Analysis of Estimation of Distribution Algorithms and Genetic Algorithms on NK Landscapes
Missouri Estimation of Distribution Algorithms Laboratory (MEDAL)（密苏里分布估计算法实验室（MEDAL））；Department of Mathematics and Computer Science（数学与计算机科学系）；University of Missouri–St. Louis（密苏里大学圣路易斯分校）
本研究分析了几种遗传和进化算法在随机生成的NK适应度景观与不同的n和k值的性能。首先为每个n和k生成大量NK问题实例，并使用分支定界算法获得每个实例的全局最优解。接下来，分层贝叶斯优化算法（hBOA），单变量边际分布算法（UMDA），和简单的遗传算法（GA）均匀和两点交叉算子应用到所有生成的实例。然后对所有算法的性能进行了分析和比较，并对结果进行了讨论。
2008-01-21 cs.AI cs.NE
A Powerful Genetic Algorithm for Traveling Salesman Problem
Sun Yat-sen University（中山大学）
提出了一种求解旅行商问题的高效遗传算法。为了构建一个强大的GA，我使用边缘交换（ES）与局部搜索过程，以确定良好的组合的构建块的父解决方案，以产生更好的后代解决方案。在TSP基准上的实验结果表明，该算法在多达16,862个城市的实例中找到高质量的解决方案是有竞争力的。
2014-02-19 cs.AI cs.NE
From Understanding Genetic Drift to a Smart-Restart Parameter-less Compact Genetic Algorithm
École Polytechnique（巴黎综合理工学院）；CNRS（法国国家科学研究中心）；Institut Polytechnique de Paris（巴黎理工学院）；Southern University of Science and Technology（南方科技大学）；University of Science and Technology of China（中国科学技术大学）
针对分布估计算法中种群规模选择困难的问题，提出无参数紧凑遗传算法，通过智能重启机制自动适配规模并中止遗传漂变运行，在理论与实验上均证明其具备高效性与鲁棒性。
2021-06-09 cs.AI cs.NE
A Memory Optimized Data Structure for Binary Chromosomes in Genetic Algorithm
提出了一种基于元数据的存储优化数据结构，用于实现遗传算法中的二进制染色体。在GA中，根据问题域使用不同类型的基因型。其中，二进制基因型是最流行的一个非枚举编码，由于其代表性和计算简单。本文提出了一种内存优化的二进制基因型实现方法。该方法提高了记忆的利用率和保留等位基因的能力。数学证明已经被提供来建立相同的。
2021-02-24 cs.AI cs.NE
Evolving Evolutionary Algorithms using Linear Genetic Programming
Babes-Bolyai University（巴比什-波雅依大学）
提出了一种新的进化算法模型。该模型是基于线性遗传编程（LGP）技术。每个LGP染色体编码一个用于解决特定问题的EA。几个进化算法的函数优化，旅行商问题，二次分配问题的进化使用所考虑的模型。数值实验表明，进化算法执行类似的，有时甚至比几个著名的基准测试问题的标准方法更好。
2021-08-21 cs.AI cs.NE
Survey of Genetic and Differential Evolutionary Algorithm Approaches to Search Documents Based On Semantic Similarity
School of EECS, College of Engineering and Mines, University of North Dakota（电子工程与科学学院，工程与采矿学院，北达科塔大学）
本综述探讨了在海量数据中基于语义相似性搜索文档的挑战，重点总结了遗传算法与差分进化算法等进化计算方法在该领域的最新进展。
2025-07-15 cs.AI cs.NE
Genetic Algorithm for Solving Simple Mathematical Equality Problem
本文介绍了遗传算法，为初学者在这一领域。介绍了遗传算法的基本原理和算法流程。简要介绍了用遗传算法求解简单数学等式问题的分步数值计算方法
2017-06-30 cs.NE
