最优保存遗传算法在最优资产组合计算中的应用

本文基文献 [1]的思路 ,详细论述了利用遗传算法解决有风险控制的最优资产组合问题的具体实现过程 .

一种用于多峰函数优化的改进混合遗传算法

针对遗传算法在处理复杂多峰函数优化问题中存在的一些缺陷,提出了一种改进型的混合遗传算法.它在小生境技术的基础上引入单纯搜索算法、最优保存算法和近优淘汰算法,并使之相互结合.经编程实践证明,这种改进的混合遗传算法在处理复杂多峰函数优化问题时,局部搜索能力和克服过早收敛能力方面都显著优于标准遗传算法,并在实际应用中取得了较好的效果.

改进的遗传算法求解TSP问题

实际应用中经常用人工智能算法如遗传算法求解TSP等一类NP难题,针对原有的遗传算法在初始化种群随机性的缺陷以及在产生子代过程中无法保存最优个体的问题,给出基于贪心算法的种群初始化和交叉变异后最优个体保存算法相结合的改进遗传算法,并在VC++平台上对该算法的实现过程进行动态演示。

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 。