半导体封装测试生产线模型及其调度方法

针对成都某工厂半导体封装测试生产线上的调度问题,结合封装测试生产线的特点,建立了以完成加工任务为约束条件,同时考虑设备初始状态和切换时间,以最小化设备的最大运行时间为目标函数的数学模型. 提出了基于自适应并行遗传算法求解半导体封装测试生产线调度的方法,算法同时综合了自适应遗传算法和并行遗传算法的优点. 并对该工厂半导体封装测试生产线上的调度案例结果进行了分析,试验结果表明了该算法的有效性.      

遗传算法及其应用

遗传算法是一种借鉴生物界自然选择和自然遗传机制的高度并行、随机、自适应搜索算法.文章介绍了遗传算法的形成发展和基本原理,对其特点、存在问题、研究方向及应用进行探讨.     

基于求解非线性方程组的并行遗传算法的设计

作者将非线性方程组的数值求解问题转化为线性约束最优化问题,然后利用遗传算法求解该最优化问题。为防止遗传算法过早收敛,作者将遗传算法改进为自适应并行遗传算法.数值模拟实验表明,该文的算法从另一个角度为求解非线性方程组提供了一条比较有效的途径.     

基于实数编码的自适应伪并行遗传算法

根据适应度的方差，定义了一种度量种群多样性的指标。在实数编码遗传算法的交叉算子和变异算子中引入该指标，并将该指标用于指导交叉概率和变异概率两个参数的调整，从而使算法在计算过程中能够根据种群多样性的变化自适应地调整其参数。再采用并行计算的思想，在单台计算机上实现了一种类似并行遗传算法的自适应伪并行遗传算法。用这种方法对6个典型的多峰值函数求极值，并和其他方法进行比较，结果表明：所定义的种群多样性指标可以用于遗传算法的自适应调整，该算法具有较强的全局搜索能力和局部搜索能力，能够有效地克服早熟收敛问题。     

计算机网络中路由选择的优化研究

为了改进计算机网络的性能 ,提出了一种改进的并行遗传算法 ,采用多群体并行进化与自适应地改变遗传参数 ,对计算机网络中路由选择问题进行了优化 ,比较了不同算法所得到的链路利用率及网络的平均时延 .计算机仿真实验结果表明 ,该算法能较迅速地求出全局近似最优解 ,并且与传统的方法相比较 ,解的质量能大幅度地提高 ,证明此改进的并行遗传算法是行之有效的     

遗传算法及其应用

遗传算法是一种借鉴生物界自然选择和自然遗传机制的高度并行、随机、自适应搜索算法，文章介绍了遗传算法的形成发展和基本原理，对其特点、存在问题、研究方向及应用进行探讨。     

基于一种自适应并行遗传算法的网格资源选择策略

网格是在某一单一时间,将网络中众多的计算机资源集中起来共同处理某个单一问题的.而如何有效地从众多的资源中选出多个较优秀的资源是一个NP问题.该文提出一种新的自适应的并行遗传算法（NAPGA）,并对网格资源的选择策略在C+MPI平台上进行了并行模拟.结果表明,该算法不仅有效地避免了过早收敛的现象,而且取得了比改进型的并行遗传算法(NIPGA)更优的搜索结果.最后对遗传算法的搜索和收敛规律进行了一些讨论.     

基于图像分割的伪并行免疫遗传算法聚类设计

遗传算法是一种自适应全局优化概率搜索算法。但它却由于进化过程的过早收敛而导致无法保证收敛到全局最优解。因此运用伪并行思想与免疫遗传算法相结合来弥补遗传算法的缺陷。1问题描述许多学科要根据所测得的相似性数据进行分类,把探测数据归入到各个聚合类中,从而对各聚合类     

基于自适应并行遗传算法的证券投资组合研究

将传统的马科维茨模型进行了改进,引入了风险厌恶因子,对投资比例设定了上下限,进一步利用熵对风险进行了修正,并加入了专家评价对模型实行了模糊化处理。同时提出了一种自适应并行遗传算法,其运算时间短,而且随机搜索,其遗传因子能够进行自我调节,不易陷于局部最优。将该算法引入证券投资组合领域,将数据随机分为若干个小组,同时进行遗传优化,提高了运算效率。通过应用实例,求解改进的模型,计算表明自适应并行遗传算法能够准确快速地解决证券投资组合优化问题。     

基于定向突变的自适应并行免疫算法

针对克隆选择算法收敛速度较慢的问题,对算法策略进行研究,提出了一种基于定向突变的自适应并行免疫算法(APIA)。该算法采用自适应并行搜索策略,在记忆库中引入定向突变算子,增强算法的局部定向搜索能力,并改善算法早熟的问题。同时算法还改进了超变异算子,以提高其运行效率。仿真实验结果表明:该算法比克隆选择算法和传统的遗传算法有更好的寻优能力,有效地提高了收敛速度,缩短了搜索时间。     

