基于遗传算法求解区间数AHP判断矩阵的权重

研究区间数判断矩阵的一致性和权重向量的求解，指出现有研究方法的不足，即没有考虑一致性及其对权重向量求解的影响，求解过程计算复杂，不能准确反映权重向量的取值范围．对此，提出用局部一致性和一致性程度两个指标来度量区间数判断矩阵的一致性，并建立一个新的权重向量求解模型，针对该模型特点，设计遗传算法求解，对算法参数取值进行了分析，最后通过两个例子说明新方法的有效性．     

基于整数编码遗传算法的均匀设计表构造

均匀设计的核心问题是均匀设计表的合理构造,其实质是一个以某类均匀度为目标的优化问题.将寻优能力极强的遗传算法引入该构造过程使均匀设计表的自动构造成为可能.研究结果表明,与方幂生成向量法,正交设计扩展法,拉丁方法以及门限接受法等常用方法相比,基于整数编码遗传算法的均匀设计表构造法可获得各种混合水平,n较大的Un(qs)(q≤n)表,且计算精度高,速度快,稳定性好,并易与其它智能算法相结合,具有较高的应用价值.     

基于置换的对偶遗传算法及其在动态排序优化问题中的应用

提出关于属性的对偶思想,将对偶机制的遗传算法推广到顺序编码动态优化问题中;引入群论中置换的概念表示对偶的属性,并提出基于置换的对偶遗传算法,该算法根据置换的性质构造学习算子和不完全对偶算子,在保持种群多样性的同时兼顾搜索精度.算法应用于交货期动态变化的单机总权重拖期时间最小化问题,取得了满意的结果.     

基于实数编码遗传算法的空车流量分配优化方法研究

针对铁路空车流量分配优化问题求解的复杂性,提出了采用实数编码遗传算法(Real-codedGenetic Algorithm,简称:RGA)求解的智能优化方法.对空车流量分配优化问题的RGA算法的基本结构、个体与适应度函数的构造、遗传算子的设计和算法的基本特点等进行了深入研究,并结合铁路空车流量分配问题的实例分析验证了算法的有效性.     

求解含调整时间并行机排序问题的遗传算法

车间作业排序问题是生产管理和组合优化领域研究的重要课题,由于其内在的复杂性(NP-Hard),很难用经典方法求出其最优解.本文针对含非常数调整时间的并行机的作业排序问题(n|m|P,Sij|C max),设计了一种遗传算法的实现形式.算例计算分析表明,该算法具有良好的收敛特性和运算效率.     

改进二进制编码变异策略研究

由于是一种随机优化方法，标准遗传算法存在着一些不足之处，如局部搜索能力差，寻优精度不高，存在早熟收敛等。为了解决这些问题，提出了一种基于二进制编码基因住的变异策略，对编码串中的各个基因住赋予不同的变异率：在进化初期，赋予个体的高位基因以较大的杂交率，这样可以搜索到更大的解空间，提高算法的全局搜索能力；在进化后期已逼近最优解时，降低高住基因的变异率，减小较优个体被破坏的概率，同时提高低位基因的变异率，增强算法在局部范围的搜索能力。优化实例仿真结果表明，同标准遗传算法相比，改进算法具有寻优精度高，稳定性好，收敛性强等优点。     

基于遗传算法的UCAV动态任务分配模型及研究

针对多UCAV(multi-Unmanned Combat Aerial Vehicle)动态任务规划问题提出了单任务类型动态规划模型,基于事件驱动的原则,满足对打击不成功目标和新出现目标需要进行动态规划的要求,在实施目标攻击后或新目标出现时,以获得最大收益值为目标,采用遗传算法进行动态目标分配.与多任务类型模型相比,单任务类型模型有效地减小了可能解规模,寻优过程计算量小,所需时间短,仿真实验验证了模型的有效性.     

基于遗传算法的动态聚类方法

针对常规动态聚类方法对初始聚类中心的敏感性以及聚类结果与样本输入次序有关等问题,本文另辟蹊径,提出了一种基于ＧＡ 的动态聚类方法,并将它应用到数据库的数据分析中． 计算结果表明,该方法是一个具有全局最优解的动态聚类方法,其结果明显好于Ｋ－均值聚类算法．     

基于仿真的遗传算法求解动态旅行商问题

以标准旅行商问题的扩展问题--动态旅行商问题为对象,分析了动态旅行商问题中由于道路流量实时变化所引起的标准旅行商问题的数学建模与优化求解的问题复杂性.通过建立其计算机仿真模型再现动态旅行商问题中众多复杂的非平稳、随机因子.进而提出了基于计算机仿真模型的遗传算法,即根据计算机仿真的结果,应用改造后的遗传算法搜索原问题的优化解.最后,在多智能体仿真平台上实现该优化算法,并以此求解20个城市的动态旅行商问题,计算结果验证了算法的有效性.     

基于权重集合的决策单元排序方法

针对传统数据包络分析的排序主要是基于决策单元的自评效率,决策单元使用的是对自身最有利的权重而使效率不具有可比性,提出一种新的决策单元排序方法.该方法通过构造有利于整体决策单元效率的权重集合,在交叉效率模型中对权重进行约束,从而有效地减小他评效率与自评效率的差距,使排序结果更合理,也更易被决策单元接受.通过算例说明该方法的有效性.     

