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,通过若十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。     

遗传算法在工程结构优化中的应用研究

首先介绍了遗传算法，接着将遗传算法与传统优化算法作了比较，然后介绍几种遗传算法改进的策略，接着通过一个简单的例子验证了遗传算法是求解全局最优解的一个有效方法，同时介绍遗传算法在实际应用中经常使用的几种改进方法，最后探讨了遗传算法与传统优化方法，BP神经网络，Hopfied神经网络，模拟退火算法，通用有限元软件的结合，以期能更好地解决复杂工程结构的优化问题。     

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。     

基于公交车开展物流配送的车辆路径优化问题

本文主要研究基于公交车开展物流配送的车辆路径优化问题，通过一种新型的城市物流配送模式来缓解城市拥堵、减少物流配送总成本。该配送模式分为公交车配送和配送车辆配送两层，利用公交车的剩余容量来减少运输成本。同时建立了总成本最小为目标的优化模型，并使用改进的遗传算法对模型进行求解。本文在遗传算法生成种群的过程中，采用模拟退火算法进行优化拓展解的空间，提高改进算法的全局和局部空间搜索能力。最后经实例验证，改进的遗传算法能够找到更短的行驶路线，验证了算法的有效性。     

基于遗传算法的量化投资策略的优化与决策

面对数量众多的基于数量化模型的交易策略及其多变的参数，采用遗传算法的思想实现了策略参数的优化、多种策略的组合优化以及通过进化产生新的策略。同时发现当前最优策略在未来一段时期的表现也较为优异，于是通过动态调整交易策略，即总是选用当前的最优策略来进行仿真交易，实证结果表明该方法比大多数单一策略具有更稳定和可观的投资回报，可以作为证券投资的一种辅助决策依据。     

GM(1,1)预测遗传算法及其应用

本文概括了对遗传算法进行优化的主要策略和采用GM(1,1)模型进行灰色预测的基本方法;提出了采用GM(1,1)模型对遗传进化过程中的染色体适应度值进行预测,以该预测值作为选择操作依据之一的遗传算法改进策略;通过一个资源分配问题的实例,验证了该改进策略的有效性。实验证明,使用该方法进行较少代数的遗传进化即可得到较为充分优化的解决方案。     

基于遗传算法的自动化立体仓库的货位优化分配

文章针对自动化立体仓库的库区和货位的分配策略问题进行了讨论,提出立体仓库的库区优化数学模型：在库区优化基础上,进一步提出货位优化数学模型．将Pareto最优解的概念与遗传算法相结合,提出了一种改进的解决多目标优化问题的Pareto遗传算法解决货位优化问题．给出了仿真实验及分析,结果表明采用改进遗传算法优化策略可以有效地解决自动化立体仓库的货位优化分配问题。     

遗传算法求解最佳证券投资组合

遗传算法作为一种高效并行的全局优化搜索方法,已应用到许多领域,在求解科学研究和工程技术中各种组合优化搜索与优化计算问题方面取得了成功。本文将遗传算法引入到证券投资分析领域,利用该算法对最佳证券组合问题进行优化计算,使求解过程更简洁、直观,适合计算机进行并行处理。本文简要介绍了遗传算法的框架并举例说明了利用遗传算法计算最佳证券组合问题的求解步骤。     

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。     

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.     

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.     

并行DBSCAN聚类算法

本文针对DBSCAN算法在计算速度方面的瓶颈，提出了一种新的基于内存的并行DBSCAN算法：合理划分数据库，各个处理器并行聚类，之后合并聚类结果，可以达到很好的聚类结果效果和计算效率。通过对一台双核计算机的实验，发现实验速度可以提高50%左右。     

基于遗传算法的电子商务物流车辆路径系统的优化

在一般车辆路径系统的基础上,介绍了一般性遗传算法的常规流程,并在遗传选择、交叉和变异环节进行了改进,通过实证证明了改进遗传算法有效可靠,提高了算法的收敛速度。     

物品配送路径优化的改进遗传算法

描述配送中心物品配送路径优化问题，并构造求解问题的改进遗传算法，在算法中引入模拟退火思想判断交叉操作后新个体的接受状态，同简单遗传算法相比，该算法能够增强全局收敛性，提高收敛速度。     

快速、精确的热电联产经济调度研究

为更好地解决热电联产经济调度问题，提出了一种基于剪枝的改进遗传算法。该算法基于不同时期的种群适应度，调整自适应选择和交叉策略，在每次迭代之后对不合适的基因进行剪枝处理，提高了算法的收敛精度，加快了收敛速度。同时，也在确保种群多样性的前提下，保证了算法的收敛性。