基于改进遗传算法的多维函数的优化计算

针对标准ＧＡｓ在多维优化中存在的弊端,提出了一种改进ＧＡｓ,在染色体基因解码方式,交换与变异算子、适应函数设计等方面做了改进。通过对极难优化函数的优化计算,说明该算法有良好的全局搜索能力和较快的收敛速度。     

代数Alg（L≥L）中的单元

证明了代数Ａｌｇ（Ｌ≥Ｌ）中非零单元与一秩算子是等价的。     

等变1-集压缩场的零轨道指标公式

在Ｂａｎａｃｈ空间Ｘ中，证明了线性１－集压缩场Ａ：Ｘ→Ｘ为零指标Ｆｒｅｄｈｏｌｍ算子的等价条件是ＫｅｒＡ的维数有限和ＲａｎｇＡ为闭集，并在Ａ为Ｆｒｅｄｈｏｌｍ算子的假设下，证明了不变直和分解定量，即Ａ的非正特征值的代数重数和是有限的，据此，在紧致李群Ｇ连续作用下的Ｂａｎａｃｈ空间Ｘ中，讨论了等变１－集压缩场ｆ∈Ｃ＾１（Ｘ，Ｘ）的正则零点轨道Ｎ＝Ｇ（ｘ０）的指标问题，证明了计算公式ｉｎｄ（ｆ，Ｎ）＝     

Σ（λ）中｛A_（p∞）｝的K收敛与A的K全连续性

本文讨论了完备空间内无穷矩阵算子Ａ的Ｋ全连续与局部凸拓扑代数Σ（λ）中｛Ａｐ∞｝的Ｋ收敛之间的关系，得到了两者等价的充要条件．     

Σ（λ）{Ap∞）的K收敛与A的K全连续性

本文讨论了完备空间内无穷矩阵算子Ａ的Ｋ全连续与局部凸拓扑代数∑（λ）中｛Ａｐ∞｝的Ｋ收敛之间的关系，得到了两者等价的充要条件。     

量子包络代数Ｕｑ(Ａｎ)的 Ｇｅｌｆａｎｄ-Ｋｉｒｉｌｌｏｖ 维数

定义一个ＰＢＷ代数Ｖｑ(Ａｎ) 使得量子包络代数 Ｕｑ(Ａｎ) 是其同态象，对 Ｖｑ(Ａｎ) 用 Ｇｒ?ｂｎｅｒ-Ｓｈｉｒｓｈｏｖ 基方法计算量子包络代数 Ｕｑ(Ａｎ)的 Ｇｅｌｆａｎｄ-Ｋｉｒｉｌｌｏｖ 维数。     

变型算子与半群

Ｊ．Ａ．Ｇｏｌｄｓｔｅｉｎ讨论了线性半群与ｃｏｓｉｎｅ算子的关系，导出了ｃｏｓｉｎｅ算子用半群表示的积分关系．该文利用屈超纯所提出变型算子方法，在抽象正则函数类定义变型算子，导出ｃｏｓｉｎｅ算子用半群的积分表示式     

Banach代数上的Fredholm乘子

讨论一般半单Ｂａｎａｃｈ代数上乘子的谱特征和Ｆｒｅｄｈｏｌｍ理论,得到了乘子Ｔ是对于ＫＭ（Ａ）的Ｆｒｅｄｈｏｌｍ元素的一个表征,并对某些代数上的乘子证明了Ｆｒｅｄｈｏｌｍ元素和Ｆｒｅｄｈｏｌｍ算子的等价性。     

遗传算法在求解全局优化问题中的应用

遗传算法是一种基于生物进化机制和原理并引用随机理论的优化搜索方法－ 它具有全局收敛特点,可以被用来解决各种复杂的实际问题－ 如工程优化设计、人工智能和决策系统等－ 本文在讨论遗传算法的基本原理框架的基础上,提出相应的编码方法和计算适应值方法－ 为了平衡ＧＡｓ的深度和广度搜索矛盾,修改遗传算子,最后给出示例     

关于一类泛代数的局部有限性

讨论这样一类泛代数Ｇ :它具有一个群的结构 (一般来说这个群不是Ａｂｅｌ群 ) ,同时还具有一个ｎ元代数算子系Ω 讨论泛代数Ｇ的局部有限性 ,例如 ,如果泛代数Ｇ是局部有限代数借助于局部有限代数的扩张 ,那末Ｇ还是不是局部有限的泛代数 ;如果泛代数Ｇ是由两个理想泛代数 (这两个理想泛代数是局部有限的 )所生成的 ,那末Ｇ还是不是局部有限的泛代数 我们给出 :如果Ｇ是局部有限代数借助于局部有限代数的扩张 ,那末Ｇ是局部有限泛代数的一个充分必要条件 利用这个结果 ,可把文 [2 ]的主要结果作为推论 同时 ,还给出当泛代数Ｇ是李环、交…     

