将数字水印技术应用到数据库版权保护中,针对基于混合遗传算法的关系数据库水印算法实施了研究。结合标准遗传算法和禁忌搜索算法优点,克服了标准遗传算法易出现早熟以及局部寻优能力差等缺点,设计了数据库水印嵌入、检测及提取算法。

选址—路径问题(LRP)同时解决设施选址和车辆路径问题, 使物流系统总成本达到最小, 在集成化物流配送网络规划中具有重要意义。针对带仓库容量约束和路径容量约束的选址—路径(CLRP)问题, 提出了一种结合模拟退火算法的混合遗传算法进行整体求解。改进混合遗传算法分别对初始种群生成方式、遗传操作和重组策略进行改进, 并实现了模拟退火的良好局部搜索能力与遗传算法的全局搜索能力的有效结合。运用一组Barreto Benchmark算例进行数值实验测试其性能, 并将求解结果与国外文献中的启发式算法进行比较, 验证了改进混合算法的有效性和可行性。

针对图着色对顶点划分的本质特征，提出了基于度的种群初始化方法和交集杂交算子；为加快算法的收敛速度，设计了新的贪婪局部搜索算子来改进杂交产生的后代个体。在此基础上，提出了图着色问题的一种新的混合遗传算法，对10个标准算例的仿真结果表明，新混合遗传算法可以获得问题高质量的解，是一种有潜力的算法。

用混合遗传算法求解背包问题 将贪婪修复方法与遗传算法相结合，构成混和遗传算法，并求解经典背包问题。

动态旅行商问题的混合遗传算法 动态TSP是城市（或“仓库”）不断移动的问题的变体。 此回购尝试通过应用改进的混合遗传算法（结合GA和模拟退火）来解决此问题。 遗传算法与个体学习程序混合在一起，仅当最佳后代比当前种群中的最佳个体更好时，该算法才执行局部搜索。 在“ python”文件夹中找到的python脚本用于对找到的结果进行统计分析。

基于自由落体算法的混合遗传算法.pdf

混合遗传算法综述 (1).pdf

非线性方程组的求解是数值计算领域中最困难的问题，大多数的数值求解算法例如牛顿法的收敛性和性能特征在很大程度上依赖于初始点。但是对于很多非线性方程组，选择好的初始点是一件非常困难的事情。本文结合遗传算法和经典算法的优点，提出了一种用于求解非线性方程组的混合遗传算法。该混合算法充分发挥了遗传算法的群体搜索和全局收敛性，有效地克服了经典算法的初始点敏感问题；同时在遗传算法中引入经典算法（Powell法、拟牛顿迭代法）作局部搜索，克服了遗传算法收敛速度慢和精度差的缺点。选择了几个典型非线性方程组，从收敛可靠性、计

基于现代物流配送路径中出现的车辆没有根据配送路线完成任务和配送路线不合理的原因，就实现了基于混合遗传算法的物流配送路径优化设计。首先，本文使用遗传算法和聚类分析技术的相互结合，提出了对物流配送路径优化问题的算法。其次，通过聚类分析技术实现配送客户综合的优先级聚类。最后，利用配送路优化的数学模型提出了混合遗传算法的物流配送路径优化数学模型。通过对本文所研究的算法进行计算，表示此种混合路径能够有效解决现代物流配送路径中不合理的问题，并且实现最优解。

求解整数规划的混合遗传算法,针对遗传算法的缺陷，提出了遗传算法和混沌的结合