关于旅行售货员问题的混合遗传算法研究

遗传算法（ＧＡ）是一类仿生算法，广泛应用于大型优化问题的求解，本文介绍孤原理和算法，并用简单遗传算法（ＳＧＡ）和混合遗传算法（ＨＧＡ）对旅行售货员问题（ＴＳＰ）进行了研究。     

Job Shop 的工件序摄动分析算法

为了研究ＪｏｂＳｈｏｐ排序（ＪＳＰ）这样一类ＮＰ完备的组合优化问题,从离散事件仿真的角度分析了ＪｏｂＳｈｏｐ中工件序单步摄动和多步摄动出现时系统状态的变化规律,提出了一类求解ＪＳＰ问题的近似算法——工件序摄动分析算法（ＪＳＰＡ和ＪＳＥＰＡ）,并研究了此类算法的应用模式。工件序摄动分析算法具有迭代性和构造性特点,兼顾ＪＳＰ问题求解的速度、精度和规模,能够对初始序点进行改进,获得较好的工件极小序（或最小序）。测试实验结果表明算法具有良好的整体性能。     

前向网络的两种混合学习策略

针对前向网络反向传播算法（ＢＰ）训练缓慢和易于陷入局部极小的缺点以及反向运算的复杂性,利用ＢＰ算法监督学习特点、模拟退火（ＳＡ）算法在局部极小处的概率突跳特性和遗传算法（ＧＡ）的并行化群体搜索的特点,有效结合ＢＰ和ＳＡ算法以及ＧＡ和ＳＡ算法,提出了前向网络的两种混合学习策略即ＢＰ＆ＳＡ混合策略和ＧＡ＆ＳＡ混合策略。以异或问题为例,通过计算机仿真对混合策略与ＢＰ、改进ＢＰ算法的比较表明混合学习策略较大程度改进了前向网络学习的收敛性能和收敛速度,并一定程度上避免了反向运算的复杂性,是前向神经网络学习的有效算法。     

插入归并算法及其脉动阵列实现

介绍了插入归算法的原理。并通过该算法的脉动阵列实现,阐述了超大规模集成电路阵列处理器的实现过程。介绍了映射法实现阵列处理器的三个步骤,即：（１）从算法导出局部数据相依图（ＤＧ）;（２）从ＤＧ 导出信号流图（ＳＦＧ）;（３）将ＳＦＧ 映射到阵列处理器（ＡＰ）。ＡＰ 可以是脉动（ｓｙｓｔｏｌｉｃ）阵列、波前（ｗ ａｖｅｆｒｏｎｔ）阵列、多指令多数据流（Ｍ ＩＭ Ｄ）阵列或单指令数据流（ＳＩＭ Ｄ）阵列。     

利用GA—BP算法对模糊神经网络进行优化

分析了ＢＰ算法和遗传算法（ＧｅｎｅｔｉｅＡｌｇｏｒｉｔｈｍｓ,以下简称ＧＡ）各自的优缺点,将改进的ＧＡ与ＢＰ算法相结合,提出了一种新的ＧＡ－ＢＰ算法,并将其应用于模糊神经网络的参数优化,仿真结果验了本算法的有效性。     

异构计算系统的表调度式任务映射与调度算法

研究了在异构计算系统（ＨＣＳ）中利用表调度式算法进行任务映射与调度．给出两种异构静态优先级表调度式任务映射算法（ＨＳＰ和ＧＨＳＰ）,以及一种异构动态优先级表调度式任务映射算法（ＢＨＤＰ）．实验结果表明,ＧＨＳＰ算法对于粗中粒度ＤＡＧ的调度效果稍好于ＨＳＰ算法,而ＢＨＤＰ算法对于粗粒度和细粒度ＤＡＧ的调度效果均明显优于ＨＳＰ和ＧＨＳＰ算法．     

一种自适应线谱对滤波器的新算法及在线性预测中的应用

本文从自适应格型滤波器导出自适应线谱对（ＬＳＰ）滤波器，使用最小均方（ＬＭＳ）型自适应算法逐级更新计算线谱对系数。实验表明。该算法与其它算法比较，具有更高的收敛率和较低的失调。用该算法计算得到的ＬＳＰ系数进行语音线性预测合成，获得比使用ＰＡＲＣＯＲ系数更好的效果。     

基于物理模型的成像算法评价与 SASART 成像算法

基于物理模型的图像重建算法评价方法,作者研究设计的ＳＡＳＡＲＴ算法,给出了常用算法ＳＶＤ,ＣＧ,ＬＳＱＲ,阻尼ＬＳＱＲ,ＳＩＲＴ,ＳＡＲＴ及ＳＡＳＡＲＴ的测试结果。测试数据表明：（１）线性成像方程系统的特性（条件数）及解结构都对解精度有影响,解模型越粗糙,解的精度越低;（２）自激励联合迭代重建算法（ＳＡＳＡＲＴ）迭代稳定、抗噪音能力强,用于高噪数据反演能获得合理的图像;（３）各种求解算法都具有平滑效应,同时也都会产生误差很大（＞１５０％）的奇异解;（４）小的数据拟合差并不一定指示解的精度高;（５）对含误差数据,应用阻尼ＬＳＱＲ或ＳＡＳＡＲＴ算法进行成像反演。     