遗传算法求解旅行商问题时的基因片段保序

针对基于遗传算法的 TSP问题求解 ,尝试了多种遗传操作 ,分析了这些操作在遗传算法中的作用 ,讨论了基因片段保序在利用遗传算法求解 TSP问题中的重要性 .     

遗传算法在车间作业调度中的应用

在车间作业调度数学表达模型的基础上,讨论了应用于车间作业调度的遗传算法设计,给出了主要包括ＪＳＳ仿生、ＪＳＳ遗传进化与ＪＳＳ仿真三个方面在内的算法模型,提出了ＪＳＳ连锁基因编码法与ＪＳＳ遗传进化算子。文章最后给出了应用实例,说明了设计的可能性与成功性。     

广义遗传算法及其在水流参数反演中的应用

针对基本遗传算法难以实际应用的困难,吸收加速遗传算法的思想,提出一种考虑隔代遗传、模仿自然界中“附势”行为的广义遗传算法,它能够保持优秀个体的多样性,利用祖辈中的优秀个体变量变化空间作为下一代个体的繁殖空间.广义遗传算法概括了基本遗传算法和加速遗传算法,对它的参数进行不同设定时,可以设计出更多种类的遗传算法.将这种算法用于水流参数反演问题中,结果表明广义遗传算法收敛速度快,反演精度高,因此具有良好的应用前景.     

遗传算法及其在RoboCup中的应用

从遗传计算、遗传编程和遗传学习等三个方面，概述了遗传算法在RoboCup（机器人世界杯足球锦标赛）应用领域中的研究进展。在此基础上，提出了一种采用混合智能的Agent结构，作为进一步研究的解决方案。     

图分割问题中的遗传算法

研究了“南水北调”大型仿真项目中影响系统运行速度的瓶颈问题-如何获取水质评价参灵敏，文中提出一种多线程的解决方法，将对每一个水质评价参数的计算设计成不同的线程，并将这些线程分配到网络中其他结点上，利用其他计算机的空闲时间来进行水质评价参数的计算，该方法根据网络中各个节点的使用状况，以图分割问题为模型。利用遗传算法对线程进行合理分配，从而为解决该问题提供了新途径。     

混合整数规划问题遗传算法的研究及仿真实现

提出了一种可以处理混合整数规划问题(MIP)的混合遗传算法MIGA。该算法采用二进制映射模式可变长度染色体编码,在进化过程逐渐缩小编码的搜索空间,从而在加快收敛速度的同时改善了迭代的精度,能很好处理离散变量和连续变量的混合整数规划问题。以一纯整数规划问题为例,利用分枝定界算法只能得到唯一的一个最优调度策略,而MIGA算法则可以得到一系列的最优调度策略,对这些最优调度策略进一步的分析,还可以得到调度问题一些灵敏度参数,在实际应用中具有更大的灵活性。     

NTRU公钥密码体制的遗传算法攻击

提出了一种应用遗传算法攻击NTRU公钥密码体制的方法。针对NTRU私钥的特点，该方法在编码时采取了顺序编码，交叉算子基于双亲的一组循环基因位实现，适应度定义为私钥在[-1，1]间系数个数与总系数个数之比。仿真结果表明，该攻击方法设计合理，将搜索空间缩小了2个数量级。     

并行遗传算法的新进展

并行遗传算法将并行计算机的高速并行性和遗传算法固有的并行性相结合 ,极大地提升了遗传算法的求解速度和质量 .在主从式、细粒度和粗粒度这三类遗传算法并行化模型中 ,粗粒度模型以其较小的通讯开销和对种群多样化 ,获得了最广泛的应用 .本文概括了基于模式定理和有限状态马尔可夫链的遗传算法理论 ,总结了前人在粗粒度模型下开展的理论分析和实践应用 ,并指出并行遗传算法的研究将向异步化 ,理论化和模型化的方向发展 ,而有限状态马尔可夫链是构建并行遗传算法可执行模型的有力工具.     

遗传算法在网上谈判支持系统中的应用研究

从 8 0年代后期首次出现谈判支持系统至今 ,国外许多学者从不的角度对其进行了大量的研究 ,而国内在这方面的研究尚处于起步阶段 .网上谈判支持系统不仅要为谈判人提供方便的交流媒介 ,更要为其提供合理的协调解 ,以减少冲突 ,提高谈判的成功率 .目前 ,对于网上谈判支持系统中谈判解支持的研究 ,尚未取得重大突破 ,采用的方法仅仅局限于效用函数法、对策分析法以及国内近期研究出的基于兴趣点的选择方案搜索算法等等 .但是 ,这些方法在实际应用中很难方便、及时地为谈判人提供有效的建议解或方案支持 ,无法满足网上谈判的实际需求 .本文针对遗传算法的全局收敛性快速寻优、可并行性寻优以及模拟自然进化过程解决最优问题等特点 ,尝试着将遗传算法用于网上谈判支持系统中 ,为谈判人提供对于双方而言满意的协调解 ,对此 ,文中进行了一系列的理论分析及实践检验 ,证明了这种方法的可行性及特殊的优越性 .