A Novel Genetic Algorithm using Helper Objectives for the 0-1 Knapsack Problem
0-1背包问题是一个著名的组合优化问题。近似算法已被设计用于解决它，他们返回证明良好的解决方案在多项式时间。另一方面，遗传算法非常适合于解决背包问题，他们找到合理的好的解决方案迅速。一个自然出现的问题是遗传算法是否能够找到解决方案一样好的近似算法做。提出了一种求解0-1背包问题的多目标优化遗传算法。实验结果表明，该算法优于贪心算法、混合策略遗传算法和贪心算法+混合策略遗传算法。
2014-04-03 cs.NE
Comparison Study for Clonal Selection Algorithm and Genetic Algorithm
人工免疫系统（AIS）和遗传算法是受理论免疫学和遗传学机制启发而产生的计算系统。在这项工作中，我们研究了两种算法的比较性能。采用人工免疫系统的一种特殊选择算法克隆选择算法（CLONALG）和遗传算法进行了测试。结果表明，根据函数类型的不同，克隆选择算法和遗传算法具有更好的性能。
2012-09-12 cs.NE
Genetic Algorithm for Constrained Molecular Inverse Design
Sejong University（世宗大学）；Electronics and Telecommunications Research Institute（电子通信研究院）
当遗传算法找到近似解时，它适合于探索大的搜索空间。正是由于这一优点，遗传算法在探索分子搜索空间这样的广阔未知空间时是有效的。虽然该算法适用于搜索广阔的化学空间，但很难在保持分子结构的同时优化药理学性质。为了解决这个问题，我们引入了一个遗传算法具有约束的分子逆向设计。该算法成功地产生有效的分子交叉和变异。此外，它优化了特定的属性，同时坚持使用两阶段优化的结构约束。实验证明，我们的算法有效地找到满足特定性质的分子，同时保持结构约束。
2021-12-23 cs.AI cs.LG cs.NE
Results of Evolution Supervised by Genetic Algorithms
综述了遗传算法指导下的一系列农业和园艺领域的进化结果。新获得的原始结果使用遗传算法的结构活性关系的报告。
2010-09-05 cs.NE
Genetic algorithm formulation and tuning with use of test functions
本文讨论了单目标约束遗传算法的浮点数、整数、二进制和置换表示。利用测试函数对浮点遗传算法进行了参数整定，得到了性能较好的参数化算法。
2022-10-06 cs.NE
Genetic Algorithms and its use with back-propagation network
遗传算法被认为是最有效的搜索技术之一。虽然它们没有提供最佳解决方案，但它们在相当短的时间内找到合适解决方案的能力使它们在许多人工智能技术中发挥了令人尊敬的作用。本文介绍了遗传算法及其特点。提出了一种利用遗传算法生成和选择BP网络最佳训练集的新方法。该工作也为原有的遗传算法提供了一种新的扩展
2014-01-21 cs.NE
An architecture for massive parallelization of the compact genetic algorithm
提出了一种适合于紧凑型遗传算法大规模并行化的体系结构。由此产生的方案有三大优势。首先，它具有低同步成本。第二，它是容错的;第三，它是可扩展的。本文认为，所提出的方法可以获得的好处是潜在的高于传统的并行遗传算法。此外，在该文件中提出的想法也可能是相关的并行化更复杂的概率模型建设遗传算法。
2004-02-20 cs.NE
A genetic algorithm for autonomous navigation in partially observable domain
Moscow Institute of Physics and Technology（莫斯科物理技术学院）
自主导航问题是机器人学的基本问题之一。虽然，一般来说，当自主车辆被放置到部分可观察的域中时，这可能是具有挑战性的。本文考虑简单的环境模型，提出了一种基于学习分类器系统的导航算法。
2015-07-27 cs.AI cs.LG cs.NE
Gender Genetic Algorithm in the Dynamic Optimization Problem
介绍了一种利用性别遗传算法优化快速过程的一般方法。它不同于传统的遗传算法，它包含了将人工种群分为两性。与来自另一个子集的女性个体相比，男性亚群经历大的突变和更强的选择。这种分离允许将整个种群对由于雄性亚群的变化而引起的变化的快速适应性与雌性部分的适应性固定相结合。与通常的性别遗传算法相比，该算法在寻找最优解时具有Boldwin效应形式的额外个体学习效果。作为一个有前途的性别遗传算法与Boldwin效应的应用，扑灭自然火灾的动力学指出。
