基于疫苗自动获取与更新的免疫遗传算法

收敛速度缓慢已成为遗传算法研究中亟待解决的主要问题之一.为了提高遗传算法的收敛速度,提出了一种基于疫苗自动获取与更新的免疫遗传算法.从各代种群中选出优良个体,然后从这些优良个体中提取免疫疫苗,概率地对后代种群的个体接种疫苗.接种疫苗是利用疫苗确定位上的等位基因替代个体相应位上等位基因的操作.接种疫苗加速了优良模式的繁殖,修复了被交叉、变异破坏的优良模式.种群与疫苗库相互作用、协同进化,极大地提高了算法的收敛速度.基于模式定理分析了算法的计算效率.最后,几个典型函数优化问题的仿真结果表明了算法的可行性和有效性.

遗传算法机理的研究

众所周知 ,“模式定理”和“隐性并行性”是遗传算法 ( genetic algorithms,简称 GA算法 )的两大理论基础 .该文对这两个原理进行分析 ,指出这两个原理存在有不严格和不足之处 ,即作为 GA算法的基础 ,这两个原理尚欠完善 .为加深对 GA的理解 ,文章提出遗传算法的一个新的改进模型——理想浓度模型 .通过对此模型的分析 ,得出遗传算法本质上是一个具有定向制导的随机搜索技术 .其定向制导原则是 ,导向以适应度高的模式为祖先的染色体“家族”方向 .最后给出两个典型的函数求最大值的模拟例子 .从模拟结果看 ,改进后的GA算法大大提高了算法的速度 ,解的精度也有所提高 .

两代竞争遗传算法及其应用研究

本文在分析简单遗传算法 (Simple Genetic Algorithm,SGA)的基础上 ,提出了一种新型结构的两代竞争遗传算法 ,并给出了算法演进的模式定理 .通过理论分析和对 TSP(TravelSalesman Problem,TSP)问题的应用研究 ,表明了该算法具有搜索效率高。

改进遗传算法搜索性能的研究

本文针对改进遗传算法的搜索性能 ,提出了一种新的变异算子——自适应多位变异算子 ,它根据每一代的每一个体的在当代中的优劣程度 ,自适应地控制其发生变异的位数 .适应度差的个体变异的位数多 ,一方面使差的模式生存机会少 ,另一方面增加了种群的多样性 ,同时也扩大了搜索范围 .我们用模式定理证明了该算子的有效性 ,并且我们作的仿真实验也同样表明该算子能大大改进遗传算法的搜索性能 .

遗传算法及其在渔饲料配方中的应用

首先阐述了参数编码、初始群体、适应度函数、遗传操作以及算法控制参数等遗传算法基本原理,然后着重介绍其在渔饲料配方中的应用,在该应用中采用了实数编码、基于线性排名的选择、算术杂交和非一致变异等遗传算法方法。结果表明,在渔饲料配方优化中应用遗传算法要优于目前饲料配方软件中大多采用的常规应用数学的优化方法。主要体现在单位产量饲料配方中的成本价格前者要低于后者。由于遗传算法能够解决因子较多,非线性程度高的问题,从而得出的饲料配方能更好的符合相关鱼种的营养含量标准。

关于“遗传算法中交叉和变异概率选择的自适应方法及作用机理”一文的商榷

“遗传算法中交叉和变异概率选择的自适应方法及作用机理”一文提出了自适应遗传算法的模式定理 ,并以此为基础分析了自适应交叉、变异的作用机理 .本文对其分析过程和结论提出了不同的看法 .

一种基于病毒原理的多种群遗传算法研究

病毒进化遗传算法是一种基于病毒原理的协同进化算法,通过病毒种群和宿主种群的分工协作,实现了继承信息在父代、子代群体间的纵向传递,同时也实现了进化基因在不同种群间的横向传播,有效解决了传统遗传算法在解空间的快速搜索与易陷入局部最优点的这对矛盾。该算法成功应用到旅行商问题并取得了令人满意的效果。

一种新的改进遗传算法及其应用

研究并提出了一种基于模式的改进遗传算法,该算法加强了好的模式对群体的影响,在收敛速度和防止陷入局部最优解取得了平衡。在一个经典测试函数的仿真实验中,与基本遗传算法(SGA)和自适应遗传算法(AGA)相比,该改进遗传算法表现了良好的效果。

模式定理成立的必要条件

扼要介绍模式定理,提出一种新的适应值赋值方法。借助该适应值赋值方法,分析了模式定理与交叉概率Pc、变异概率Pm的关系,推导出模式定理成立的参数条件为:pc+pm<1。