勤务编排问题的关联度识别型遗传算法

为了提高遗传算法求解勤务编排问题时的优化性能,提出一种关联度识别型遗传算法。算法根据勤务的组成结构定义基因关联度,以量化基因之间的联结关系。据此引入基因座优化算子,将勤务集合划分为若干子集合,依次调整各勤务子集对应的染色体结构,使关联度较强的变量基因位置较为靠近。基于这种染色体结构设计多点交叉算子,根据相邻基因的关联度选择交叉点位置,分基因片段完成交叉操作,以便于交叉算子高效交换积木块,达到提高遗传算法寻优效率的目的。实验结果证明,该算法能够有效地求解勤务编排问题。     

基于适应度评价扩展自适应遗传算法的门级电路进化设计

针对遗传算法适应度评价阶段指定输出单元容易丢失潜在解的问题,该文提出了一种基于适应度评价扩展的电路进化设计方法.该方法将每个逻辑单元的输出都视为一个潜在的解处理,得到一个最优适应度评价值,避免了潜在解的丢失,有效地提高了自适应遗传算法的性能.通过多种电路的进化设计实验比较了该文方法与传统自适应遗传算法设计的性能,结果表明,该文方法具有收敛速度快、迭代次数少、获得最优解成功概率高的优点.     

论优化BP神经网络的一种改进遗传算法

为了全面优化BP神经网络,使之具有较好的泛化性能,改进并设计了一种遗传算法,并通过算法对比测试表明,改进后的遗传算法减少了内存占用量,保证了种群的多样性,提高了算法的运行速度和收敛效果。     

基于遗传算法的改进粒子滤波算法

针对粒子数量和质量对粒子滤波(Particle Filter,PF)的退化问题具有重要影响,从大量采样粒子中采用遗传算法(Genetic Algorithm,GA)获得采样重要性重采样粒子滤波（Sampling Importance Resampling Particle Filter,SIRPF）的初始粒子,改善初始粒子质量,并保证其随机性和统计性.在车辆定位仿真中,采用定位精度、滤波发散次数和计算时间为指标对改进的遗传 粒子滤波算法GA SIRPF和传统SIRPF进行比较.结果表明,GA改进了初始粒子质量,减少了粒子退化可能性,提高了系统定位精度.     

自适应元胞遗传算法与股票价格行为分析

与以往侧重于刻画从众模仿行为的元胞自动机价格模型不同,论文基于Moore型邻居投资者分布结构,以预测精度为切入点,将遗传算法引入到元胞自动机股票价格模型中,投资者与“邻居”沟通和分享信息,并由遗传算子来优化其对股价进行预测的各要素权重;研究了两种预测模式下的权重演化行为。以及权重交叉概率对股价行为（收敛性、波动性等）的影响;模拟了预期驱动下,股价与市场情绪的关系．研究认为：元胞遗传算法的引入,较好地驱动着股票价格回归基本价值,减轻了股票市场的波动性．     

影响城市用地情况因素的预测

城市人口的变化将影响城市的土地使用,因此对城市人口的预测有着重要的意义。它为计算城市用地情况提供数据,通过城市人口和城市用地情况的关系,可以计算出城市的用地情况。在研究中,采用遗传神经网络对城市人口进行预测,应用标准BP神经网络和遗传BP神经网络分别对城市人口进行预测,比较两种算法预测结果的准确性。分析了城市人口与城市用地情况变化的关系,为对城市用地情况变化的预测打下了基础。     

一种新的元胞网络模型

用元胞替换传统人工神经网络中的神经元,以局部连接取代相邻层级元胞之间的全连接,用规则演化算法替代BP算法,建立元胞网络模型．设计了元胞网络的训练过程：内嵌的遗传算法用于寻优各元胞状态离散化边界值以及元胞网络拓扑结构．以一个红酒分类基准数据为例,检验了元胞网络的学习性能和分类性能,获得了较为满意的结果．     

基于GA-SVM的上市公司财务评价模型研究

财务评价是企业财务管理中的重要环节,本文在对传统财务评价方法的不足进行分析的基础上,结合财务管理理论和企业预警理论,采用GA-SVM方法建立上市公司财务评价模型。首先以沪深两市2007~2009年度A股上市公司为研究对象,以因财务状况异常而被列为特别处理的公司(ST公司)作为界定上市公司的财务危机标志,并以上市公司年报财务数据作为输入特征向量,然后将遗传算法与支持向量机相结合,通过实证方法建立上市公司财务评价模型,实证结果验证了该模型的有效性。     

基于模型预测控制的快速路网匝道调节方法

探索了基于模型预测控制(MPC)的匝道调节方法.提出了匝道MPC调节的非线性动态时间离散最优控制模型及其解法.最优控制模型采用动态网络交通流模型作为过程模型,采用遗传算法求解.考察了匝道MPC调节的效果和鲁棒性,并将其效果与经典的ALINEA匝道调节方法相比.针对三起点三终点快速路网的仿真案例显示,匝道MPC调节能明显缓解拥堵,改善路网总体运行效率,较之ALINEA调节能够更连续平稳地调节交通流,在存在预测误差的情况下控制效果依然很好,其路网总耗时改善率明显高于ALINEA调节,具有很好的鲁棒性和应用前景.     

GA-BP网络与D-S证据相结合的多传感器信息融合

针对反向传播(back propagation,BP)网络与D-S(dempster-shafer)证据理论各自在处理不确定性信息方面的不足,提出了一种遗传算法(genetic algorithms,GA)优化的BP网络与D-S证据相结合的多传感器信息融合方法。一方面利用GA-BP网络获取D-S证据理论所需的基本概率赋值,另一方面通过D-S证据理论对GA-BP网络的输出进行融合。将此方法应用于高压电器设备故障诊断,仿真结果表明,该方法能克服传统BP网络易陷入局部最优问题,同时具有更好的识别结果。