蜂窝移动通信中基于遗传退火的固定频率分配

对蜂窝网无线规划中的频率分配问题进行了分析,用一种基于遗传退火的算法(GAEA)来求解,该算法是将模拟退火引进到遗传算法中,通过退火来减轻遗传算法的选择压力,利用退火法的爬山性能,改善了遗传算法的性能,提高了算法的收敛速度.实验证明了遗传退火算法的收敛速度比遗传算法快.     

拖拉机弹性悬架结构的遗传复合形优化设计

针对传统优化算法全局性较弱,容易陷入局部解,以及遗传算法的局部速率较慢和局部搜索能力不足等问题,采用将遗传算法和复合形算法相结合的遗传复合形算法.在此基础上对拖拉机弹性悬架结构进行了优化设计研究,并且与传统优化方法进行了比较.结果表明,对同样初始条件的拖拉机弹性悬架进行结构设计时,采用遗传复合形算法比采用传统算法可以使得拖拉机弹性悬架钢板弹簧的体积减小2.6％,因此遗传复合形算法在求解弹性悬架多变量、多约束优化问题的时候是有效的和正确的.     

半确定性的遗传算法

在采用遗传算法进行函数优化的过程中存在的一个严重的缺陷是：算法能很快地收敛到最优点附近，但要达到最优点需要很长的时间。针对这一缺点通过如下3个新的遗传算子构建了一个新的遗传算法：半确定性的变异算子，Hamming-decreasing和设计变量的自适应定标，以加强遗传算法的局部搜索能力。该算法充分利用基于概率的遗传算子的全局搜索能力和新算子较强的局部搜索能力。算例表明，新的遗传算法具有很强的鲁棒性和较快的计算速度。     

基于粗糙集和小波的遗传算法图像分割

粗糙集理论是一种新的处理模糊和不确定问题的数学工具,小波分析具有良好的时频局部化特性,遗传算法是一种借鉴生物界自然选择和自然遗传机制的随机搜索算法.提出了一种基于粗糙集去噪和小波细节增强,利用遗传算法进行图像分割的方法.实验结果表明,方法十分有效.     

基于IGA-GP的BP网络黄河流域需水预测研究

针对遗传算法和BP网络在寻优过程中的不足,将改进的遗传算法(IGA)与遗传编程(GP)相结合,建立了有广泛搜索能力和很强局部精化能力的IGA-GP自动编程算法,将该算法应用于BP神经网络的优化,克服了BP网络寻优过程中收敛速度慢、易陷入局部最优的不足,解决了新训练样本加入对网络稳定的影响。在此基础上,建立了黄河流域需水预测模型;拟合结果表明,该模型具有较高的预测精度。     

基于遗传神经网络的多层砖房震害预测研究

多层砖房在遭遇地震时破坏较为严重,会给人民的生命与财产造成巨大的损失。将神经网络与遗传算法相结合,建立遗传神经网络对多层砖房的震害进行了预测。样本的预测结果与实际结果一致,说明应用遗传神经网络算法对多层砖房的震害进行预测是可行。     

基于遗传小波神经网络的非线性动态自治网络故障诊断仿真算法

为避免用状态方程计算和分析非线性动态网络的约束计算困难,特别是计算响应跨越边界时间的问题,针对非线性动态自治网络,提出一种基于规范式分段线性化总体表达式以及非线性网络的混合参数方程.求解该方程组可得到非线性动态自治网络的故障响应仿真算法,再由小波提取故障响应的特征.采用遗传算法对BPNN进行结构和参数优化,将得到的电路故障状态特征输入至遗传优化的BP神经网络进行故障诊断.仿真结果表明了该故障诊断算法的有效性.     

基于遗传BP神经网络的数据挖掘系统设计

数据挖掘技术是从大量数据中挖掘知识的有效的工具 ,遗传算法和BP神经网络是现今数据挖掘技术中比较新兴的算法。本文介绍了遗传算法和BP神经网络相互结合的一种新算法 ,并设计出了相应的数据挖掘系统 ,且将该系统应用到实际农业实验中。为了便于遗传算法的有效运用 ,文中还提出了格雷———浮点编码法。     

基于遗传算法的多序列比对算法研究

本文主要研究用改进的遗传算法解决多序列比对问题.针对基本遗传算法收效速度慢、容易陷入局部最优解的不足,提出1种分层遗传算法,同时在低层遗传算法中采用不同的遗传算子以达到整体收效速度快、避免局部收效的效果.文中还提出了1种新的初始化方法,以提高算法的稳定性.最后通过实验分析,验证了算法的可行性、有效性.     

基于混合遗传算法的车辆优化调度研究

将遗传算法和模拟退火算法结合,设计了一种混合遗传算法（自适应的模拟退火遗传算法）,并根据一般车辆优化调度问题的特性,进行算法的设计,比如染色体的编码方式、遗传算子以及参数的设定等,通过实例进行了仿真实验．结果表明：用这种混合遗传算法求解车辆优化调度问题,具有很好的优化性能．