遗传算法的全局收敛性和计算效率分析

本文应用齐次有限马尔科夫链分析了简单遗传算法、最优保存简单遗传算法和自适应遗传算法的收敛性，然后对计算效率进行了定性分析，得到了指导基因操作策略设计的极限分布概率原则．

铅锌烧结过程透气性状态及热状态优化控制

本文针对具有非线性、强耦合、不确定、多约束特性的复杂铅锌密闭鼓风烧结过程 ,采用神经网络模型实现了透气性状态和烧穿点位置预测 ,集成惩罚函数法、基于聚类点的并行变步长网格法和最优保存简单遗传算法 (OMSGA)进行状态整体优化 .算法具有全局收敛性和工业有效性 ,解决了复杂铅锌烧结过程实时智能优化控制问题 。

采用重复交叉操作及最优保留策略的遗传算法

基于有限次重复交叉操作和将父代的最好个体代替子代的最差个体的思想 ,提出了一种新的遗传算法 (REGA)。该方法克服了基本遗传算法容易出现的早熟现象 ,并利用马尔可夫极限定理获得全局收敛性 ,求得基于有限次重复交叉操作的基本遗传算法 (记为RSGA)的渐近性质 ,以及提供关于这两种算法吸收时间的数学期望的计算方法。仿真事例表明 ,它不仅克服了局部最优的缺点 ,而且适用于有多个最优解问题 ,同时群体的平均适应度增加较快 ,运行效率更高 ,因而 。

自适应最优保存的模拟退火遗传算法及应用

在分析遗传进化的基础上 ,提出了一种自适应最优保存的模拟退火遗传算法 ,自适应地保存最优个体 ,并对其进行模拟退火 .与简单最优保存遗传算法 (MOSGA)进行了性能比较 ,结果表明本算法明显比MOSGA搜索能力更强 ,有极强的跳出局部最优的能力 .有效地解决了MOSGA的早熟现象 .

自适应最优保存的模拟退火遗传调度算法研究及其应用

该文对调度算法做了简单的介绍。在结合已有的模拟退火算法和遗传算法的基础上,改进了现有的遗传调度算法,自适应地保存最优个体,并对其进行模拟退火。与简单最优保存遗传调度算法进行了比较,结果表明新的算法比原有算法搜索能力更强,在跳出局部最优方面也有改进,有效地解决了原有遗传调度算法的早熟现象。

基于OMAGA-BP算法的高密度电阻率法反演研究

高密度电阻率法由于其高效、直观的特点,在工程勘查中得到广泛应用。然而,由于反演问题的高度非线性,传统的反演方法在刻画异常体边界时存在一定的不精确性。为了实现高精度的高密度电法二维非线性反演成像,克服BP算法损失函数参数空间存在大量鞍点影响计算精度,及普通遗传算法存在早熟收敛、难以赋予BP网络最优的权值阈值的问题,本文提出基于最佳保留策略的自适应遗传算法(optimum maintaining adaptive genetic algorithm,简称OMAGA)优化的BP神经网络进行高密度电法二维反演成像方法。该方法对仿真模型数据及实测数据的反演计算都得到了较好的结果,表明该方法具有泛化能力强、反演计算精度高的优点。该研究对未来高密度电阻率法的精确反演有一定的指导作用,有助于提高地下目标的识别精度。

最优保存遗传算法在双摆线齿轮减速器设计中的应用

针对双摆线齿轮减速器的配齿计算难度较大的特点。对配齿计算问题进行分析建模,应用最优保存策略构造遗传算法并选择合适的编码解码和个体评价方法对其进行求解,同时结合计算实例加以验证,取得了令人满意的结果。