改进遗传算法搜索性能的大变异操作

遗传算法是一种模仿自然界生物进化过程中选择和遗传的机理而构造出的一种优化搜索算法．但是，简单遗传算法的收敛速度较慢，稳定性较差．针对这些问题，本文提出了一种被称为“大变异”的改善遗传算法性能的操作，在文中分别讨论了该操作的思路，实现的方法，井给出了它的有效性的数值实验证明．

基于ANSYS的遗传算法在水工弧形钢闸门优化设计中的应用

提出了自适应概率的大变异操作,并以大型有限元软件ANSYS为工作平台,利用APDL语言直接实现了遗传算法,改善了遗传算法在小群体规模时容易出现的“早熟”现象,并成功地应用到水工弧形钢闸门的优化设计中,取得了理想结果,为遗传算法在大型实际工程优化中的应用提供了成功的例证.

改进遗传算法在车辆路径问题中的应用

建立了车辆路径问题的数学模型。为了提高遗传算法的搜索速率,避免种群出现"早熟"现象,对适应度函数采用动态线性标定方式,改进交叉算子,采用大变异操作,设计出了求解车辆路径问题的改进遗传算法并给出了具体的计算步骤。应用该遗传算法进行了实例计算,取得了比较满意的结果。计算结果表明,该遗传算法在计算性能上优于参考文献中设计的遗传算法。同时也表明,对遗传算法的改进策略不仅简单而且对求解VRP问题是有效的。

一维全局最优问题的改进遗传算法

遗传算法是一种借鉴自然界生物自然选择和自然遗传机制的高度并行、随机及自适应的搜索算法，该算法对一般的全局最优有良好的鲁棒性。但是，对非线性较强的函数，简单的遗传算法的收敛速度较慢，稳定性差。本文提出了一种新操作：一点交换和两点交换相结合、普通变异和大变异相结合的操作。理论证明和数值计算结果表明，该算法是有效的。

基于遗传算法的桥梁钢筋砼受弯构件优化设计

探讨了遗传算法在公路钢筋砼受弯构件优化设计中的应用,针对简单遗传算法存在“早熟收敛”的缺陷,采用大变异操作来避免产生局部最优解。数值实验证明,与常规优化方法比较,遗传算法能从搜索空间中的多点出发进行寻优,寻优过程中仅涉及适应度函数的计算与评价,能很好地解决结构优化设计问题。