一种基于基因表达式程序设计的新算法

基因表达式程序设计是一种基于基因组和表现型组的新型遗传算法,该算法在运行时具有很高的运行效率,实验表明在求解很多问题时比遗传程序设计优越两个数量级以上.通过对基因表达式程序设计的变异算子进行分析,发现在个体变异过程中存在着大量的基因漂移现象,这些漂移的基因一方面造就了种群的多样性,但是另一方面也降低了算法的效率,阻碍了算法精度的提高.为此,构造了一种新的算子--漂移抑制算子,通过在基因表达式程序设计方法中加入此漂移抑制算子构造出一种新的算法-基因漂移抑制算法(Gene Drifting Suppression Algorithm Based on Gene Expression Programming, GDSA-GEP),该算法在保持种群多样性的同时,能有效地控制基因的过度漂移.实验结果表明,新算法能有效地提高问题的求解精度.     

重叠复用性建模方法

基因表达式程序设计是一种新的演化建模方法,试验表明在求解很多问题时该方法比遗传程序设计优越两个数量级以上。复用性是一个重要的概念,在众多领域得到了广泛的应用。通过对染色体中的基因的复用性进行研究,提出了重叠复用性建模（Overlap Reused Modeling,ORM）方法,也可以称为重叠复用性建模（Overlap Reused Modeling,ORM）方法。重叠复用性建模方法通过改进的染色体解码（翻译）规则来实现基因的复用性,从而有效地扩大了染色体的表达空间。同时提出了一种新的染色体适应值的计算方法,这种新的方法不仅简化了染色体适应值的计算过程,而且可以杜绝因基因复用所造成的计算量的增加。     

基因表达式程序设计在复杂函数自动建模中的应用

基因表达式程序设计是一种新的自适应演化算法，该算法已经应用到许多领域中，并且取得了起好的效果。通过对适应度函数的有效设计以及函数集的有效选取，引入新的常数创建方法。将基因表达式程序设计运用于复杂函数的自动建模中，并把所建立的模型用于预测分析。通过仿真实验表明：用此方法所建立的模型比传统的最小二乘法、神经网络以及遗传程序设计等方法具有更好的性能。最后对该算法的应用前景作了简要分析。     

基于量子遗传算法的正规模糊神经网络控制器设计

针对模糊神经网络控制器通常涉及的参数较多,反传播算法难于收敛的问题,提出了一种优化设计正规化模糊神经网络控制器的量子遗传算法。该方法用量子比特构成染色体,用量子旋转门进行染色体更新,用量子非门进行染色体变异,将量子位的概率幅看作两个并列的基因,因此每条染色体包含两条并列的基因链,在染色体数目相同时,可提高获得全局最优解的概率。对控制器参数随机编码建立初始群体,利用量子遗传算法进行参数优化。实验结果表明该方法是有效的。     

一种基于GEP的多层物流网络Prüfer编码优化算法

在对Prüfer编码研究的基础上,提出了一种基于基因表达式程序设计的多层物流网络Prüfer编码优化算法(GEPPCOA)。该算法一方面利用基因表达式程序设计的多基因结构特点,克服了传统演化算法中不能直接用个体表示多层物流模式的缺点;另一方面还对基因表达式程序设计原有的操作算子进行了针对Prüfer编码的改进。实验结果表明,使用GEPPCOA求解多层物流网络的Prüfer编码优化问题时,其各项支出费用性能指标均要好于传统的演化算法,提高了算法的收敛精度。     

用GEP实现复杂函数的自动建模

GEP是一种新颖的遗传算法,在函数建模的应用中取得良好的结果.给出计算有效基因长度的伪代码,结合GRCM方法阅读基因,快速计算出染色体的适应值.在算法中增加了参数估计模块,用GEP得到较好模型后,用参数估计模块进行参数优化,试验显示这种混合的GEP方法比传统的最小二乘法、神经网络以及遗传程序设计等方法具有更好的性能.     

符号回归的一种新算法

基于头身尾三段结构的基因表达式程序设计方法,提出一种改进算法。新算法有三大改进:(1)采用模拟退火选择策略避免早熟;(2)用基因库技术保存优势基因,既加速了算法的收敛性,又提高了解的质量;(3)使用二次演化进一步提高解的精度。符号回归实验结果表明,新算法比原基因表达式程序设计算法和遗传程序设计算法收敛更快,精度更高。     

量子遗传算法及在模糊控制器参数优化中的应用

提出了一种基于实数编码的量子遗传算法。该方法用量子比特构成染色体,用量子旋转门进行染色体更新,用量子非门进行染色体变异。针对量子旋转门的旋转角方向的选择,提出了一种简易快捷的新方法。基于适应度函数的梯度信息,构造了旋转角大小的计算公式。该方法将每一量子位的两个概率幅,看作上下两个并列的基因,每条染色体包含两条并列的基因链,每条基因链代表一个优化解。在染色体数目相同时,可显著加速优化进程,提高获得全局最优解的概率。模糊控制器参数优化问题的仿真结果表明,该方法在搜索能力方面明显优于普通量子遗传算法。     

基于遗传算法的熵算法在人类染色体图像的分割中的应用

染色体图像分割是染色体图像分析与识别的重要内容之一。文中提出了实现染色体的自动分割的熵分割算法,该算法充分考虑了每个视野中分割目标(染色体)的数量大以及人类显带染色体被明暗交迭的带纹分割为若干不连续的片段等特点。文中还对传统的分割方法和熵方法进行了对比。传统的方法容易受噪声的影响从而将染色体分割开来。1维熵方法没有考虑灰度空间在空间的分布。2维熵方法在图像分割时较为费时。为了改善分割的精度和速度,在遗传算法的基础上运用1维和2维的熵方法。运用遗传算法的方法一场景分割不到一分钟并且得到得很好的染色体形态。算法的优越性通过实验来体现。     

