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     

基于泛函网络的多维函数逼近理论及学习算法

提出一种多维函数逼近的泛函网络逼近方法,设计了一类用于函数逼近的可分离泛函网络,给出了基于泛函网络的函数逼近学习算法。而泛函网络的参数通过解方程组得到,它们能逼近给定函数到预定的精度。仿真结果表明,这种逼近方法简单可行,具有较快的收敛速度和良好的逼近性能。     

多方法协作优化算法协作策略研究

为充分发挥多方法协作优化的优势,研究了多方法协作优化算法的协作策略特性。比较了采用并联、串联、串并联和嵌入协作策略的多方法协作优化方法的不同优化特性,得出协作策略选择的一般准则。以典型全局优化测试问题进行了分析验证。研究表明,多方法协作比单独优化方法更具优势;合理选择协作策略,可以进一步提高多方法协作优化方法的优化特性。     

强计算条件下判断矩阵的优选分析

针对AHP中对判断矩阵的研究大多侧重于一个判断矩阵的不足,以强计算为基础,通过计算大量矩阵的一致性比例、期望判断阵、特征值、关联度等方法,对多个判断矩阵进行比较分析,从中选择满足一致性要求的判断矩阵,并进行优化,使其包含较多的原始信息。最后通过实例,介绍了这种优选方法的基本步骤,验证了该算法的有效性。     

基于相关矩阵对角化和遗传算法的盲源分离法

提出了一种新的基于相关矩阵对角化的代价函数作为衡量输出信号独立性的测度。为了扩大搜索空间,降低各信源之间的互相关性,将代价函数进行了非线性变换。还提出了利用实数编码的遗传算法对代价函数进行最优化搜索,以克服传统梯度搜索方法容易陷入局部收敛的缺点。此方法不仅适用于平稳或非平稳信号,而且还可用于瞬时或卷积混和模型的盲源分离问题。仿真实验表明,该算法具有快速收敛性能和高精确度等优点,能够大大提高分离后的输出信噪比。     

模糊聚类的一次定位算法

相似矩阵的传递闭包是模糊聚类的重要方法,根据在求相似矩阵的等价矩阵中取大取小运算的特征,得出相似矩阵的上三角形中的任一元素值在其等价矩阵中出现的位置,由计算过程中,当前比它大或等于的元素所在位置决定。在此基础上,将上三角形中的所有非零元素按降序排序,从第二个元素开始,按顺序计算每个元素可传递到的位置,得所求的等价矩阵。这种通过一次计算可得等价阵的最终结果的算法称为一次定位法。该算法的时间复杂度小于等于n平方级,空间复杂度为n平方级。     

基于双层符号常数模的多径水声信道盲均衡算法

针对常数模算法(CMA)及符号常数模算法(SCMA)迭代中的大量乘法运算会产生延时的不足，提出了双层符号常数模算法(DSCMA)。该算法采用逐级取符号的办法，将迭代过程中的大量乘法运算转化为比较运算，大大减少了计算量。而基于双层符号常数模的多径水声信道盲均衡器，具有收敛速度快，超量均方误差和计算复杂度小等特点。用负声速梯度信道及深海信道对该盲均衡器性能进行的仿真研究表明：该盲均衡器对多径干扰有良好的抑制作用，对水下数据通信有很强的实用价值。     

基于距离空间的遗传算法分析

通过对简单遗传算法的分析，发现每次执行复制、杂交、变异等操作均相当于对所作用的个体进行一次线性变换，这样，从函数的角度来看，引入非线性变换的遗传算子将是一个有待研究的问题，因而提出了非线性遗传算法。通过对二进制遗传算法的Hamming距离的扩充，引入了一种几何模型-距离空间，并在该空间上对杂交、变异等算子进行了系统的分析。根据分析结果，指出了改进遗传算法的途径，并提出一种改进的二进制非线性遗传算法，仿真实例证明了其有效性。以上分析从几何意义出发，提出了一种全新的分析遗传算子的方法，对遗传算法理论的完善与发展具有重要意义。     

两层非线性规划问题的并行模拟退火全局优化

两层非线性规划问题的非凸性和非可微性给全局最优解的求解带来了较大的困难，目前还缺乏成熟的全局优化策略，同时其易并行计算特性未得到重视。提出了基于模拟退火算法的两层非线性规划问题的并行全局优化策略。融合单纯形法和模拟退火算法设计了一种并行模拟退火算法，用来求解上层问题，用精确惩罚函数处理约束。下层的非线性规划问题则采用可变容差单纯形算法完成求解。所设计的组合算法有效地结合了两层非线性规划问题的易并行性，便于实现网络并行计算。计算表明算法有着可靠的全局收敛性和较高的收敛速度。     

食物链算法及其在供应链计划中的应用

人工生命两个重要特征是突现和与环境进行动态交互作用，即人工生命个体间微观的相互作用将在整个生命系统中产生突现集群的现象；同时食物链也是生命系统中重要而有又广泛存在的重要现象。基于上述思想，提出一种新的基于人工生命的算法，称为食物链算法。并把它应用于供应链计划中企业联盟的企业伙伴挑选与生产能力分配问题。该算法模拟了在未来市场需求的刺激下，供应链的成员企业是如何不但调整自己的生产能力，以及供应链如何挑选成员企业组成企业联盟的。该算法较好的解决了既有企业联盟伙伴挑选又有生产能力分配，这一具有分布特征的问题。并可应用于供应链管理的其他的问题，比如选址．分配问题。