2020-02-14 cs.NE
Hitting times of local and global optima in genetic algorithms with very high selection pressure
本文研究了具有很高选择压力的非精英遗传算法的局部或全局最优解集的期望首中时间的上界。本文的结果扩展了范围的情况下，上界的预期运行时间是已知的遗传算法，特别是适用于典型的遗传算法。所得到的界限不需要适应度递减突变的概率被一个小于1的常数所限制。
2016-06-30 cs.NE
Genetic optimization algorithms applied toward mission computability models
遗传算法是模仿生物进化过程，利用自然选择选择最好的物种生存。它们是基于几何学的，计算成本低。遗传算法使用选择、交叉和变异来获得计算问题的可行解。在本文中，我们描述了我们的遗传优化算法的关键任务和约束感知计算问题。
2020-05-27 cs.NE math.OC
Application of Decision Tree Classifier in Detection of Specific Denial of Service Attacks with Genetic Algorithm Based Feature Selection on NSL-KDD
使用遗传算法和决策树分类器，使用组合优化减少NSL-KDD数据集的特征，以确定在NSL-KDD数据集中准确分类拒绝服务攻击所需的最小特征。
2022-10-19 cs.NE
Using Genetic Algorithm To Evolve Cellular Automata In Performing Edge Detection
元胞自动机是离散的计算模型，可以表示为复杂性的一般模型。它们被用于不同的应用程序中，以获得所提出的模型的广义行为。在本文中，我们已经采取了这样的应用程序。我们已经作出了努力，以执行边缘检测图像上使用遗传算法。本文的目的和意图是分析所建议的遗传算法的能力和性能。遗传算法用于描述或获得给定问题的一般解。使用GA的这一功能，我们试图发展的细胞自动机，并显示如何随着时间的推移，它收敛到所需的结果。
2020-05-13 cs.NE
Parameter-less Optimization with the Extended Compact Genetic Algorithm and Iterated Local Search
本文提出了一种无参数优化框架，使用扩展紧凑遗传算法（ECGA）和迭代局部搜索（ILS），但不限于这些算法。所提出的优化算法（ILS+ECGA）是无参数遗传算法（GA）的一种扩展，其中消除了选择重组GA的参数。我们提出的方法是测试几个众所周知的问题。在缺乏领域知识的情况下，ILS+ECGA是一种鲁棒且易于使用的优化方法。
2004-02-19 cs.NE
Building Blocks Propagation in Quantum-Inspired Genetic Algorithm
量子遗传算法是从生物进化和量子系统的幺正进化中得到启发的一类新的元进化算法，本文对量子遗传算法中的积木块传播进行了分析。分析了与模式匹配的量子染色体的期望数目，并引入了一个随机变量。并与简单遗传算法进行了比较。此外，它已经提出了如何选择的二进制量子染色体覆盖一个域的一维适应度函数。
2010-10-01 cs.NE
Critical control of a genetic algorithm
基于统计力学和临界状态存在性的假设，提出了一种简单的启发式算法来控制遗传算法的变异概率和种群规模。
2010-05-19 cond-mat.stat-mech cs.NE
A philosophical essay on life and its connections with genetic algorithms
本文提出了一些生活和遗传和进化算法研究的各个方面之间的联系。具体来说，它涉及的主题的适应，多目标优化，决策，欺骗和搜索运营商，等等。它认为，人的生命，从出生到死亡，是一个适应性或动态优化问题，人们不断寻求幸福。更重要的是，这篇论文推测，遗传算法可以作为一种灵感来源，帮助人们在日常生活中做出决定。
2004-02-20 cs.NE
Searching the Landscape of Flux Vacua with Genetic Algorithms
在本文中，我们采用遗传算法来探索IIB型磁通真空的景观。我们表明，遗传算法可以有效地扫描的景观可行的解决方案，满足各种标准。更具体地说，我们考虑一个对称的$T^{6}$以及锥区域的Calabi-Yau超曲面。我们认为，在这两种情况下，遗传算法是强大的工具，找到磁通真空有趣的现象学性质。我们还比较遗传算法的基础上不同的育种机制，以及随机游走方法的算法。
