一种自适应多Agent协同遗传算法

提出了一种自适应多Agent协同遗传算法。该算法由协调控制器下的多个相对独立的Agent组成,每个Agent都是由简单遗传算法构成的计算实体。协调控制器根据每个Agent的产出和成长性,自适应地分配计算资源,使有限的资源得到更加合理的利用。各Agent之间通过个体迁移和跨域交叉进行协作,个体迁移为A gent引入新的遗传基因,跨域交叉能产生出更加优良的后代个体,从而改良各个个体种群的品质。测试结果表明,该算法具有很好的收敛性能     

遗传算法交叉操作的改进

交叉操作是遗传算法中最重要的一种操作,是影响算法收敛性能的关键。提出一种改进的交叉操作,定义了种群的多样性和个体的相关性,根据种群的多样性和个体的相关性选择不同的交叉策略,大大减少无效的交叉操作,提高交叉操作的效率,从而改善算法的收敛性能。对复杂函数优化的仿真计算结果表明,同标准交叉操作比较,改进的交叉操作更加有效。     

一种新的求解函数优化问题的两级遗传算法

提出一种新的两级遗传算法,用于求解带约束的非线性函数优化问题。本算法的特点是,在保留经典遗传算法中选种、交叉和变异3种基本操作的同时,增加了重构、局部寻优两种新操作,加快了收敛速度;利用拉格朗日时偶原理,构造拉格朗日对偶函数,在上下两级分别对拉格朗日乘子和函数变量进行优化搜索。算例表明了该算法的优越性。     

一种新的动态口令认证机制

为解决时间同步式和事件式的缺点,提出一种新的动态口令认证机制,它产生的口令与时间无关,只与登录的次数相关,故每次登录时的口令都不相同。它的核心是带输出的自动机,在客户端和服务器运行相同的自动机,且登录次数同步变化,故两端口令可以保持一致。在分析口令独立性的基础上,证明自动机产生的口令符合动态口令的条件。系统有两种工作模式,同步时的登录模式和失步时的校准模式。在校准模式下,只需经过两次握手,客户端和服务器就可以恢复同步。校准操作很容易,用户在客户端可以独立操作完成,不需要管理员干预。     

用遗传算法求解机器排序优化问题

提出一种针对机器排序问题的遗传算法,该算法编码简单并构造了新的交叉和变异算子.用该算法成功地求解出了三个著名的Muth-Thompson问题(MT6×6,MT10×10,MT20×5)的最优解.计算表明,该算法具有较高的效率,能有效地求解机器排序等复杂的组合优化问题.     

Job Shop调度问题的遗传退火算法

针对作业车间(JobShop)调度问题,提出了一个遗传退火算法。该算法构造了基于工作的遗传算子,因而保证了遗传进程中生成个体的可行性,有效地解决了工件机器顺序的约束限制。通过对最佳个体进行模拟退火,把模拟退火机制引入到遗传进化过程中,将模拟退火和遗传算法两者的优点有机地结合起来,从而进一步提高了算法的全局寻优能力。仿真计算表明了该算法的良好收敛性和有效性。     

混合电力系统的短期预报和最优调度

应用ＢＰ型神经网络，对水火混和电力系统中的负荷和水库独立来水进行短期预报；应用大系统最优化理论中的关联预估方法，针对大规模水火混合电力系统的最优经济调度问题，构造出一个新的多级算法，该算法结构清晰，具有很好的收敛性。     

求解带约束函数优化的两级自适应遗传算法

针对带约束的非线性函数优化问题 ,提出一个两级自适应遗传算法。根据待优化函数和约束构造拉格朗日对偶函数 ,在下级对给定的拉格朗日乘子 ,用遗传算法搜索变量的最优解 ;在上级针对拉格朗日对偶函数 ,用遗传算法搜索拉格朗日乘子的最优解。采用自适应的方法 ,根据个体的适配值和种群的适配值统计特性确定交叉概率和变异概率。计算结果表明 ,该算法是有效的。