关于旅行售货员问题的混合遗传算法研究

遗传算法（ＧＡ）是一类仿生算法，广泛应用于大型优化问题的求解，本文介绍孤原理和算法，并用简单遗传算法（ＳＧＡ）和混合遗传算法（ＨＧＡ）对旅行售货员问题（ＴＳＰ）进行了研究。     

MADALINES人工神经网络及快速学习算法研究

在研究ＭＡＤＡＬＩＮＥＳ人工神经网络中心差梯度学习算法（ＣＤＧ）的基础上，提出了一种加速中心梯度学习算法（ＳＣＤＧ），给出了该算法收敛性的证明，在计算机上模拟实现了ＳＣＤＧ算法且分析了实验结果，理论分析与实验均表明，ＳＣＤＧ算法较之传统的ＣＤＧ算法，收敛速度提高了二个数量级以上。     

带钢热连轧变结构与变参数AGC控制算法

给出了带钢热连轧变结构与变参数ＡＧＣ新算法，试验表明，在大初始偏差下，该算法比传统ＡＧＣ控制算法的批量轧制合格率提高５％￣１０％，并减少了ＡＧ投入后对板形的影响。     

结构优化设计中一种有效的混合GA算法

提出了一种板结构齿行法和动态种源空间ＧＡ算法，并将这两种算法结合起来，用于处理组合结构优化问题．算例表明这种混合ＧＡ算法适用性广，且计算效率较高     

GA－Simplex与区域收缩的研究

在实现标准基因算法的基础上，用ＧＡ－Ｓｉｍｐｌｅｘ代替ＧＡｓ中的交叉和变异构成一种新算法，详细探讨了以何种方式在群体中选取个体进行ＧＡ－Ｓｉｍｐｌｅｘ操作，找到了一种较理想的方式，并从基因操作的内在机制进行了分析．进而构造了一种混合式方法，使计算速度和效果大为改善．然后详细研究了在ＧＡｓ的迭代循环中如何适时进行区域收缩．最后引入适值调整，找到了一种循环次数少、计算时间短、求解结果令人满意的ＧＡｓ算法     

基于遗传基因算法的切削用量优化

介绍了一种全新的优化算法－－连续域中的遗传基因算法（ＧＡ），提出了基于ＧＡ的加工过程切削用量优化计算方法，给出了铣削用量优化算例。     

求解线性代数方程组的一种松驰失代算法及其收敛性

对于线性代数方程组Ａｘ＝ｂ的求解，Ｇａｕｓｓ－Ｓｅｉｄｅｌ迭代算法并不能保证对所有的ｎ×ｎ矩阵Ａ都收敛。本通过向Ｇａｕｓｓ－Ｓｅｉｄｅｌ算法中加入松驰因子而导出一种松驰迭代算法，并且给出了收敛性定理及其证明。该算法对所有的对称正定矩阵Ａ都具有收敛性，拓宽了Ｇａｕｓｓ－Ｓｅｉｄｅｌ方法的使用范围。     

利用GA—BP算法对模糊神经网络进行优化

分析了ＢＰ算法和遗传算法（ＧｅｎｅｔｉｅＡｌｇｏｒｉｔｈｍｓ,以下简称ＧＡ）各自的优缺点,将改进的ＧＡ与ＢＰ算法相结合,提出了一种新的ＧＡ－ＢＰ算法,并将其应用于模糊神经网络的参数优化,仿真结果验了本算法的有效性。     

NARMAX模型辨识的直交化最小二乘新算法

基于实际中常用的ＣＧＳ（ＣｌａｓｓｉｃａｌＧｒａｍ－Ｓｃｈｍｉｄｔ）、ＭＧＳ（ＭｏｄｉｆｉｅｄＧｒａｍ－Ｓｃｈｍｉｄｔ）、ＨＴ（ＨｏｕｓｅｈｏｌｄｅｒＴｒａｎｓｆｏｒｍａｔｉｏｎ）及Ｇｉｖｅｎｓ算法，给出了１类改进的直交化最小二乘新算法，分别称之为改进的ＣＧＳ、ＭＧＳ、ＭＨＴ及ＭＧＶ算法，改善了原算法的数值稳定性．将改进算法用于非线性ＮＡＲＭＡＸ模型辨识，构造出了１种新的模型结构与参数辨识的一体化算法．新算法基于逐步回归进行模型选项并消去模型中的冗余项，保证了最终模型的结构优化，并可给出比Ｂｉｌｉｎｇｓ等算法精度更高的参数估计．仿真结果证明了文章中算法的优越性     

自适应遗传算法优化模型小脑模型

首次采用遗传算法（ＧＡ）设计模糊小脑模型神经网络的隶属函数，提出一个自适应ＧＡ优化算法，并且以优化模型小脑模型ＦｕｚｚｙＣＭＡＣ学习正弦曲线，仿真实例表明，采用自适应ＧＡ方法优化的ＦｕｚｚｙＣＭＡＣ学习精度比标准小脑模型ＣＭＡＣ提高大约三个数量级，比标准ＦｕｚｚｙＣＭＡＣ（三角形隶属函数）提高一个数量级，自适应ＧＡ方法优化的ＦｕｚｚｙＣＭＡＣ学习速度比ＧＡ优化的速度快且乾化过程的振荡明显减小，仿真     

