针对常规二维最佳熵法计算复杂，运行时间长，收敛性差等不足，提出基于改进遗传算法的二维最佳熵阈值分割方法。通过对选择、交叉、变异等因子的优化设计，使阈值搜索的鲁棒性与收敛性有了很大改善，并对图像的分割效果进行评价。分析与仿真结果表明，改进算法在大大减少阈值搜索时间的同时，保持了良好的分割性能。

博客文章代码

博客代码

针对电力系统经济负荷分配问题,分析了遗传算法与传统数学优化方法的不同优势与特性,提出一种求解电力系统经济负荷分配问题的改进遗传算法.利用极大熵理论将经济负荷分配问题转化为可微问题,将BFGS法引入遗传算法,提出了BFGS 算子,以提高遗传算法的寻优速度与局部搜索能力.同时,应用单纯形交叉算子将种群逐步向最优点进行引导,实现算法的快速寻优.实例研究结果验证了所提出方法的有效性.

支持向量机是一种在统计学习理论的基础上发展而来的机器学习方法[1]，通过学习类别之间分界面附近的精确信息,可以自动寻找那些对分类有较好区分能力的支持向量,由此构造出的分类器可以使类与类之间的间隔最大化,因而有较好的泛化性能和较高的分类准确率。由于支持向量机具有小样本、非线性、高维数、避免局部最小点以及过学习现象等优点，所以被广泛运用于故障诊断、图像识别、回归预测等领域。

BP网络作为人工神经网络的重要分支，已经广泛应用于手写数字识别。然而BP神经网络存在训练时间长、易陷入局部最小的问题。为了克服这些问题，提出了一种改进的遗传算法，并用该算法来优化神经网络的权值和阈值。最后，利用基于该算法的神经网络对大量USPS手写数字样本集进行训练。实验结果表明，该算法比单纯的BP算法具有更快的识别速率。

【TSP问题】基于改进遗传算法求解旅行商问题matlab源码.zip

针对航空物流领域对路径进行精确计算以降低配送成本的需求，文中对路径的优化方法进行了研究。通过建模分析，将该问题被抽象为数学中的枢纽位置问题（HLP），然后使用遗传算法进行求解。为了解决大规模的复杂HLP，文中对传统的遗传算法进行了改进，将单一种群的遗传算法扩展成双种群模式。通过为两个种群设置不同的进化参数，从而保证最终胜出的个体具备更优秀的搜索能力。此外，为防止遗传个体在搜索时陷入局部最优解，还引入了模拟退火算法中Metropolis准则。为了衡量改进后的算法性能（I-SGA），文中基于航空公司的实际航线和15个大中城市机场的实际规模等相关数据进行了仿真测试。仿真结果表明，I-SGA的目标函数最优收敛值为1.234 e+12，平均收敛值为1.100 e+12；而SGA的最优收敛值为1.201 e+12，平均收敛值为1.021 e+12，所提算法的效果和效率均有明显的提升。

为了改善城市道路交叉口交通信号控制，降低交叉口车辆延误，提出了一种基于改进遗传算法优化的模糊控制方法。在优化模糊控制器的过程中，为避免出现“早熟”现象，采用改进的自适应遗传算法，在进化过程中动态调整种群中适应度值最大个体的交叉概率和变异概率，使种群进化不会处于一种近似停滞不前的状态。为了检验该控制方法的性能，以交叉口车辆平均延误作为性能评价指标，在相同交通条件下进行了仿真实验。结果表明，相对于普通模糊控制器，经过改进遗传算法优化的模糊控制器能有效减小交叉口车辆的平均延误，提高交叉口的通行能力。

工程