整体退火遗传算法及其收敛充要条件

针对常用时齐（比例选择下）遗传算法的强不收敛性和 设置合理停机准则的弊端，提出一类非时齐（整体退火选择下），保证收敛且容易判断收敛的新型遗传算法，证明允许父代参加竞争是这类新算法收敛的充要条件。数值实验表明：这类新算法收敛速度快，有极强的避免过早收敛及避免局部极值的全局优化能力。     

遗传算法与最小元素法相结合在物流中心选址中的应用

针对单一品种货物的物流中心的选址问题，采用一种将单亲遗传算法与最小元素法相结合的方法来处理此类问题，并且对遗传算法做了相应的改进，为了避免遗传算法的“早熟”现象，提高收敛速度，采用优化初始种群，自动调整交叉率和变异率的方法。采用这种混合算法的好处是削弱遗传算法的随机性，加快收敛，使算法的效率得到了提高。     

基于IGA-ML的星载天线抗干扰技术

提出了一种基于免疫遗传算法的卫星通信中星载天线抗多个干扰的方法，即将免疫遗传算法和似然函数最大化(IGA-ML)结合的空域天线调零技术．该算法结合了遗传算法的全局、快速的搜索能力和免疫算法的利用实际问题自身一些基本的、显而易见的特征信息的能力，采用注射自适应提取疫苗的遗传算法寻找似然准则函数的多个峰值的优化解，可以不受初始值选取的约束，在低干信噪比、快拍数少的情况下也能够在通信环境下高分辨地进行干扰的空间波束调零，而且相对于传统遗传算法(CGA)能更快地收敛．计算机仿真实验表明了该算法的有效性和鲁棒性．     

基于新的树编码方式用免疫遗传算法解决DCMST问题

本文提出了一种新的树编码方式，可以方便地表达一棵树，简化了树在遗传算法中的编码表达。且新的树编码方式清楚地表达了边的信息，有利于疫苗的设计。此外，本文使用免疫遗传算法，有效地克服了传统遗传算法中解退化的现象。数值实验表明，解的振荡相对于传统遗传算法减小了，且收敛速度更快。     

基于改进遗传算法的云计算任务调度研究

针对云计算服务集群任务调度算法的效果,提出一种基于改进遗传算法的任务调度算法。该算法采用检测种群个体多样性生成初始种群,遗留优秀个体,检测个体相似度增加交叉操作的有效性等策略实现任务调度的改进。实验表明,该算法在云计算任务调度中是一种有效的算法,缩短了任务的执行时间并节约系统资源。     

基于遗传算法的模拟退火罚函数方法求解地下水管理模型

提出一种新的基于遗传算法的模拟退火罚函数方法求解地下水管理模型。遗传算法及建立在自然遗传学和自然选择机理上的全局随机搜索和进化的过程。与传统的基于梯度寻优方法相比,遗传算法寻优不须优化问题连续可导,同时通过模拟退火罚函数方法来处理约束条件,可以保证算法逐渐收敛于可行的最优解,克服一般遗传算法中罚因子选取的困难。     

一种粒子群结合遗传算法(PSO-GA)的云计算任务调度方法

针对云计算服务集群任务调度和负载平衡的优化问题,提出一种粒子群结合遗传算法(PSO-CA)的云计算任务调度方法。PSO-GA算法在遗传算法的基础上对种群进行分隔,用粒子群算法来构造变异算子,避免了变异算子的随机性和盲目性,很好地保持种群的多样性,克服了早熟现象。在Cloudsim平台进行模拟测试。实验结果表明,与同类算法相比,该调度方法能够缩短云计算下任务执行总时间,提高资源利用率。     

自适应混沌克隆进化规划算法

结合混沌和抗体克隆选择学说，提出一种新的人工免疫系统算法——自适应混沌克隆进化规划算法．新算法基于Logistic混沌序列；利用个体质量、进化代数和个体分布情况构造混沌变异算子；通过Logistic混沌序列自适应调整变异尺度，理论分析和仿真实验表明，与标准的遗传算法和采用随机变异的克隆选择算法相比，该算法收敛速度快，求解精度高，稳定性好，并有效抑制了早熟现象。     

一种在于混合遗传算法的概念学方法

在系统地研究了模拟生物进化过程的遗传算法之后，提出了一种将遗传算法同归纳学习过程 有机结合的算法，并在知识自动获取系统ＫＡＡ中实现，实验结果表明由ＫＡＡ生成规则的预测精确度高于由别的算法生成规则的预测精确度。     

一种基于自适应种群变异鸽群优化的航天器集群轨道规划方法

航天器集群在复杂条件下的轨道规划问题是当前航天领域的热点以及难点.本文针对分布式集群航天器在队形变换过程中的轨道最优规划问题进行了研究,提出了基于自适应种群变异的鸽群算法(adaptive population variation pigeon-inspired optimization, APVPIO).本文对经典PIO算法中的核心演化算法、演化停滞以及易陷入局部最优解问题进行了研究.同时针对经典PIO算法的适应度函数进行了研究,并且结合轨道规划问题进行了改进.最后基于自适应种群变异的鸽群算法进行了仿真实验,结果表明, APVPIO算法,相比于经典PIO算法、PSO算法在极大减少计算量的同时,有更优规划结果、更深的种群演化深度以及更快的收敛速度,可以满足航天器集群在复杂约束条件下的轨道规划问题.     

