一类自适应遗传算法的理论分析与数值模拟

对孙建永等人提出的自适应遗传算法进行了理论与性态分析，通过随机过程分析，证明了所提出的遗传算法在概率意义下全局收敛，另外通过大数量数值模拟说明了所提算法不仅较古典二进制遗传算法有效，而且较灾编码遗传算法也更为快速有效，新算法可应用于求解广泛复杂工程优化问题。     

一类自适应遗传算法

简要介绍了徐宗本教授新近提出的可分解／可拼接遗传算法编码,并证明了一个得用对偶适应函数判定已知个体是否为相对全局最优解的判据,基于新的编码与判据,分别在种群层次与基因层次发展了动态变异与动态选择操作,进而提出了一类自适应遗传算法,对其原理的分析表明,新算法可用于求解所给问题的任意精度解,且在很大程度上可避免遗传算法早熟现象,此工作是对模拟演化自适应计算技术的有效探索。     

广义离散神经网络模型及启发式算法

对Hopfield离散网络的操作方式进行了推广，使其可以实现局部并行操作，并给出了相应的稳定条件。构造了一种用于最大独立集（MIS）问题求解的广义离散神经网络模型（GDHN）。模拟计算表明，所提出的算法在求解MIS问题时，比单纯的Hopfield神经网络算法有更好的优化性能。