2019-11-26 cs.NE hep-th
Non-Elitist Genetic Algorithm as a Local Search Method
充分条件下的迭代非精英遗传算法的比赛选择首次访问局部最优的多项式有界的时间平均。结果表明，如果选择适当的算法参数，这些条件是满足一类问题的保证局部最优（GLO）。
2014-03-28 cs.NE
Image Classification Method using Dynamic Quantum Inspired Genetic Algorithm
本研究提出用于特征选择的动态量子启发式遗传算法（D-QIGA），利用量子原理、自适应机制和延长染色体策略优化探索与开发，在图像分类等任务上以超过99.99%的准确率显著优于传统遗传算法。
2025-04-05 cs.NE
Implementing Genetic Algorithms on Arduino Micro-Controllers
自1975年提出以来，遗传算法一直是一种非常流行的方法来寻找精确或近似的解决方案，优化和搜索问题。在过去的几年里，人们对这一领域的兴趣越来越大，相关的技术，如语法进化，正在发展。不幸的是，为低端嵌入式架构开发遗传优化的工作并没有受到同样的热情。这篇简短的论文通过演示如何在Arduino Duemilanove（16 MHz开源微控制器）中实现遗传算法来解决这种情况，该微控制器具有有限的计算能力和存储资源。作为本文的一部分，本实现中使用的库在GPL许可下发布到公共领域。
2010-02-10 cs.NE
On the performance of different mutation operators of a subpopulation-based genetic algorithm for multi-robot task allocation problems
不同变异算子的性能通常结合遗传算法和目标问题的特定参数设置进行评价。大多数研究集中在不同参数的经典遗传算法或求解无约束组合优化问题，如旅行商问题。本文提出了一种基于子群的遗传算法来解决多机器人任务分配问题。目标问题是受约束的组合优化问题，并且如果涉及合作任务，则会更加复杂，因为这些任务会引入额外的空间和时间约束。与传统的采用锦标赛选择和部分映射交叉的遗传算法相比，所提出的遗传算法能获得更好的解。评价了不同变异算子在无/有协同任务情况下求解问题的性能。结果表明，在无合作任务的情况下，反向变异算法的性能优于其他算法，而在有合作任务的情况下，互换-反向组合算法的性能优于其他算法。
2016-06-02 cs.NE
Some Experiences with Hybrid Genetic Algorithms in Solving the Uncapacitated Examination Timetabling Problem
本文研究用两种局部搜索混合遗传算法求解无容量约束考试时间表问题，分别采用划分和优先级表示，实验表明局部搜索与混合策略相互促进，且两种算法性能与现有先进遗传型算法相当。
2023-06-01 cs.NE
From Cells to Islands: An unified Model of Cellular Parallel Genetic Algorithms
提出了一种用于细胞遗传算法（cGA）的各向异性选择方案。这种新的方案允许提高多样性和控制选择压力，这是遗传算法中的两个重要问题，特别是当试图解决困难的优化问题。通过改变选择的各向异性程度，可以将并行遗传算法从细胞模型转换为孤岛模型。性能和多样性的措施已执行一个著名的问题：二次分配问题，这是已知的是难以优化。实验表明，通过调整各向异性程度，可以在cGA和孤岛模型之间找到准确的折衷，从而优化并行进化算法的性能。这种折衷可以解释为并行遗传算法中各子种群间的适当迁移程度。
2008-03-29 cs.NE
Optimization of OFDM radar waveforms using genetic algorithms
在本文中，我们提出了我们的调查使用单目标和多目标遗传算法为基础的优化算法，以改善设计的OFDM脉冲雷达。我们讨论这些优化程序的范围内的波形设计，旨在为两种不同的雷达处理解决方案。最后，我们展示了编码解决方案如何适合于允许OFDM雷达相关挑战的波形优化，如增强检测。
2014-04-25 cs.NE
Evaluating Genetic Algorithms through the Approximability Hierarchy
本研究针对不同NP难问题近似难度差异大的问题，基于标准近似性层级分析遗传算法的效用，发现其对层级中最悲观的问题类别尤为适用，为遗传算法的应用场景选择提供了依据。
2024-02-01 cs.NE
Amazing geometry of genetic space or are genetic algorithms convergent?
