基于遗传算法的嵌入式系统软硬件划分算法

针对嵌入式系统软硬件协同设计中的软硬件划分问题,提出了一个基于基本调度块图的软硬件划分模型,并给出了一个基于遗传算法的软硬件划分算法.通过采用自适应的适应度函数和演化策略,提高了算法的稳定性、搜索效率和求解质量.实验结果说明了该算法对解决软硬件划分问题是有效的.     

一种遗传算法求约束优化问题的新方法

为了更好的解决约束优化问题,介绍了利用遗传算法求解约束优化问题的一般方法,在分析传统方法的基础上提一种遗传算法求解约束优化问题的新方法,将约束优化问题分成两步:首先不考虑目标函数,把约束优化问题转换为一个约束满足问题来处理,获得一个可行解;然后对目标函数和已满足约束的条件进行优化,最终获得一个最优解。还对该方法在不同问题下作了分析,证明了该方法对求解有约束优化问题有良好性能。     

批量及路径可变时机器ROBUST布置问题

应用混合遗传算法(HGA)解决了生产批量及路径可变时的车间ROBUST布置问题，即用遗传算法找到一种车间布置，它在各个生产时期都是最优或接近最优的．对遗传算法操作中产生的违反约束的个体采用修补和动态惩罚相结合的处理方法，即对变异操作产生的违反约束的个体采用修补的方法，同时在目标函数中引入惩罚函数控制种群中违反约束的个体数目，并设计了一个模糊控制器动态地调整惩罚系数，以解决遗传算法中的约束满足问题，提高了遗传算法的效率．仿真结果表明，所提出的动态调整惩罚系数的思想及方法是提高遗传算法效率的一种有效途径．     

利用优化的遗传算法解决饲料配方设计问题

 利用改进和优化传统遗传算法的选择策略、搜索空间,自适应调整交叉率和变异率提高了计算效率,并在遗传进化过程中用优秀个体群来逐步缩小搜索空间,提出了求解饲料配方设计问题的一种改进方法(GA+).应用该方法对3个经典非线性测试函数进行了仿真,在收敛速度和全局优化方面好于现有的遗传算法.结果表明,GA+较好地保持了种群的多样性,精度高、收敛速度快,对求解饲料配方设计问题非常有效.     

一种基于数据流图的软硬件划分背包算法

在软硬件协同设计中,将数据流图作为软硬件划分问题的输入,建立了以数据流图为基础的软硬件划分数学模型.对于规模较大的划分问题,为了满足系统性能,达到功耗和成本最小化,提出了0-1背包分解算法,采用并行求解的方式,排除了绝大多数无最优解的子问题,从而改善了大规模划分问题的求解效率.实验结果表明在大规模问题和硬件约束条件下,该算法能获得行之有效的划分方案.     

一种求解有状态服务选取问题的遗传算法

基于QoS的Web服务选取问题,通常认为应用工作流中的任务是相互独立的,而在很多实际应用中,工作流的某些任务之间往往需要共享状态信息,由此增加了任务绑定约束,使得求解复杂度提高,影响了选取效率.针对现有方法的不足,提出了一种面向有状态服务选取的遗传算法,其中重新定义了交叉操作和变异操作,使得所有个体均满足任务状态关联绑定约束,同时在个体评价策略中引入罚函数,并进行个体相似性判断以防止过早收敛.实验表明,提出的算法在有状态服务选取问题中,可求得质量良好的解,且收敛速度快,选取效率亦优于现有算法.     

基于遗传算法的协同优化方法

针对协同优化的系统级优化可行域可能不存在的问题,采用遗传算法,并借鉴逐步增强约束强度的思想,提出了基于遗传算法的协同优化算法.该算法利用各子学科返回的优化值,计算种群中个体的不可行度,根据不可行度和阈值来判定该个体是否为可行解.提出利用循环迭代次数调整阈值的方法,保证了系统级优化向一致性等式约束不满足度减小的方向进行,达到了有效增强子学科间一致性的目的.最后,利用减速器典型算例对该方法进行了验证,结果表明该方法的优化性能良好.     

工程优化数学模型的预处理分析

工程优化数学模型预处理是对模型构成要素的一系列规范化处理过程。为了方便采用遗传算法对优化模型的求解，提出对目标函数、优化变量及约束因子在优化前进行预处理。在分析惩罚函数法对约束处理效率较低的情况下，提出了一种基于知识调整策略的修正法，对解码中不满足约束的映射关系进行修正，使调整后个体映射到最有希望获得最优解的空间中。理论分析和测试数据表明：对优化数学模型采用适当的预处理，简化了优化设计过程，加速了算法的收敛速度，同时提高了最优解的质量。     

一种基于免疫思想的混合式遗传算法

基于生命科学中的免疫思想,在解决遗传算法中的约束问题时,将处理约束问题的两个关键方法(惩罚函数法和修补算法)有机的结合起来,并用于解决一类典型的约束问题--背包问题.其仿真结果表明,对于约束问题的求解,该混合式遗传算法和标准遗传算法相比在搜索全局最优解的收敛速度和精度方面都有明显的提高.     

基于权值加密的隐私安全分布式约束满足问题求解

隐私安全的分布式约束满足问题(distributed constraint satisfaction problem,DisCSP)求解算法可以很好地满足信息敏感的分布式组合求解问题的需要,为了获得更好的求解效率,提出了一种基于权值加密的隐私安全DisCSP的求解算法,对DisCSP问题中的约束基于不同的隐私权值进行加密求解;不需要增加额外的agent进行隐私约束的一致性检查,实现分布式的安全求解策略;对于可能出现的推理信息,用随机选择策略来避免信息泄漏.试验表明,该算法可以减少信息的传递量和计算的复杂性,因而具有更好的求解效率.