一种快速综合性的遗传算法

对几种改进的遗传算法进行了比较、分析，综合了这几种改进的遗传算法的优缺点后，提出了一种快速综合性的遗传算法．该算法具有收敛速度快、迭代次数少且不易陷入不成熟收敛等特点．仿真结果证实了该算法的有效性．

CBD中采用改进遗传算法的实例修改

研究将遗传算法应用于 CBD(基于实例的设计 )中的实例修改环节 ,用于对相似实例的调整和修改。对于遗传算法在实例调整中应用的策略和方法进行研究和实现。针对应用普通遗传算法可能产生的不成熟收敛问题 ,采用多种群自适应遗传算法加以改进 。

多种群遗传算法在数字散斑相关搜索中的应用

数字散斑相关方法中,搜索算法对计算速度有着重要的影响。遗传寻优算法的全局性非常适合散斑相关搜索。然而,作为一种智能算法,算法参数对于遗传算法的计算稳定性和效率都有着重要影响。同时,不成熟收敛也是不可忽视的问题。本文将多种群遗传算法应用于数字散斑相关方法中,在避免了不成熟收敛问题的同时,提高了计算稳定性和效率。

改进遗传算法实现输电网络最优规划

对传统遗传算法中的交叉和变异算子算法进行了改进,并实施了在初始群体中最优保留策略,形成了改进遗传算法,将其应用在输电网络优化规划中。改进的遗传算法具有快速搜索,易收敛和鲁棒性强的特点,克服了传统遗传算法难以解决的不稳定和局部收敛的问题,应用到输电网络规划中提高了收敛速度,避免了不成熟收敛。

一种基于二进制编码的改进遗传算法

对几种改进的遗传算法进行了比较、分析、综合后，提出了一种基于二进制编码的改进遗传算法。该算法具有收敛速度快、迭代次数少且不易陷入不成熟收敛等优点。仿真结果证实了该算法的有效性。

基于混合选择策略的GA数值寻优

函数优化是遗传算法应用的一个方面,标准遗传算法通常采用的是轮盘赌选择、单点交叉和变异等基本操作算子,其缺点是全局收敛性差,易造成“不成熟”收敛现象。研究表明,GA的收敛性主要是由选择算子实现的,轮盘赌选择易产生较大的随机误差,基于期望值和轮盘赌的混合选择策略则能够改善此误差。仿真结果表明,混合选择能够有效地提高GA对全局最优解的搜索能力,较好地改善“早熟”现象的产生。

基于模糊遗传算法的辐射型配电网络重构

文章提出了基于模糊控制的辐射型配电网络重构遗传算法（FGA）。该算法有效的解决了多目标优化和组合优化中的存在的一些问题，本算法的优势主要体现在：基于模糊逻辑控制的变异率的变化过程有效的保证了种群的多样性，提高了算法的收敛性能，避免了不成熟收敛。另外，本文提出用支路的开关状态（0或1）作为控制参数，避开了繁琐的编码方法，缩短了染色体长度。