单亲遗传算法及其应用研究

针对传统遗传算法（ＴＧＡ）在求解组合优化问题方面存在的不足,提出一种单亲遗传算法（ＰＧＡ）。ＰＧＡ不使用ＴＧＡ常用的交叉算子,而是通过基因换位算子隐含交叉算子的功能来实现进化操作,简化了遗传操作过程,并且不要求初始群体具有广泛多样性,不存在“早熟收敛”问题,仿真结果表明这种算法是有效的。     

一种新型的动态模糊神经网络控制器

基于前向模糊神经网络ＡＮＦＩＳ提出了一种新型的动态模糊神经网络（ＤＦＮＮ）,将模糊逻辑,神经网络和ＰＩＤ控制器三者的优点有机地融合在一起。通过在ＡＮＦＩＳ的归一化层和输出层之间加入递归层,构成了动态模糊神经网络（ＤＦＮＮ）,并推导了基于ＢＰ的反传学习算法,与ＡＮＦＩＳ和ＰＩＤ控制器相比,ＤＦＮＮ具有更好的控制效果。ＤＦＮＮ的参数具有明确的物理意义,可根据专家的经验选择初值,加快了网络的收敛速度,由     

一种变步长和变阶计算的自适应数值积分算法

将自适应Simpson算法和Romberg外推算法相结合,提出一种新型的自适应S-R(Simpson-Romberg)算法,它兼有变步长计算和逐步提高数值积分法收敛阶的优点.若干数值比较算例表明,当被积函数在积分区间上变化性态急剧多变时,与自适应Simpson算法和Romberg外推算法相比,它具有明显优势.     

离散元法中三种球形颗粒接触发现算法的比较

离散元法的计算效率是离散元法的核心问题,而接触发现算法是影响计算效率的重要因素.以目前广为使用的球形颗粒离散元法中的三种接触发现算法为基础,分别将这三种方法并入到作者自行开发的离散元程序中,模拟五个不同颗粒数量的砂堆形成过程.模拟结果表明,边界盒法计算效率最高,相邻单元法次之,边界球法计算效率最低.     

基于遗传算法Beta分布参数的极大似然估计

在求解Beta分布中三参数的极大似然估计（MLEs）时,因对应的似然方程组得不到显性解,故采用遗传算法来求解该方程组的数值解.结果表明,通过遗传方法得到的MLEs数值解是非常接近真实值的.     

求解二维波动方程初边值问题的显隐混合校正并行算法

提出了一种基于区域分解法的显隐混合校正并行算法．通过对二维波动方程的数值试验，发现该算法具有无条件稳定性，其数值计算结果与整个区域上采用隐格式的计算结果相当，计算精度明显好于Kuznetson算法和改进的Kuznetson算法，计算时间也比Kuznetson算法和改进的Kuznetson算法的时间少，且小于隐格式计算时间的一半．     

遗传算法和3-opt结合求解带有能力约束的VRP

描述了带有能力约束的车辆路径问题(ＶＲＰ),在预先不固定车辆数的情况下,把聚类和排序有机地结合起来,并用遗传算法和３ ｏｐｔ算法相结合的混合算法对问题进行求解,实验结果表明算法获得的最好解、平均负荷率和计算成本都比较令人满意·     

求解线性规划的几种方法

线性规划是运筹学中应用最广泛的一个分支,详细地分析了线性规划的非多项式算法和多项式算法;给出了求解线性规划问题常用的数学软件,并对这些软件做了介绍。最后给出了线性规划问题的原-对偶内点算法,数值实验表明该算法具有很好的收敛性与稳定性。     

二次半定规划一个原始对偶路径跟踪算法

本文提出求解二次半定规划的一个基于H..K..M方向的原始对偶路径跟踪算法.文中首先导出确定H..K..M方向的线性方程组,并证明该搜索方向的存在唯一性;然后给出算法的具体步骤,并证明算法产生的迭代点列落在中心路径的某个邻域内.最后采用Matlab(R2011b)数学软件编程对算法进行数值试验.数值结果表明算法是有效的.     

基于纯数值函数优化的一种混合遗传算法

通过引入与进化代数相关的交叉概率和与个体适应度相关的变异概率的自适应遗传算子同时把Powell局部寻优算法融入遗传算法的搜索过程构成了一种数值函数全局寻优的混合遗传算法.实验表明混合遗传算法改善了遗传算法的局部搜索能力,有效地解决了遗传算法的早熟现象,显著提高了遗传算法求得全局解的概率.同时由于混合遗传算法中只利用函数值信息,所以该混合遗传算法是纯数值函数的优化的一种通用方法.     

一类求解极值问题的ε-算法

针对极值函数的特性 ,给出了一种计算极大值函数的ε 次梯度的数值方法 ,从而构造出了一种求解极小极大问题的ε 算法 ,并且证明了算法的收敛性 ,初步的数值例子表明算法是有效的     

带导数的自适应变阶积分公式

利用自适应Simpson算法和基于Hermite插值导出的带端点导数的Romberg外推算法结合思想,提出一种新型的带端点导数的自适应变阶积分公式:它兼有变步长计算和逐步提高数值积分法收敛阶的优点。数值算例表明,当被积函数在积分区间上变化性态急剧多变时,与自适应Simpson算法和Romberg外推算法相比,新算法的求解精度有了较大提高。当精度要求一定时,新算法大大减少了计算量。