遗传算法的收敛性还没有证明。我们也不提供。相反，我们提出了一些想法和论点，以说服读者，遗传算法基本上是注定要成功的。为此，我们只考虑交叉算子，单点或多点，以及选择过程。我们还证明了软选择优于其他选择方案。
2005-12-05 cs.DM cs.NE cs.SE
Genetic Algorithm Based Floor Planning System
遗传算法广泛应用于包括布局设计在内的各种优化问题中。货架的布局在超市的总销售指标中起着重要的作用，因为这会影响顾客的购物行为。采用基于遗传算法的超市货架布局设计方法。通过使用一种新的染色体表示来解决布局设计问题，该染色体表示采用许多不同的参数来防止死端并考虑提高货架可见性。结果表明，该方法可以在很短的时间内产生相当好的布局设计。
2017-04-20 cs.NE
Level-Based Analysis of Genetic Algorithms for Combinatorial Optimization
本文研究了非精英遗传算法在首次访问某个目标解子集之前的运行时间上界。特别地，我们考虑的最优解集和局部最优集的目标子集。先前已知的上限是通过漂移分析改进。最后，我们提出的条件，确保一个非精英遗传算法有效地找到近似解与恒定的近似比的类组合优化问题的保证局部最优（GLO）。
2015-12-09 cs.NE
Standard Steady State Genetic Algorithms Can Hillclimb Faster than Mutation-only Evolutionary Algorithms
在演化计算中，解释遗传算法的真正力量在多大程度上在于交叉将个体重组成更高质量解的能力是一个重要的问题。在本文中，我们将展示如何变异和交叉之间的相互作用可以使遗传算法爬山速度比他们的变异只有同行。我们设计了一个马尔可夫链框架，允许严格证明上界的标准稳态遗传算法爬山OneMax函数的运行时间。的界限建立，稳态遗传算法是25%的速度比所有标准的位变异的进化算法的静态突变率达到较低的顺序项为中等人口规模。分析还表明，较大的种群可能比大小为2的种群更快。我们提出了一个贪婪的（2+1）GA匹配的上限大于2的人口的下限，严格证明了2个人不能超越更大的人口规模下贪婪的选择和贪婪的交叉到低阶项。在互补实验中的最佳人口规模是大于2和贪婪的遗传算法是比标准的更快，进一步表明，推导出的下限也适用于标准的稳态（2+1）GA。
2017-08-25 cs.NE
Analysis of Optimal Recombination in Genetic Algorithm for a Scheduling Problem with Setups
本文对具有顺序依赖调整时间的单机最小完工时间问题（$1|s_{vu}|C_{\max}$）的最优重组算子进行了实验研究。对TSPLIB库中的基准问题的计算实验表明，遗传算法的交叉算子中的最优重组对$1|s_{vu}|C_{\max}$具有实用性。
2014-12-16 cs.NE
A Comparison between Memetic algorithm and Genetic algorithm for the cryptanalysis of Simplified Data Encryption Standard algorithm
遗传算法是一种基于种群的Meta算法。它们已成功地应用于许多优化问题。然而，早熟收敛是这样的经典遗传算法，使他们无法搜索问题域的许多解决方案的固有特性。模因算法是传统遗传算法的一种扩展。它使用了一种局部搜索技术，以减少过早收敛的可能性。简化数据加密标准的密码分析可归结为NP难组合问题。为了研究模因算法和遗传算法在简化数据加密标准问题（SDES）上的密码分析性能，对两种算法进行了比较。实验结果表明，对于这类NP难组合问题，模因算法的性能优于遗传算法。本文是我们的第一次努力，有效的模因算法的密码分析的SDES。
2010-04-05 cs.CR cs.NE
Exploration of RNA Editing and Design of Robust Genetic Algorithms
本文介绍了我们的计算方法，使用遗传算法（GA）探索RNA编辑的性质。这些模型是使用从RNA编辑系统中收集的几种基因编辑特征构建的，如在几种生物体中观察到的。我们扩展了传统的遗传算法与人工编辑机制，提出了（Rocha，1997）。编辑机制的引入为具有遗传描述的人工代理提供了一种手段，以获得更大的表型可塑性，这可能是环境调节的。我们对这些想法的第一次实现为RNA编辑的进化意义提供了一些线索。基于这些理解，我们展示了如何选择合适的RNA编辑器来设计更强大的遗传算法，结果将显示出有前途的应用到现实世界的问题。我们希望提出的框架将有助于确定RNA编辑在生物学中的进化作用，并推进遗传算法的研究现状。
