一和睦注解混合整数非线性规划问题的演化算法：搜索 …

提出一种求解混合整数非线性规划问题的新的演化算法－搜索空间自动收缩法（ＡＣＳＳＯＳ），在这种算法中，演化算法既用来定位最优解区域，实现搜索空间自动向全局最优解收缩，又用来最终求得最优解。由于在遗传算法引用了舍入操作，它不仅可用来求解混合非线性整数规划问题，也可求解纯整型或纯实型变量非线性函数优化问题，数值试验结果表明本文的算法在解的质量，稳定性和收敛速度等方面优于一般的演化算法。     

基因表达式演化建模

为了有效地建立动态系统的演化模型,将常微分方程的解的模型按基因表达式编码,给出了动态系统建模在遗传算法求解中的编码规则.算法采用精英选择,在主要遗传算子中,结合四阶龙格—库塔迭代公式对个体进行评估,按基因表达式程序设计进行演化,算法在求解过程中不需要过多地依赖于问题本身的知识,从而极大地降低了问题的复杂性.数值实验表明,算法具有很强的普适性.     

利用改进的HBDE算法求解MAX-k-SAT问题

目前,利用进化算法求解组合优化问题已成为智能计算领域中的研究热点。本文基于二进制差分演化算法和动态变邻域搜索相结合提出了一种求解最大可满足问题(MAX-k-SAT)的改进算法(记为IBDE),通过与遗传算法和Johnson算法对一系列随机大规模MAX-k-SAT实例的求解比较表明:IBDE是一种求解MAX-k-SAT问题非常有效的新方法。     

QoS路由技术的新方法

多约束QoS路由问题是NP完全问题，一般采用启发式算法求解。量子遗传算法和DNA计算技术是新型的软计算方法．是解决NP完全问题的有效途径。文章在介绍量子遗传算法和DNA计算基本原理的基础上．给出了利用量子遗传算法求解多约束QoS路由问题的算法过程以及利用DNA计算技术解决QoS路由问题的算法模型，为多约束QoS路由技术的求解提供了新方法和新思路。     

解病态线性方程组的遗传算法

提出了求解病态线性方程组的一种新方法－遗传算法，这是一种模拟自然遗传和达尔文进化理论的并行随机优化算法，首先，详细描述了遗传算法，然后，为了应用遗传算法，将病态线性方程的求解转化为无约束优化问题来解决，最后，给出计算机模拟结果并与其他方法作了比较。     

一种求解图的L(2,1)标号问题的混合遗传算法

通过Floyd算法、贪心算法和遗传算法结合提出了一种解决L(2,1)标号问题的混合遗传算法.通过仿真实验说明该混合算法加快了单纯应用遗传算法求解的收敛速度,能够快速解决给定图的L(2,1)标号问题.     

利用非精确算法求解模糊规划问题

提出一种基于遗传算法求解模糊线性规划的非精确算法,它将遗传算法将做为算法的框架,在遗传算子之中运用了模糊控制思想,最终求解出一个模糊优解,取代了利用单纯形法求解模糊线性规划问题的一个最优解。实验结果表明,算法能使决策者更加满意,并有潜力解决实际的规划问题。     

应急物资多式联运鲁棒路径优化

为解决灾后应急物资多式联运路径优化问题,考虑到应急物资运输网络的不确定性,针对各种运输方式的发班时刻限制,建立了不确定环境下带班期限制的应急物资多式联运鲁棒路径优化模型。同时考虑到计算机求解的NP难问题,设计了大变异遗传算法以及自适应遗传算法进行求解,并通过数值案例,对两种算法的求解结果进行了对比分析。研究结果表明：本文所设计的模型及算法可在不确定环境下快速选择出一条时效性好、鲁棒性强的应急物资调拨路径。     

具有禁忌算子的遗传算法目标优化分配

针对地面防空作战中的多通道目标优化分配问题，给出了一种具有禁忌算子的混合遗传算法。该算法结合禁忌搜索算法和遗传算法二者的优点，既克服了禁忌算法全局搜索能力的不足，又提高了遗传算法的爬山能力，还解决了遗传算法容易陷入局部最优的问题，并使搜索过程具有记忆功能。仿真结果表明，该算法可有效给出求解多通道目标优化分配问题的满意解。     

多维O-1背包问题的混合遗传算法

将贪婪法和遗传算法相结合，设计了一种价值密度，提出了一种求解多维0-1背包问题的混合遗传算法。经实例证明，该方法能较好地解决多维0-1背包问题并较简单遗传算法有较好的改善。     

求解多峰值问题的改进混合遗传算法

由于遗传算法解决问题时容易陷入局部极值点,根据遗传算法全局搜索能力强和模拟退火算法局部搜索能力优的特点,将它们混合使用,同时改进初始群体产生方法,使随机产生的初始群体之间有较明显的差别,能均匀分布在解空间,并采取与进化代数相关的多精英保留策略及改进的自适应选择与变异操作.模拟退火算法的结束条件改进为当连续五代个体与前一代适应值无变化或当前温度小于结束温度.仿真实验表明新算法在求解多峰值问题时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.     