基于代数杂交算子的变异算子机理分析

利用布尔代数的理想将遗传算法 (GAs)中的个体空间进行等价分类后 ,本文利用代数杂交算子 ,对变异算子的运行机理进行了分析 ,并得出了若干结果。作为其应用 ,分析了遗传算法的过早收敛现象     

遗传算法中算子的性质

讨论了遗传算法中的两个主要算子－杂交与变异，得到了杂交算子的四个变量及一个平行四边形法则，给出了决定杂交搜索的充要条件及杂交搜索的范围，对变异算子，指出了它的可迁性，建立了变异基因数与Ｈａｍｍｉｎｇ距离的关系。     

一种遗传算法交叉算子的改进算法

为了有效克服遗传算法收敛速度慢和易陷入局部极值点的缺点,提出了一种遗传算法交叉算子的改进算法,即采用自适应交叉概率,给不相关大的个体赋予较大的被选概率的配对方式进行交叉操作;在适应度比例轮盘赌的基础上辅以父子竞争的选择操作.二元多峰值Schaffer函数优化的仿真实例结果表明:与保留最优个体策略的遗传算法相比,改进算法能有效减少无效的交叉操作,收敛速度和全局搜索能力都得到了较大提高,其平均收敛代数和收敛到最优解的概率都优于保留最佳个体策略的遗传算法.     

A GA-Based Approach for FMS Machine Loading Planing

The machine loading problem in flexible manufacturing system isaddressed in this paper. The problem is modelled as a mixed integer program. A Genetic Algorithm (GA) approach is developed to yield an optimal solution. In the genetic algorithm, chromosomes are encoded in term of operation routes. A point-to-point crossover search operator together with a Cyclic Shifting Mutation (CSM) operator is designed to adapt to the problem. At last computational experience with the model is presented, and the results show that our genetic algorithms are very powerful and suitable to machine loading problems.     

二维对流-扩散方程反问题的遗传算法求解

给出了利用遗传算法求解二维定常对流一扩散方程参数反演的一种新方法,该方法把参数反演问题转化为优化问题求解。特别从多个初始点开始寻优,并借助交叉和变异算子来获得参数的全局最优解。数值模拟结果表明,该方法具有精度高且编程简单、易于计算机实现等特点。     

连铸组中间包问题的MTSP模型及混合优化算法

针对连铸计划中的组中间包问题,建立了多旅行商问题(MTSP)模型,提出了一种结合启发式、k-opt邻域搜索和EDA进化的混合优化算法.该算法首先利用启发式规则确定虚拟炉次的个数,从而确定染色体编码长度,每个染色体代表一种中包组合方案,然后设计了基于概率矩阵模型的EDA进化算法对染色体进行全局寻优,并使用k-opt邻域搜索进行局部优化.EDA算法不需要设计如遗传算法(GA)那样的交叉算子,避免了交叉导致的编码非法性问题.通过对企业实际生产数据进行仿真计算,其结果表明了算法具有良好的优化性能和实用性.     

求解P中位问题的混合蝙蝠算法

根据P中位问题的数学模型及其具体特征,重新定义了蝙蝠位置与位置之间的减法操作算子、速度与位置之间的加法操作算子和可行化函数,引入了遗传算法中交叉的思想对当前解进行局部搜索,提出了求解该问题的混合蝙蝠算法。通过对多个P中位算例进行测试,并将测试结果与其他算法进行比较,验证了该混合蝙蝠算法求解P中位问题的可行性与有效性。     

利用启发性知识降低交叉算子破坏性的研究

在随机搜索的过程中,交叉算子被认为是演化算法的主要动力.然而,在搜索更好的候选解的时候,如果交叉点选择不当就会破坏一个已有的较好的候选解,使得交叉后生成的新候选解比原有的候选解更差.该文提出应用与问题相关的领域知识构建更有建设性的交叉算子,并应用于旅行商问题(TSP).实验结果表明,基于具有建设性的交叉算子的混合演化算法具有更好的性能.     

一种基于遗传算子优化组合的TSP问题求解方法

一般遗传算法求解旅行商问题时,存在着搜索速度与求解质量之间的矛盾.针对此问题提出了一种逆序与对偶组合算子,用以增强遗传算法的局部搜索能力.将其与具有良好全局搜索模式的均匀杂交算子优化组合应用,采用自然数和二进制相互转换的编码方式,构造了一种对TSP问题进行求解的遗传算法,保证了算法的全局收敛性.仿真实验结果表明,该求解方法具有良好的搜索效率和求解质量.     

一种基于实数编码的改进遗传算法

在介绍基于实数编码遗传算法的优点和分析原有遗传操作机制存在缺陷的基础上,重点研究了实数编码的改进线性交叉算子,提出了一种改进遗传算法(MGA)·该改进线性交叉算子的优点是在交叉之后,一个子代位于两父代之间,另一子代位于靠近较好的父代的一侧,使解向好的方向发展,并且都是可行解·通过对几个典型的实例计算并与其他基于实数编码的遗传算法进行比较,结果表明,本算法在求解优化问题的收敛速度和精确性方面具有优势·