2003-09-09 cs.AI cs.NE nlin.AO
Application of artificial neural networks and genetic algorithms for crude fractional distillation process modeling
本文介绍了用遗传算法训练和结构优化的人工神经网络在PKN ORLEN公司原油蒸馏过程建模中的应用。炼油厂使用历史数据开发了主分馏塔蒸馏塔产品的模型。基于几个选择的工艺变量预测馏分的质量。使用测试数据验证了模型的性能。与遗传算法配合使用的神经网络证明，它们可以准确地预测馏分质量变化，重现标准实验室分析的结果。并对所建立的神经网络模型进行了简单的知识提取。遗传算法可以成功地用于大型神经网络的有效训练和寻找其最优结构。
2016-04-30 cs.NE
Variations of Genetic Algorithms
这个项目的目标是开发遗传算法（GA）解决Schaffer F6函数在少于4000个功能评估，共运行30次。介绍了四种类型的遗传算法：分代遗传算法（GGA）、稳态（mu+1）遗传算法（SSGA）、稳态分代（mu，mu）遗传算法（SGGA）和（mu+mu）遗传算法。
2019-11-01 cs.LG cs.NE
Genetic Random Weight Change Algorithm for the Learning of Multilayer Neural Networks
在简单遗传算法的基础上，提出了一种改进随机权值变化（RWC）算法性能的新方法，即遗传随机权值变化（GRWC）。它是通过学习找到全局最小值的最优值。相对于随机变权算法，GRWC包含了一个有效的优化过程，它善于在一个受GA/RWC协同作用影响的智能策略中探索一个大而复杂的空间。通过在RWC中实现我们简单的GA，我们在寻找全局最小值时达到了惊人的精度。
2019-06-05 cs.NE
A Genetic Algorithm for the Multi-Pickup and Delivery Problem with time windows
本文提出了一种遗传算法来求解带时间窗的多配送问题（m-PDPTW）。m-PDPTW是一个满足供应商和客户之间运输需求的最优车辆路径问题，该问题满足优先级、容量和时间约束。本文的目的是一个简短的文献回顾PDPTW，提出我们的方法的基础上，遗传算法，以最小化总行程距离，然后总行程成本，通过显示一个编码代表每个人的参数。
2010-09-25 cs.NE
Efficient Noisy Optimisation with the Sliding Window Compact Genetic Algorithm
紧凑型遗传算法是一种求解二元优化问题的分布估计算法。与标准遗传算法不同，该算法不涉及交叉或变异。相反，紧凑的遗传算法使用虚拟人口表示为一组二进制字符串的概率分布。在每次优化迭代中，通过从分布中采样生成恰好两个个体，并进行恰好一次比较以确定赢家和输家。然后调整概率分布以增加生成与获胜者相似的个体的可能性。本文介绍了两个简单的变化紧凑的遗传算法，其中每一个导致一个显着的改善性能。其主要思想是通过确保每个被评估的个体用于多个赢/输比较来更好地利用每个适应度评估。第一个变化是在每次迭代中对$n>2$个体进行采样，以进行$n(n-1)/2$比较。第二种变体在每次迭代时仅对一个个体进行采样，但保留先前个体的滑动历史窗口以进行比较。我们评估的方法在两个嘈杂的测试问题，并表明，在每种情况下，他们显着优于紧凑的遗传算法，同时保持算法的简单性。
2017-08-07 cs.NE
Application of Multi-core Parallel Programming to a Combination of Ant Colony Optimization and Genetic Algorithm
本文将蚁群算法与遗传编程算法相结合，对旅行商问题（NP-难）进行优化。然而，算法的复杂性需要相当多的计算时间和资源。并行实现可以减少计算时间。本文在并行化部分重点介绍了多核体系结构和多处理器系统，并利用Intel公司的OpenMP库实现了算法组合的多核并行化。
2014-11-05 cs.NE
A genetic algorithm for structure-activity relationships: software implementation
