简介：设计了一种基于遗传算法的关联规则算法,该算法将遗传算法和关联规则相结合.对遗传算法的编码方法、适应度函数的构造、交叉算子和变异算子进行了分析,给出了所设计方法的具体步骤,并进行了试验.试验表明,改进后的算法的执行效率高于Apriori算法.
简介：BP神经网络是一种按误差逆传播算法训练的多层前馈网络，其与遗传算法的结合可以得到一种拥有良好的全局优化搜索和局部时频特性的学习训练途径。针对BP网络的不足，提出了一种基于改进遗传算法的BP神经网络控制器，此方法可以克服基本遗传算法收敛速度慢，容易陷入“早熟”收敛，计算稳定性不好等一系列问题，进一步提高了BP神经网络控制器的性能。最后通过对轧制力模型的预报仿真，证明了控制器的有效性。
简介：针对传统基于简单遗传算法的组卷系统收敛速度慢，组卷质量较差等缺陷，设计一种基于改进小生境遗传算法的自适应组卷系统。首先依照组卷约束权重比，生成适应度值较高的初始种群．其次对选择策略进行优化。引入小生境预选机制以维持种群多样性，防止过早收敛。再次根据组卷特点改进交叉算子和变异算子，根据种群进化情况，自动调整交叉概率和变异概率。最后经过若干迭代后达到终止条件，以自适应方式生成目标试卷。实验结果证明，与简单遗传算法相比，改进的遗传算法在收敛速度和组卷质量上均有显著的提高。
基于遗传算法的关联规则挖掘
基于改进遗传算法的BP神经网络控制器
基于改进小生境遗传算法的自适应组卷系统
