基于并行遗传算法的车辆路径问题

提出两种改进策略来提高遗传算法的性能，首先通过粗粒度并行机制以避免遗传算法在进化过程中易产生过早收。敛现象，同时提出了一个主从式迁移策略来提高“优质”个体在交换过程的生存能力，有效的提高优化的速度和解的精度。最后，通过若干著名的车辆路径问题对该算法进行了验证，结果表明提出的并行遗传算法可以有效的提高优化速度和求解质量。     

自适应并行遗传算法求解非对称性旅行商问题

遗传算法是一种模拟生物进化的搜索最优解算法.根据交叉概率与变异概率在不同时期的不同要求,提出一个随进化代数和群体的适应度进行自适应调整的策略.同时,采用粗粒度并行策略,使算法具有更好的收敛性、稳定性、更快的速度和更好的优化质量.最后通过一些精典的非对称性旅行商问题对该算法进行了检验,结果表明自适应并行遗传算法可以有效提高遗传算法的求解性能.     

自适应并行遗传算法求解非对称性旅行商问题

遗传算法是一种模拟生物进化的搜索最优解算法。根据交叉概率与变异概率在不同时期的不同要求,提出一个随进化代数和群体的适应度进行自适应调整的策略。同时,采用粗粒度并行策略,使算法具有更好的收敛性、稳定性、更快的速度和更好的优化质量。最后通过一些精典的非对称性旅行商问题对该算法进行了检验,结果表明自适应并行遗传算法可以有效提高遗传算法的求解性能。     

基于改进遗传算法的TSP问题优化研究

旅行商问题（TSP问题）已经被证明属于NP完全问题。遗传算法是一种模拟自然界中生物的进化机制的优化策略．是一种基于群体、隐并行搜索策略，是求解TSP问题效率相当高的一种算法。因此．本文提出使用改进的遗传算法．即用个体数量控制选择策略以保证群体的多样性，用顺序交叉算子和部分路径翻转变异算子来提高算法的收敛速度．较好地解决了群体的多样性和收敛速度的矛盾。算法的分析和测试表明．该改进算法的是有效的。     

基于改进遗传算法的FIR数字滤波器的优化设计

提出了利用基于BP(Back Propagation)神经网络的遗传算法来设计FIR数字滤波器的方法。针对遗传算法很难实现全局最优和搜索速度比较慢的缺陷,提出了改进算法,该算法充分利用了遗传算法的全局搜索功能强和BP神经网络的搜索效率高,优化了搜索时间,提高了算法性能,对于解决大规模多极值优化问题特别有效。最后,以设计低通滤波器的实例验证算法的可行性。     

基于改进遗传算法的TSP问题求解的研究

为了解决基本遗传算法求解TSP问题过程中容易发生"早熟"收敛的问题,并进一步提高算法的求解速度,提出了一种求解TSP问题的改进的遗传算法。采取的主要改进手段是:用贪婪算法构造初始种群,以提高找到近似最优解的速度;在轮盘赌方法的基础上融入最佳保存策略进行选择操作;采用两点三段随机交叉的方法进行交叉操作,保持种群多样性以及避免种群过早成熟。并通过编程实现了该算法,最后通过中国144个城市的TSP实验,验证了该算法的良好性能。     

遗传算法在智能财务分析中的应用

遗传算法作为一种全局并行搜索技术用来搜索优化群体中的最优个体,已在组合优化、规划设计、人工智能等领域被广泛应用.本文将遗传算法引入财务分析中,并通过两个例子具体说明遗传算法在财务分析智能化中的作用.     

基于免疫遗传算法的物流业路径规划

为了克服遗传算法的缺陷,将生物学中的免疫机制与标准遗传算法结合,提出一种基于免疫遗传算法的物流业路径规划方法.仿真实验结果显示:该方法能够有效求解大规模的路径优化问题,相比遗传算法,免疫遗传算法具有更快的收敛速度.     

基于改进遗传算法的TSP问题求解的研究

为了解决基本遗传算法求解TSP问题过程中容易发生“早熟”收敛的问题,并进一步提高算法的求解速度,提出了一种求解TSP问题的改进的遗传算法.采取的主要改进手段是:用贪婪算法构造初始种群,以提高找到近似最优解的速度；在轮盘赌方法的基础上融人最佳保存策略进行选择操作；采用两点三段随机交叉的方法进行交叉操作,保持种群多样性以及避免种群过早成熟.并通过编程实现了该算法,最后通过中国144个城市的TSP实验,验证了该算法的良好性能.     

车辆数不确定的时间窗车辆路径问题的小生境混合遗传算法

建立了优化的多目标带有时间窗的车辆路径问题模型,提出一种小生境混合遗传算法。算法采用混合并行选择方法、最优保留策略以及随机权重适应值函数,克服遗传算法固有的搜索能力差和“早熟”等缺点。实验结果表明,该算法对于解决车辆数不确定的时间窗车辆路径问题提供了一个非常有效的求解方法。