大学课表安排问题的PBIL算法

课程表问题是时间表问题中重要的应用内容.采用一种新的基因编码方法,可以更客观地反映大学课程安排的实际,并采用先进的PBIL算法进行实验,实验的结果表明该算法的可行性和有效性.     

PBIL算法的改进及其在机试实时组卷中的应用

给出了自动组卷系统中组卷约束条件和目标函数的数学描述.针对上机考试实时组卷的要求,根据历史组卷信息对PBIL算法的初始学习概率进行了修正.通过算法参数预估的方法,给出了提高组卷效率和成功率的途径.     

基于免疫策略的进化算法

给出了免疫策略的进化算法的具体步骤和收敛性.442个城市TSP问题的仿真计算结果表明,该算法对减轻退化现象具有明显的效果,从而提高了算法的性能与搜索效率,加快了收敛速度.     

一种混合遗传模拟退火算法及其应用

分析了遗传算法和模拟退火算法的优缺点，提出了一种混合遗传模拟退火算法，对其进行优化，并将该算法应用于TSP问题的求解之中，理论分析和实验结果表明了这种混合遗传模拟退火算法优于普通的遗传算法和模拟退火算法．     

模糊交货期Flow Shop调度文化进化算法研究

基于文化算法及文化进化思想设计了的文化进化算法,通过上层文化空间的经验知识指导下层个体进化搜索的方向及步长,通过模拟人类社会文化进化的机制实现文化空间的进化与更新,最后将算法应用到模糊Flow Shop问题的求解,用Matlab编程仿真测试.结果表明,此算法解决生产调度优化问题是可行的,而且其搜索性能优于简单遗传算法及模拟退火算法.     

一种混合算法在焦炉推焦计划调度中的应用

焦炉推焦计划安排依靠人工经验法不但缺乏智能性而且准确度低,文中建立了具有TSP(旅行商问题)性质的推焦计划调度模型。提出一种差分进化算法和蚁群算法的混合算法(HDE-ACO)。HDE-ACO的基本思想是利用差分进化算法对蚁群算法的3个主要参数进行优化,解决蚁群算法对参数变化敏感的困难,从而提高蚁群算法寻优精度。将HDE-ACO与其他几种算法对多个不同的TSP进行测试比较,结果表明HDE-ACO不仅寻优能力强而且收敛速度快。最后,将HDE-ACO应用到推焦计划调度中,对推焦计划调度的优化进行研究。     

混合量子进化算法及其在多用户检测中的应用

将量子进化算法(QEA)和粒子群算法(PSO)互相结合,提出了两种混合量子进化算法.通过对多用户检测问题的求解表明,新的算法不仅操作更简单,而且全局搜索能力有了显著的提高.     

遗传退火进化算法在背包问题中的应用

从增强算法收敛性和减少参数依赖性的角度出发，提出应用遗传退火进化算法求解背包问题，遗传退火进化算法结合了遗传算法和模拟退火算法的优点，并有效地克服了各自的弱点，使其在优化性能、优化效率和可靠性方面具有明显的优越性．阐明了用该算法求解背包问题的具体实现过程，并通过实际数值计算和结果比较表明，该算法优于遗传算法和模拟退火算法．     

差分进化算法研究及其应用

针对一种新兴的进化算法--差分进化算法,介绍了该算法的基本原理、算法流程和控制参数选择, 然后利用差分进化算法求解了多元函数的极值问题.差分进化算法具有随机选取初始值的优点,数值实验结果表明了该方法的正确性和有效性.     

基于PBIL与网络最大流的组炉算法

针对炼钢生产组炉计划编制问题,建立了相应的数学模型,并提出了基于PBIL与网络最大流的求解算法.该算法首先利用启发式规则获取炉次上界,并以此为基础,设计0-1染色体编码的PBIL算法,每个染色体代表一个炉次选择方案,并使用网络最大流理论求解染色体的具体组炉策略,给出染色体适应值,迭代后得到合同与炉次的最优匹配方案.经实际生产数据测试,利用该算法可以在较短的时间内给出较优的组炉方案,为计划员提供足够的决策支持.     

