变长染色体遗传算法在演化硬件中的应用

本文介绍了可变长染色体遗传算法以及该算法在演化硬件中的应用 ,并通过仿真实验 ,验证了该算法在演化逻辑组合电路上的可行性。

基于伪变长染色体的遗传算法在SQL生成器中的应用

SQL生成器是平台软件的一个核心部件,能快速生成SQL语句,将提高平台系统的效率和减少应用系统的开发工作量,提出基于伪变长染色体的遗传算法解决SQL自动生成器的表间联接串生成的方法,和传统方法相比较,缩小搜索空间,使效率比较以往有所提高。

可变长染色体遗传算法在乘用车物流运输规划中的应用

针对整车物流中的乘用车物流运输规划问题,提出了基于可变长染色体改进遗传算法的优化算法。首先建立了基于乘用车装载方式约束条件的优化模型,然后通过选定约束条件建立的罚函数以及半定量运输成本的目标函数,设计了可变长染色体的遗传算法;最后通过Matlab编程求解得到了优化的运输装载方案。优化的运输装载方案可为物流公司整车物流方案制订提供科学参考依据,对整车物流配送具有实用性意义。

用变长染色体遗传算法演化实验公式

提出用变长染色体遗传算法自动地遗传演化出任何一个实验（包括物理，化学。

基于变长基因算法的服务质量驱动多路径Web服务组合

为解决在不同服务组合结构(路径)上的服务质量驱动服务组合问题,提出了一种结合Petri网的变长基因算法。用Petri网描述子服务的各种组合结构,列举出所有路径上能实现功能需求的服务执行序列,进一步找出并添加执行序列中的服务并发执行结构,以修正执行序列使之与路径对应,唯一代表路径;而变长基因算法则用不同长度的染色体代表不同路径上的组合服务,并通过服务参数的匹配实现基因的交叉互换,以最终实现在不同路径上搜寻服务质量最优的组合服务。基于所提算法,提出增强初始群体、优化中间群体两点改进,以提高算法稳定性。理论证明该算法具有良好的扩展性,且与传统遗传算法的对比验证了算法的有效性。

改进遗传算法用于未知组分数的重叠色谱峰的解析

按照指数修正的Gauss卷积色谱峰模型 ,构造了结合模拟退火及变长染色体的改进遗传算法 ,并结合爬山法 ,可以方便快捷地进行数目未知的重叠色谱峰的精确解析 ;此法成功地应用于大鼠脑微透析液氨基酸定量分析中 。

考虑时间可靠度约束的4PL路径优化问题研究

运输时间的不确定性是影响第四方物流路径选择的重要因素。本文将可靠性理论应用到路径优化问题中,把客户对时间可靠度的要求作为约束条件,以运输总费用最小为目标,基于多重图建立考虑时间可靠度约束的第四方物流路径优化问题的机会约束规划模型,设计双列变长编码机制的遗传算法求解模型。通过仿真实例验证模型和算法的有效性,结果表明针对客户对时间可靠度要求的不同,该算法可以快速并有效地帮助决策者做出最优的路径选择。

基于遗传算法的测试用例生成工具研究

以Korel的遗传算法生成测试用例策略为基础,在适应函数、染色体编码、遗传算法效率等方面提出了相应的算法改进。引入程序结构依赖系数来确定个体的适应值,使得整个搜索更加智能化;解决编码长度预测问题;采用改进的自适应遗传算法提高用例的搜索效率。同时对实现测试用例生成过程中的关键技术进行了分析。最后结合算例对软件进行了验证。

遗传算法在前馈神经网络中的应用

比较了遗传算法和神经网络的特点，对于将遗传算法用于前馈神经网络的可能性进行了研究，并给出了应用实例；同时提出了一种构造变长染色体用于神经网络演化的方法。

遗传算法用于曲线的误差约束多边形近似

提出了一种求解曲线的误差约束多边形近似问题的遗传算法.其主要思想是:1)采用变长染色体编码机制,以减少存储空间和计算时间的消耗;2)针对问题的特点,提出了一种新的杂交算子——基因消去杂交,以尽可能地消去染色体上的冗余基因,从而提高算法的寻优能力;3)采用染色体修复策略处理遗传操作产生的不可行解,该策略通过迭代地向染色体追加有价值的候选基因来实现染色体的修复,并提出一种对染色体的候选基因进行评估的机制.通过实验评估并与其他遗传算法进行比较,结果表明,提出的算法性能更优越.

基于演化计算的动态最短路问题

提出了一类基于时间变权的动态最短路问题 ,给出了其详细的数学描述 ,扩展了图论中关于最短路问题的概念 ;并设计了适合该问题的编码方式和杂交、变异方式 ,给出了基于演化计算的求解框架 ,其主要特点是染色体变长 ,且首尾基因固定 .最后针对一个简单实例进行了仿真和分析 ,研究结果表明 ,该算法可以获得良好的效果 .

一种最短路问题的遗传算法求解

针对最短路径问题,在分析传统遗传算法不足的基础上提出了变长染色体遗传算法(ClvGA),详细论叙了其编码、基因插入(删除、变异)算子的设计,最后通过两个网络对ClvGA进行了实验仿真,结果表明:该方法在最短路径问题上表现出较好的鲁棒性.

基于子种群保留的可逆电路合成混合算法

为了进一步降低4bit以上中小规模可逆逻辑电路的量子代价,提出一种基于子种群保留的变长染色体编码混合算法.该算法在已有变长染色体编码混合算法的基础上,将子种群保留策略用于变长编码种群的进化,以保持种群多样性,避免陷入局部最优解;定义了变长编码染色体的近似度,以此作为种子提取和子种群划分的基础;提出了子种群重新启动策略和新的启发式子种群更新操作,克服变长编码种群进化过程中的遗传漂移,从而提高可行解率和解的质量.对4bit以上常用标准可逆函数测试结果表明该算法能大大降低合成可逆电路的量子代价.