单车辆物流配送决策模型及其遗传算法

从提高装配运输系统运作效率及效益的角度出发,综合考虑配送时窗、配送重量、体积及车辆装载力等约束因素,建立了单车辆配装运输决策模型.通过遗传算法应用在模型中的适应性分析及可能存在的问题或缺陷分析,采用自然数编码、最大保留交叉及自适应交叉变异等技术以遗传父代优良特性、改善算法的早熟及进化停滞现象并增强其寻优性能.算法中嵌入配送重量、体积及配送时窗约束检验子程序以减小编码难度并提高解的精准度.最后以实例说明模型的应用,并指出进一步的研究方向.     

基于遗传算法的多用户OFDM比特加载

根据最小发送功率准则,针对多用户OFDM系统,提出了基于遗传算法的自适应比特加载解决方案.采用的矩阵编码方法直观、简单,具有并行性运算特性.通过交叉和变异让搜索跳离局部极值的陷阱,搜索到全局最优解.仿真结果表明,在给定的误比特率下,遗传算法与等比特分配方案相比可节省功率5~6 dB,与multiuser adaptive OFDM(MAO)方法相比仅相差1 dB,同时遗传算法的并行性使得节省了运算时间,提高了运算效率.     

基于并行改进遗传算法的拱坝位移反分析

引入小生境技术和自适应杂交变异概率方法,基于并行有限元程序,给出了适合推求拱坝和地质力学参数的位移反分析并行遗传算法,并编制了相应的程序,利用地质力学模型试验数据,对溪洛渡拱坝进行了位移反分析,得到了和试验相一致的坝体混凝土和地基岩体的力学参数。结果表明,该算法可以有效解决简单遗传算法的早熟收敛问题,收敛效率得到明显提高。当采用16个CPU进行并行计算时,可以达到42%的计算效率,表明该算法适用于拱坝这样复杂的三维结构的位移反分析,可以大大减少拱坝位移反分析的时间。     

面向任务约束的可重构机械臂最优构形设计

为解决受限可重构机械臂在完成任务时的最优构形确定问题,提出一种基于自适应粗粒度并行遗传算法(adaptive coarse parallel genetic algorithms,ACPGA)的构形确定方法:以关节模块和连杆模块的加权和为目标函数,在满足可达性、关节转角限制和避免构形奇异的约束条件下,综合考虑模块数量和连接方位,确定可重构机械臂在受限空间内完成任务的最优构形.通过实例验证了该构形方法的有效性.     

数制之间相互转换的并行算法

数制转换是计算机科学中一种最基础的运算，但现有的算法基本上都是串行算法。随着并行计算机的出现，并行算法的研究也越来越受到人们的重视。要发挥并行计算机的作用，提高并行计算机资源的利用率，必须有一套强有力的并行算法的支持。本文给出了十进制与其它进制之间相互转换的并行算法，并对算法的性能进行了分析。     

一种用于MIMD平台的并行遗传／神经网络混合学习算法

本文提出了一种用于多层前馈神经网络训练的新算法，它把遗传算法与自适应变形梯度学习算法集成起来。这种并行混合学习算法已经在ＭＩＭＤ平台实现了。通过把该算法用于二个图像识别领域例子，对它的性能进行了评估，本文学显示了所 拼行混合神经网络学习算法的良好的收敛性。     

改进遗传算法求解带不相关并行机的HFSP

以最小化最大完工时间为目标的不相关并行机混合流水车间调度问题.首先建立了不相关并行机混合流水车间调度问题的数学模型;然后提出了改进的遗传算法进行求解.为弥补遗传算法的迭代后期容易陷入局部搜索的缺陷,在传统遗传算法的基础上利用改进的自适应交叉和变异概率因子及模拟退火局部搜索策略,增强遗传算法在迭代后期跳出局部最优的能力....     

改进的遗传算法在多目标物流配送路径中的应用

物流配送路径优化是物流系统设计的关键环节。针对物流配送路径问题复杂性和多约束性,提出一种改进的遗传算法——自适应免疫遗传算法(AIGA)。该算法利用一种新的免疫疫苗选择策略和免疫操作方法,使得优化过程随进化代数自适应改变,结合并列选择法对多目标物流配送路径进行优化,并给出了解决多目标物流配送路径问题的具体步骤。最后通过仿真验证,该算法的计算效率,收敛性都有明显的提高,验证了算法的实用性和有效性。