改进遗传算法及其在背包问题中的应用

介绍了一种改进的遗传算法,给出了应用该算法的具体步骤。该算法通过使用二元染色体编码方式,利用基因处于不同状态的概率来表示等位基因,既使染色体具有了更多的信息量,又能够保证遗传算法的收敛性。通过旋转变换实现了染色体的进化,提高了算法的全局搜索能力和收敛速度。并利用组合优化中典型的背包问题对算法进行了验证,并和基本遗传算法的结果进行了比较,验证了算法的有效性     

一种针对高维决策空间的进化多目标优化方法

进化算法可并行处理多个解的特性使得它特别适合解决多目标优化问题。针对高维决策空间,将基因表达式编程引入多目标优化,设计了新的个体结构和操作,提出了一个进化多目标优化算法EMOGEP。实验结果表明,新算法在低维决策空间是可行和有效的;在高维决策空间中,表现出了比传统进化多目标优化算法更好的性能;多模态情况下,新算法能很好的逼近理论Pareto前沿。     

基于遗传优化的采样模糊C均值聚类算法

在数据挖掘领域,模糊C均值聚类法(FCM)在处理小量低维的数据挖掘时是有效的,但是面向数据库的数据挖掘经常要处理大量、高维的数据.在这种情况下,FCM算法在时间性能上难以令人满意.本文基于采样技术对FCM算法进行改进,以提高算法的时间性能,并利用遗传算法对聚类结果进行优化以保证聚类的质量,给出了一种新的基于遗传优化的采样模糊C均值聚类算法SFGO(SamplingFCMwithGeneticOptimization).仿真实验证明SFGO算法在大规模数据库的聚类挖掘中,在时间性能和聚类质量上都能获得较满意的结果.     

杂波环境下基于Hough变换和逻辑的快速航迹起始算法

航迹起始是航迹处理中的首要问题，本文提出了一种新的航迹起始算法，即基于Hough变换和逻辑的航迹起始方法，这种新的算法首先利用Hough变换法排除大量的杂波点，创造一个虚警概率比较低的环境，然后利用3／4逻辑法起始航迹，因而特别适用于密集杂波环境下快速起始航迹，仿真结果表明了这种算法在快速起始航迹中的有效性及优越性。     

一种基于会话聚类算法的Web使用挖掘方法

Web使用挖掘作为数据挖掘的一个重要任务,有助于了解用户群体的特征,从而为其提供个性化服务.提出了一种基于用户会话聚类的Wei使用挖掘算法.首先,对Web日志预处理采用基于时间窗的用户会话识别方法,提出了一种基于三元组的用户会话表示方法,并在此基础上给出了基于网页语义相似性的会话处理方法,该方法能够在保持用户兴趣不变的情况下有效降低会话维度;其次,提出了一种基于时间及频次的用户会话相似性度量方法;最后,设计了一种两阶段PS-KM会话聚类算法,先用PSO方法进行全局搜索再转入基于K-means方法的局部聚类过程.仿真表明了算法的有效性.     

一种新的地景模型简化与快速绘制方法

地景模型是一类重要模型。它可以广泛应用在航空，航天与军事指挥等领域，但由于其数据量极大，如何实现快速绘制是一个难题，本文在分析地景模型数据特点的基础上，提出了地景模型简化的判决准则，并根据该准则提出了基于视点与图像分辨率的区域数据抽取与网格重构方法，以及基于法矢量（梯度）的模型简化及其LOD层次表示，最后进行了实验验证，结果表明，该方法数据压缩量大，绘制速度快，且逼真度无明显变化。     

基于相关算法消除高重信号的时差定位模糊

总结了多种解决高重频雷达信号时差定位模糊方法的基础上,提出了一种由相关算法推导出的新方法。该方法首先运用直方图计算出高重频信号的不同参差频率和对应的模糊时差,并在此基础上进行时差组合,然后对不同参差频率下的时差进行相关运算最终得出真实的时差。计算机仿真结果表明该方法能够消除时差定位模糊,验证了其可行性和有效性。     

集成学习的多分类器动态融合方法研究

AdaBoost集成学习方法中,分类器一经学习成功,其投票权值就已确定,同一分类器对所有待测样本均有相同的投票权值。对于难于分类样本,具有良好分类性能的少数分类器权值却较低。提出适用于集成学习方法的权重自适应调整多分类器集成算法。根据多分类器行为信息,产生待测样本局部分类精度的有效判定区域,基于有效判定区域选择不同的分类器组合,并调整其相应权重,利用样本集上的统计信息来动态指导分类集成判决。实验结果表明,该算法提高了集成分类性能。     

在高度保持模式下提高GPS定位精度的方法

由于受美国政府的SA政策、星历误差、卫星钟差、电离层效应、对流层效应等因素的影响，GPS的绝对定位精度约为100m，仅能满足运动物体一般的导航需要。为了提高GPS的绝对定位精度，在不依赖于其它导航系统的辅助或采用定位差分方法的前提下，引入了高度保持模式，并在此约束条件下应用总体最小二乘法，通过理论分析和实验计算验证了这一方法的有效性。结果表明此算法可以较大地改善GPS的绝对定位精度。     

自动化立体仓库拣选作业路径优化问题研究

合理优化货物的拣选路径是提高自动化仓库运行效率的一种有效方法.通过分析自动化仓库拣选作业的工作特点,为自动化仓库拣选作业创建了含装箱约束条件的多目标优化新型数学模型,用遗传算法对该数学模型进行了求解,基于不可行程度和作业次数对遗传算法初始种群的生成进行了改进.实验仿真和工程实际应用表明该模型和算法是可行、有效的.