。试验结果表明 ,在遗传操作中执行子树变异操作 ,将性能好的模型结构引入到进化中 。

基于GP/GA的数据建模方法

传统的数据建模方法 ,需要利用统计学和人工智能技术对数据进行探索性分析 ,操作者必须掌握大量的先验知识 .将遗传程序设计 (GP)和遗传算法 (GA)应用到数据建模中 ,实现模型的自动获取 .试验结果表明 ,在遗传操作中执行了树变异操作 ,将性能好的模型结构引入到进化中 。

GA算子的代数模型

采用矩阵形式表示遗传操作过程 。

基于遗传算法的生产批量优化问题

针对生产费用、生产准备费用和库存费用综合指标最小的、最优的能力约束生产批量问题 ,建立基于遗传算法的数学模型 ,通过模拟试验及实际问题计算 ,验证算法的可行性。

GA状态空间的代数模型

以遗传算子的代数模型为基础 ,以矩阵的初等变换及初等矩阵为基本工具 ,给出了遗传算法状态之间的代数通达概念 ,分析了杂交、变异、选择及保优等算子的通达性 ,建立了遗传算法状态空间的代数通达关系 ,给出了返祖操作、退化操作等遗传操作的代数基础 .