介绍了一种遗传算法的设计与实现。适用范围是在结构活性关系上，表示为多元线性回归，预测变量来自基于结构的分子描述符家族。设计并实现了一个比较不同选择和生存策略的实验。遗传算法运行使用设计的实验上的一组206多氯联苯搜索的结构-活性关系，已知的测量的辛醇-水分配系数和一个家庭的分子描述符。实验表明，不同的选择和生存策略在所有可能的基因型的整个群体中产生不同的分区。
2009-06-26 cs.NE
Temporal Heterogeneity Improves Speed and Convergence in Genetic Algorithms
近几十年来，遗传算法已被用于解决各种各样的搜索问题。这些算法模拟自然选择，探索参数空间，为各种各样的问题寻找解决方案。在本文中，我们探讨了在遗传算法中引入时间异质性的影响。特别地，我们将交叉概率设置为与个体的适应度成反比，即，较好的解比适应度较低的解变化得慢。作为案例研究，我们应用异质性来解决$N$皇后和旅行推销员问题。我们发现，时间的异质性不断提高搜索，而没有先验知识的参数空间。
2022-02-02 cs.NE
Genetic Algorithm for Mulicriteria Optimization of a Multi-Pickup and Delivery Problem with Time Windows
本文提出了一种遗传算法来求解带时间窗的多目标优化问题。m-PDPTW是一个满足供应商和客户之间运输需求的最优车辆路径问题，该问题满足优先级、容量和时间约束。本文在简要回顾PDPTW问题的基础上，提出了一种基于遗传算法和Pareto优势法的求解方法，给出了一组最小化总行程费用、总拖期时间和车辆数的m-PDPTW问题的满意解。
2013-02-01 cs.NE
A Genetic Algorithm Based Approach for Satellite Autonomy
Manifold Computing；Georgia Institute of Technology（佐治亚理工学院）；OpenMined
研究了基于进化算法的航天器自主机动规划问题。模拟航天器被放置在四个不同的初始轨道。每个人都被允许在六个方向上进行一系列30次delta-v脉冲机动，即正负x，y和z方向。航天器机动串的目标是，从某个非极地起始轨道开始，将航天器置于极地、低偏心率轨道。采用交配、适应度、变异和交叉策略实现了一种遗传算法。遗传算法能够成功地为所有的起始轨道产生这个结果。性能和未来的工作也进行了讨论。
2020-11-15 cs.AI cs.MA cs.NE
Improving Reflexive Surfaces Efficiency with Genetic Algorithms
我们建议使用遗传算法，以提高效率的反射表面的设备中的接收器的位置是从经典的抛物面天线不同。利用这种技术，我们表明，我们可以提高ARAPUCA光电探测器的效率。
2023-02-07 cs.NE physics.ins-det
Solving Poisson Equation by Genetic Algorithms
提出了一种基于遗传算法和语法进化的求解泊松方程的方法。该方法形成了以解析形式表示的解决方案的代。PE的几个例子进行了测试，在大多数情况下，准确的解决方案是恢复。但是，当解不能以解析形式表示时，我们的方法产生了具有良好精度的满意解
2014-01-02 cs.NE
Solution to Quadratic Equation Using Genetic Algorithm
二次方程是最简单的非线性方程，求解二次方程是人们固有的兴趣之一。提出了一种基于遗传算法求解二次方程的新方法。遗传算法（Genetic Algorithm，GAs）是一种解决优化问题的技术。用这种方法生成了试解。已经计算出了许多例子，在大多数情况下，我们找到了精确的解。我们已经讨论了不同的参数对所开发的算法的性能的影响。通过对不同方程的严格检验，得出了相应的结论。
2013-06-19 cs.NE
Higher-Order Quantum-Inspired Genetic Algorithms
本文提出了一种理论和经验评估高阶量子遗传算法。介绍了该理论的基本概念，并提出了一种新型的二阶量子启发遗传算法（QIGA 2）。与将量子基因表示为独立量子位的所有QIGA算法相反，在高阶QIGA中，量子寄存器用于表示基因串，其允许使用量子现象对基因关系进行建模。对20个欺骗性组合优化问题进行了性能比较。已经提出，使用更高的量子阶数有利于遗传算法的效率，并且新的QIGA2算法优于在高计算密集型元优化过程中调整的旧QIGA算法。
2014-07-02 cs.NE quant-ph