基带DτAGC算法及其在DFE均衡器中的应用

根据恒幅－窄带原理ＤτＡＧＣ（Ｉ／Ｄ）抗干扰方法,导出一种用于处理离散基带信号的ＤτＡＧＣ递推算法,并将此算法用于数字信道的ＤＦＥ自适应均衡。计算机模拟实验表明,ＤτＡＧＣ算法能有效地抑制脉冲干扰、压缩动态范围,与固定时间常数ＡＧＣ算法相比,采用ＤτＡＧＣ算法的ＤＦＥ均衡器误码率明显降低。     

自适应杂交NGA及其在多值电路分析中的应用

提出了一种具有自适应交叉算子的ＮＧＡ算法（简记为ＡＣＮＧＡ），以解决具有多模态函数的参数优化问题，ＡＣＮＧＡ能随着解空间参数结构的变化，自适应地选择不同的杂交算子并确定相应的杂交率，使解群在保持多样性的前提下，以较收敛率得到最优解集。该算法可求解非线性方程组，并主解具有任意约束关系的非线性电阻电路的所有解。     

FMS—AGV传输系统自学习调度方法

针对ＦＭＳ－ＡＧＶ传输系统调度的不确定性因素,对ＡＧＶ在线运行状态参数实时记录并学习,运用动态规划算法和模糊数学的方法,提出了模糊动态规划（ＦＤＰ）算法．给出了适于计算的迭代算式,结合人工智能（ＡＩ）编制了ＡＧＶ传输系统调度软件包．本算法利用在线记录的ＡＧＶ运行数据进行模糊处理和学习,有效地调节用于描述ＦＤＰ算法的模糊模型参数．这种自学习ＦＤＰ算法在ＡＧＶ的路径规划中有较好的适应性．对于一个新的ＦＭＳ－ＡＧＶ系统,经几次规划自学习之后,该算法就能很好地用于系统的实时调度中．     

基于实例FMS的AGV调度数学模型与算法

本文讨论柔性创造系统中自动导引小车（ＡＧＶ）的调度问题，基于实例系统建立了ＡＧＶ小车的动态调度数学模型，并给出了调度算法．     

∑cos^2n＋1A的全局最大值的迭代算法

给出在△ＡＢＣ中，Ｇ２ｎ＋１＝∑ｃｏｓ＾２ｎ＋１Ａ（ｎ∈Ｎ）的全局最大值的一种迭代算法，运用该算法在ＰＣ机上算得（Ｇ１５）ｍａｘ＝１．１９６４１５５９３…     

自适应遗传算法优化模糊小脑模型

首次采用遗传算法（ＧＡ）设计模糊小脑模型神经网络（ＦｕｚｚｙＣＭＡＣ）的隶属函数．提出一个自适应ＧＡ优化算法，并且以优化模糊小脑模型ＦｕｚｙＣＭＡＣ学习正弦曲线．仿真实例表明，采用自适应ＧＡ方法优化的ＦｕｚｙＣＭＡＣ学习精度比标准小脑模型ＣＭＡＣ提高大约三个数量级、比标准ＦｕｚｚｙＣＭＡＣ（三角形隶属函数）提高一个数量级．自适应ＧＡ方法优化的ＦｕｚｙＣＭＡＣ学习速度比普通ＧＡ优化的速度快且进化过程的振荡明显减小，仿真证明该方法比普通ＧＡ优化方法稳定，收敛效果好．     

多层前向神经网络的自适应遗传算法训练

提出了一种改进的自适应遗传算法ＩＡＧＡ,它利用 特点,采用前向自适应技术,实现对神经网络的有交工具实验表明,该算法优于ＢＰ算法,标准遗传算法ＢＧＡ和普通自适应遗传算法ＡＧＡ,网络训练质量和效率都有很大提高。     

图论语言GTL的设计与实现

本文设计了一种描述图论的专用程序设计语言──ＧＴＬ并用ＰＡＳＣＡＬ语言在 ＩＢＭ－ＰＣ计算机上加以实现。ＧＴＬ 语言是嵌入在宿主语言ＰＡＳＣＡＬ中的。ＧＴＬ的 语句和ＰＡＳＣＡＬ语句可以混合使用，极易将图的计算转换成数值计算；当使用递 归手段来描述图论算法时，可减化算法设计；提供了描述图的相邻矩阵、邻接表、邻 接多重表的表示法及其相互转换，实现了若干图论标准算法，功能较强。使用该语言 进行编程，可不考虑图在计算机内部的具体表示；提高了编程效率。该语言便于编 程，利于模块化和结构化，容易进行程序验证，且可移植到任何有ＰＡＳＣＡＬ 语言 的计算机上去。     

利用小脑模型提前计算的广义预测控制

给出一种新的广义预测控制方法，并把小脑模型（ＣＭＡＣ）应用于该算法中，避免了ＧＰＣ算法需要实时所进行的复杂计算．针对ＣＭＡＣ所需存储单元多的缺点，提出了一种改进计算ＣＭＡＣ输出值的方法，可大大减少存储单元．文中的方法对ＧＰＣ在实际中的应用有重要意义     

序列图像中动目标定位

给出了一种新的动目标定位方法，它可以快速准确地从复杂背景中确定动目标的位置和大小，此法充分利用序列图像特性，采用减影法提取动目标，由于实际情况中噪声无法避免，故提出了快速中值滤波方法以有效地滤除大量噪声，为了快速准确地定位目标，事先采用了映算法，然事提出了一种区域生长分割算法ＲＧＳＡ（ＲｅｇｉｏｎＧｒｏｗｉｎｇ Ｓｅｇｍｅｎｔａｔｉｏｎ Ａｌｇｏｒｉｔｈｍ）定位动目标，ＲＧＳＡ还适用于多目标情况，