一种基于改进型遗传算法的模糊聚类

针对模糊C均值算法(FCM算法)难以达到全局最优解的问题,引入了具有全局搜索能力的遗传算法以解决聚类问题,并在标准遗传算法基础上进行了改进。将该算法运用于IR IS数据的聚类,实现了较好的聚类,从而验证了算法的有效性。     

一种基于遗传优化的路由控制策略

遗传算法是通过模拟自然进化过程有效解决最优化问题的计算模型,在实际操作中得到广泛应用.但由于遗传算法的选择策略使每一代的优良个体大量的遗传到下一代,且适应度函数设定的差异,使最优个体很快充斥整个群体,缺少物种多样性,导致算法很快收敛于局部最优解,达不到全局优化.针对遗传算法存在的这一问题,结合禁忌搜索算法能够禁忌搜寻过的最优解而引入裂解、增加种群多样性的特性,提出了一种基于遗传优化的路由控制策略.该策略将遗传算法得到的最优解作为禁忌搜索的初始解,提出将染色体模版作为禁忌对象,并以此模版为基础建立邻域的方案.仿真实验表明,该策略能够有效的抑制遗传算法过早收敛的问题,减少了全局能量的消耗,从而延长了网络生命周期.     

混沌变步长量子遗传算法

针对多数量子遗传算法在搜索解时没有充分利用搜索过程中的先验知识的问题,结合混沌运动的遍历性和量子遗传算法的群体搜索性,提出一种基于混沌变尺度梯度下降的量子遗传算法.算法采用梯度下降法对量子遗传操作获得的优良个体进行局部搜索,引导种群的进化.结合混沌优化策略产生自适应步长,在搜索初期加快寻优速度,随着搜索逐渐接近最优点,混沌产生的小步长实现在最优解所在的小范围内进行精确搜索.实验结果表明,该方法的综合性能优于传统的量子遗传算法及遗传算法.     

基于免疫遗传算法的物流运输求解

针对传统遗传算法的缺陷，提出了结合免疫系统原理和遗传算子自适应调整的方法，即免疫遗传算法．该算法可防止算法未成熟收敛、保证种群的多样性，在使用此算法搜索最优解时，可防止陷入局部寻优情况的出现．通过对一个运输实例的求解，证实算法可达到预期的效果．     

Memetic算法及其在分类中的应用研究

群体智能优化算法Memetic算法(Memetic Algorithm,MA)采用进化算法的操作流程,引入局部搜索算子,使其在问题的求解中保证较高收敛性能的同时又能获得较高质量的解,克服了遗传算法等传统全局优化算法易"早熟"的问题,同时避免陷入局部解。在MA框架基础上,提出了全局动态适应MA算法,采用遗传算法为全局搜索算子,k-means算法为局部搜索算子。使用Java语言实现算法并对UCI中分类实验数据集进行测试,结果表明,将遗传算法和k-means结合的全局动态适应MA在分类问题中具有较高准确率。     

基于免疫遗传算法的物流运输求解

本文结合免疫系统原理和遗传算子自适应调整的方法,提出免疫遗传算法,防止算法未成熟收敛,保证种群的多样性,防止陷入局部寻优的情况.通过对一个运输实例的求解,证实算法达到了预期的效果.     

基于遗传算法和BP算法的混合算法

结合神经网络的优化问题,提出一种新的混合算法.该算法是在遗传操作中嵌入BP算子,有效地结合了遗传算法全局寻优与BP算法快速收敛的特点,同时采用二进制编码和实数编码将神经网络的结构与权值混合编码到串中,实现了结构与权值的同步优化.仿真结果表明,新算法既能够快速地收敛到全局最优解,又能够在简化网络结构复杂度的同时得到网络权值的最佳逼近.     

一种融入小生境技术的遗传禁忌算法

针对遗传算法在全局优化问题中容易出现早熟和收敛速度慢,禁忌搜索强烈依赖于初始解等问题,根据遗传算法和禁忌搜索算法自身的特点,分析两者的优势和不足,提出了一种融入小生境技术的遗传禁忌算法.该算法采用融入了小生境技术的遗传算法作全局搜索,用禁忌搜索算法作局部搜索,可以加快收敛速度,同时可以抑制早熟现象,避免过早收敛到局部最优.分析和实验结果表明,该算法能很好地抑制早熟收敛,同时在计算速度和计算结果方面都有改进,是一种快速有效的优化算法.     

求解TSP的遗传蚁群融合算法

原有的遗传融合蚁群算法虽然克服了基本蚁群算法的不足,优化效果得到了改善,但存在克服收敛速度较慢、易出现停滞以及全局搜索能力较低的缺陷.针对存在容易陷入局部最优解等问题,在原有的遗传融合蚁群算法的基础上进行了许多改进以扩大解的搜索空间,提高了其寻优能力和速度.仿真结果表明,改进后的算法具有更好的寻优能力,效果较好.