混合量子遗传算法在软硬件协同综合中的应用研究

针对多处理器嵌入式系统,结合拟 Newton算法,提出了混合量子遗传算法(MQGA)在系统设计中的解决方案,并引入了模拟退火技术.实验结果表明,MQGA能有效解决软硬件划分问题,提高了求解质量和算法的收敛速度,降低了计算代价,保证了算法的自适应性和全局最优性     

川西箭竹群落生态学研究

箭竹是大熊猫的主食竹，主要分布在亚高山地带，是亚高山森林下层重要的优势层片。对箭竹生态学研究主要集中在种群结构、生长、更新、生物生产力、繁殖特性及其在亚高山森林系统水土保持、养分平衡等生态功能发挥中的作用等几方面。而有关箭竹层片对整个森林生态系统养分循环动态过程和机理、箭竹种群生活史动态格局、开花机理、人为干扰下箭竹群落及森林群落更新的过程等方面的研究相对滞后。建议加强箭竹层片在亚高山针叶林生态系统结构和养分循环动态过程中的作用，箭竹克隆生长过程与森林群落更新过程的互动机理、箭竹种群生活史过程中养分源库动态、人为干扰下箭竹克隆种群更新过程与森林更新过程互动等方面的研究。     

基于遗传算法的列车运行调度指挥系统满意优化模型的求解

由于遗传算法为满意优化模型提供了有效的寻优算法，本文对简单遗传算法进行了改进，并应用于列车运行调度指挥系统满意优化模型，对主要步骤及主要参数进行了描述和设定。     

遗传算法求解随机用户平衡模型

分析了随机用户平衡分配的算法还有很大的改进余地。用遗传算法求解Akamatsu建立的随机用户平衡模型，为随机用户平衡分配的求解提供新的途径。在一个小型测试网络上对遗传算法的求解进行了说明。     

Gough-Stewart平台运动学设计理论与方法

以Ｇｏｕｇｈ－Ｓｔｅｗａｒｔ平台为对象，根据位置空间的几何形状特征，提出了工作空间半径比的概念，导出了局部灵活度和工作空间半径比的解析解答。通过单调性分析提示出设计参数对上述运动学指标的影响规律，并提出一种在不发生支链干涉条件下，可使末端执行器具有给定姿态能力，且使局部灵活度和工作空间半径比加权最优的尺度综合方法。     

一种以特征线为中心的曲面特征表示方法

由于自由曲面特征形状复杂多样，难以有效地进行参数化表示．本文提出了一种以特征线为中心的曲面特征层次参数化的表示方法．该方法将特征线作为曲面构建的基本单元，将特征线划分为几何层、约束层、语法层和语义层，利用特征线信息对曲面特征进行参数分层，实现曲面特征的整体形状和局部形状的层次控制；在参数化表示上，按不同自由度分为半自由和完全自由曲面特征，并对曲面特征进行了统一的定义表示．实验结果表明，本文方法能够表达多种形状的自由曲面，在高层语义参数层面上方便地编辑曲面特征，是一种有效的曲面特征表示方法．     

粒子群优化算法在确定河流水质参数中的应用

将粒子群优化（PSO）算法应用于求解分析瞬时投放示踪剂情况下的一维河流水团示踪试验数据，以及确定河流水质参数的函数优化问题。分别就粒子数目和待估水质参数的初始取值范围对算法运算过程的影响进行了数值实验。结果表明：①PSO算法能够有效地应用于求解分析河流水质试验数据，确定水质参数的函数优化问题；②粒子数目的多少对迭代次数、运算时间和算法是否收敛有一定的影响，在粒子数目较大的情况下，可以保证运算过程收敛；③待估参数初始猜测值的选取范围对迭代次数也有一定的影响，选取范围越大，需要的迭代次数越多。最后，指出了需要进一步研究的问题。     

供水管网抗震拓扑优化算法研究

针对供水管网抗震拓扑优化问题,引入管线单元投资重要度的概念评价管网中管线对管网抗震的贡献.在此基础上,将遗传算法、遗传-模拟退火算法、蚁群算法和微粒群算法等现代组合优化算法应用于供水管网抗震拓扑优化中.通过算例对上述算法的优劣进行了对比分析.结果表明：遗传-模拟退火算法表现最好,遗传算法和微粒群算法次之,而蚁群算法的搜索性能较差.     

基于改进型差分进化算法的机组负荷经济分配

在分析差分进化算法(DE)的基础上,提出一种基于"DE/target-to-best"控制策略的改进型差分进化算法(IDE),该算法采用上一代进化过程中种群中最优矢量替代DE算法中上一代最终产生的矢量作为变异操作矢量的IDE算法,避免了DE算法可能陷入早熟或者收敛速度下降等问题。将该算法用于解决机组负荷经济分配,计算机仿真测试表明,在考虑电机组燃油、阀值效应等情况下,运用IDE算法的费用消耗最低,算法整体性能表现比GA、PSO、DE算法优越。     

基于变分的图像分割算法

提出了一种新的基于变分的图像分割算法. 该算法以图像的边缘点为插值点，通过极小化一个能量函数产生光滑的阈值曲面，进而实现图像分割. 为了使所产生的阈值曲面保有原图像的边缘信息，同时又不过度锐化图像的边缘，采用非凸的能量函数，并通过引入二元能量函数，提出一种全局收敛的松弛算法，将一个非凸优化问题转化为一系列本质上的凸优化问题，从而克服了采用传统的梯度下降法会出现收敛速度较慢、甚至不收敛的困难. 实验结果验证了算法的有效性. 此外还初步探讨了相应优化问题求解过程中的参数确定问题.