求解离散网络平衡设计问题的遗传算法

针对离散网络平衡设计二层规划模型,提出了一种新的求解算法,对上层问题采用遗传算法,而对下层问题采用平衡交通分配的Frank-Wolf算法.数值试验结果表明:该算法是有效的.能够较快地求解这类网络平衡设计二层规划模型.     

非平衡交通分配的离散网络平衡设计的遗传算法

针对离散网络平衡设计二层规划模型,提出了一种新的求解算法.二层规划模型中上层问题对它采用遗传算法,下层问题是平衡交通分配模型,对它采用非平衡交通分配方法的拟FrankWolfe算法,并给出了算例,数值试验结果表明本文提出的算法是有效的且计算量小、收敛较快.     

基于蚁群全局优化的二层规划模型与仿真

二层规划问题通常是一个非凸问题,因此在实际工程领域对其进行求解具有极大的困难.研究了问题的本质特征,提出了一种组合设计算法模型——基于蚁群算法求解二层规划问题的全局优化策略.组合算法采用蚁群算法求解上层问题,下层的线性规划问题则采用单纯型算法完成求解.设计的组合算法思路清晰,仿真计算结果表明,该算法有着良好的全局收敛可靠性和较高的收敛速度,是目前求解此类两层线性规划问题的一种有效算法.     

—种求解线性二层规划的神经网络方法

提出了—种求解线性二层规划的神经网络方法.采用以下层问题的对偶间隙为罚项,构造线性二层规划罚问题的思想,将线性二层规划转化成相应的单层规划问题,然后设计求解单层规划问题的神经网络模型,从而得到线性二层规划的最优解.该网络是Lyapunov稳定的,且在适当的条件下收敛于线性二层规划的最优解,仿真结果表明该神经网络可以有效地得到线性二层规划的最优解.     

带平衡约束的连续网络设计的模型与算法

建立了包含上、下层问题的带平衡约束的模型以解决连续网络设计问题,上层问题是一个标准的网络设计问题,下层问题是用变分不等式描述的用户平衡配流问题.针对该模型设计了基于遗传算法的求解方法并通过实例对算法进行验证,试验结果表明:该算法是有效的,能够较快地求解此类网络平衡设计问题.     

一种求解随机线性二层规划问题的分支定界-粒子群混合算法

将一类随机线性二层规划模型转换为带期望约束的确定性线性二层协方差规划模型,并进一步利用KKT条件将二层协方差规划模型转化为单层规划模型,然后利用分支定界-粒子群混合算法对该模型进行求解.与传统分支定界算法的对比实验表明,该算法有效改善了上层问题的方差结果,且计算效率得到了较显著提高.     

求解二级分销网络模型的混合微粒群算法

针对现有算法在求解二级分销网络模型时计算量大、难以适用于求解大型规划问题和易陷入局部最优等不足,提出一种求解二级分销网络模型的混合微粒群算法。该算法以二级分销网络的总成本作为适应度函数,采用一种精简的编码方式,通过将遗传算法的变异和交叉操作引入微粒群算法,实现二级分销网络模型的离散优化。算例仿真结果表明:采用提出的算法能获得全局最优解,且收敛性好,运算速度快,稳定性好,能有效避免算法的早熟收敛问题。     

供应链二级分销网络生产计划双层模糊机会约束规划模型

从供应链的集成和协作角度出发,提出了在模糊环境下二级分销网络生产计划制定的双层模糊机会约束规划模型,并根据可能性理论将之清晰化.然后采用模糊交互式决策方法将二层规划问题化为一层来求解,并给出了一个数值算例.     

求解二层规划问题的萤火虫智能群优化算法

针对二层规划问题,给出二层决策问题数学模型的一种新的解法,二层规划萤火虫智能群优化算法:首先采用以原问题的下层问题的Kuhn-Tucker条件代替下层问题的思想,将二层规划问题转化为单层规划问题.其次为避免求解目标函数的梯度信息以及算法过早的陷入局部最优,利用基于Pareto最优解集的萤火虫智能群优化算法对其进行求解,并利用Matlab予以实现.利用5个具有代表性的标准测试实例对该算法予以测试,并与其他算法进行比较.结果表明,结合Kuhn-Tucker条件的萤火虫智能群优化算法在5个测试函数中均能寻找到最优Pareto解,并且在求解的上层目标函数值上均优于对比算法,表明新算法可行有效.     