自适应进化的蚁群算法及其仿真研究

蚁群算法广泛应用于求解组合优化问题,但基本蚁群算法与其它模拟进化算法存在进化速度慢,并易于陷入局部最小等缺陷,在此提出一种采用自适应选择和动态调整的进化策略,通过TSP问题的仿真表明,算法的性能明显得到改善,该方法不仅能够加快收敛速度,节省搜索时间,而且能够克服停滞行为的过早出现,有利于发现更好的解.这对于求解大规模的优化问题是十分有利的.     

量子进化算法在机器人联盟问题中的应用

量子进化算法是一种新的基于量子计算的概率搜素算法,它采用量子比特来编码染色体,采用量子门对种群进行更新进化,具有较快的收敛速度和良好的全局寻优能力。机器人联盟问题是一个复杂的组合优化问题,本文运用量子进化算法对该问题进行算法设计与应用研究,设计了一种量子变异算子,并对算法参数进行了研究。仿真实验结果验证了量子进化算法的可行性与有效性。     

基于均匀网格的进化规划算法及其应用

提出一种新的进化规划算法－基于均匀网格的进化规划算法。该方法不仅能够加愉普通进化规划算法的收敛速度，而且能够有效地保证种群的多样性，此外，由于均匀网格方法的引入，非常有利于多模态函数的全局优化，并用该方法求解具有多个极值点的函数优化问题，计算机仿真实验结果表明该方法是非常有效的。     

基于混沌进化算法的输电网阻塞调度

以POOL交易模式为大环境,对电力市场下的输电网阻塞调度方法进行研究。基于DC潮流,利用混沌进化算法具有遍历性和随机性的特性,以及求解高维、非线性复杂优化问题的优势,对发、用电双方均参与的双拍卖模型和仅发电方参与的单一买方模型的阻塞调度过程进行研究。通过算例表明,混沌进化算法是电力市场环境下求解输电网最优阻塞调度问题的有效方法,值得推广应用。     

混合量子衍生进化规划算法及其在并行机拖期调度中的应用

针对并行机调度问题的求解,提出一种新的混合量子衍生进化规划算法(Hybrid Quan-tum-Inspired Evolutionary Programming,HQEP)。目标函数是最小化所有工件的拖期总和。HQEP将量子进化算法中的量子位、线性叠加态和量子旋转门的概念引入到进化规划算法中。定义了新的用于调度问题的量子旋转角,使个体向更好的解靠近。此外,针对并行机问题本身,改进了个体的编码方式和新的变异方法。为了验证算法的有效性和收敛性,将HQEP算法应用于同等并行机调度拖期问题的求解并加以不同规模的算例进行仿真实验。结果显示,即使在小种群情况下,所得解均优于进化规划求得的解。     

进化计算及其在智能控制中的应用

介绍了进化计算的起源与发展历史、特点与分类、有关研究与应用现状及有关软件与国际信息交流等方面的基本情况。简述了进化规则和进化策略在智能控制中的应用。     

进化算法及进化理论初探

从进化法则和遗传学的角度出发,讨论了进化算法的生物学原理,找到了其充分的生物学依据,参照自然选择机制,提出了进化算法中的随机选择和竞争性选择机制,最后,总结了进化算法的特点,对其存在问题和发展方向作了综述。     

猴王免疫进化算法

猴王遗传算法具有原理简单、易于计算的优点,但存在猴王点(最优个体)附近空间局部寻优能力弱,进而影响全局搜索能力的局限.通过引入免疫进化算法,对猴王点进行免疫进化迭代优化,使得既加大对最优个体附近解空间搜索的同时,也兼顾了对最优个体附近解空间以外区域的搜索,避免了不成熟收敛;且随着迭代的进行,局部搜索能力不断得到加强,算...     

基于DNA进化算法的Flow shop生产调度问题

DNA进化算法是基于细胞分裂中DNA分子复制原理的进化算法.算法模拟了一类单亲群体的演化过程,单亲个体能够通过分裂和变异的交互作用,以1的概率演化得到全局最优解.目前,该算法只是在连续优化问题中有很好的应用.在此算法的基础上,本文将其在个体变异操作中进行了一些改进并成功应用于Flow shop生产调度.为验证DNA进化算法的有效性,采用Flow shop标准问题进行测试.仿真实例表明,该算法简单可行,与其它算法相比较,不但有很好的求解性能,而且具有更快的收敛能力与搜索能力.