时变二次规划的高精度数值算法

提出一种用于求解时变二次规划问题的高精度数值算法.首先,给出求解时变二次规划问题的连续模型;然后,采用新型泰勒差分公式将连续模型离散,得到具有高计算精度的数值算法;最后,通过理论分析和仿真实验表明该数值算法的优越性和有效性,并将所提出的数值算法应用于一个五连杆机械臂的运动控制中.研究结果表明:所提算法的计算稳态误差与采样间隔τ具有O(τ~4)的关系,该数值算法既可以有效地求解时变二次规划问题,又能有效地应用于机械臂的运动控制.     

基于模拟退火算法对K-means聚类算法的优化

K-means聚类算法是近年来数据挖掘学科的一个研究热点和重点,该算法是基于划分的聚类分析算法.目前这种算法在聚类分析中得到了广泛应用。本文将介绍K-means聚类算法的主要思想,及其优缺点。针对该算法经常陷入局部最优,以及对孤立点敏感等缺点,提出了一种基于模拟退火算法的方法对其进行优化,可以有效地防止该算法陷入局部最优的情况。     

用MATLAB求解TSP问题的一种改进遗传算法

TSP问题是遗传算法得以成功应用的典型问题.提出一种改进的义叉和变异算子来解决TSP问题,并给出其算子的MATLAB程序.通过实验,发现改进的算法比传统算法收敛速度更快,适应值更优,说明改进算法是有效的.     

改进的基于z缓冲器和扫描线算法的消隐技术

z缓冲器算法是较简单的消除隐藏面的算法之一。其缺点是需要很大的z缓冲器工作量较大。扫描线算法是对z缓冲器算法的提高。本文基于扫描线算法,提出一个改进的算法,该算法大大减少了对系统资源的占用,同时提高了算法的效率。     

求解TSP问题的改进蚁群算法

通过引入免疫克隆算子提出1种新的蚁群算法,并应用于TSP问题求解。结果表明：算法具有较好性能。     

通信网络中QOS多播路由技术研究

给出了多约束QoS组播路由的问题模型,分析论述了多约束QoS组播路由优化的约束树算法和遗传算法、蚁群算法、免疫算法等智能化算法,对QoS约束的多播路由技术的进一步研究进行了展望。     

基于通讯网络安全模糊聚类与量子遗传理论的入侵检测研究

提出了一种新的自适应的检测算法——量子遗传模糊聚类算法（QGFC）.该算法利用量子遗传理论,在无监督的条件下,通过模糊聚类的方法对数据集进行自动分类,以达到自主识别入侵行为的目的.实验仿真结果显示,此算法可以有效地对入侵行为进行检测.     

应用于说话人识别的AdaBoost GMM算法

与文本无关的话者识别一般采用高斯混合模型(GMM),而AdaBoost算法是用于提高各种现有学习算法精度的一种通用的优化算法.论文中讨论如何应用AdaBoostGMM算法进行说话人识别.     

IP分组分类算法分析与比较研究

在分析RFC（Recursive Flow Classification）算法、Grid of Tries算法、Modtdar算法的性能与特点的基础上,对三种典型的IP分类算法进行了性能测评,根据测评结果总结了三种典型的IP分类算法的优点与缺点,最后为IP分类算法的研究指明了方向．     

基于改进流域算法的三维图像分割方法

在石油地质研究中,分析由CT扫描真实岩心所得到的三维结构已成为研究岩心微观孔隙结构的重要手段。由于噪声因素等影响,三维重建所得的岩心颗粒目标往往存在粘连情况,严重影响了后续的分析。为此,本文借鉴流域算法的思想并加以改进,提出了一种快速且有效的三维图像分割算法。算法中采用广度优先搜索算法（BFS算法）进行区域增长,提高了运算速度;并同时采用基于颗粒间重叠程度的区域合并方法,有效抑制了过分割现象。最后利用本文的算法对岩心三维图像进行了分割,实验证明了该算法的正确性和实用性。     

求进化距离的改进算法

本文在Seller算法的基础上提出了一个新的求进化距离的改进算法。该法通过计算来求出一条最短路径,去掉了指针矩阵。并且在求最短路径时采用了分支与定界、对角线方向扩展、相邻对角线传递等技术。从而不仅使改进算法的空间耗费由Seller算法的平方级(O(m×n))降为线性级(O(m+n)),并且其时间耗费仍能保持Fickett算法的结果。该算法已在IBM-PC/AT上实现。