天基信息获取任务规划模型研究

以成像侦察卫星为例研究了多卫星多任务天基信息获取任务规划技术.首先对相关现状、天基信息获取的用户需求、约束条件进行分析,其次基于约束满足理论建立数学模型,再次设计了针对该模型的遗传算法,最后通过一个仿真算例检验了相关研究成果.     

二次映射和遗传算法用于鉴别可视化特征提取

多元数据图表示是高维数据可视化最简单的一种处理方法.从多元数据的雷达图中提出了一种图形特征-可视化重心特征.由于雷达图与数据的特征排序有关,导致可视化特征深受特征排序影响,提出了利用二次映射计算出所有特征排序下的可视化特征,基于遗传算法再从中选择出具有鉴别能力的可视化特征.葡萄酒、乳腺癌和糖尿病等UCI真实数据集的实验结果证实了我们的想法,最佳分类错误率分别达到了0%、1.61%和20.7%,优于报道的常用的分类性能,优于传统的鉴别特征提取方法.     

考虑消费者信息获取行为的众筹参数设计

如何通过众筹参数设计(包括众筹目标和众筹价格)向消费者传递产品质量的信号是众筹企业最为关心的问题.本文在考虑消费者具备质量信息获取能力的情况下,通过建立信息不对称条件下的信号博弈模型,刻画了众筹企业通过调整众筹参数设计进行信号传递的存在性条件;并在此基础上,将两种均衡(分离均衡和混同均衡)参数设计下的众筹企业利润进行比较,分析了消费者信息获取行为对均衡结果的影响.研究发现:1)当质量不确定性较低时,高质量众筹企业可以通过增加众筹目标和/或降低众筹价格实现分离均衡,且众筹目标相较于众筹价格而言是更加有效的信号;2)相较于无信息获取的情况,当存在消费者信息获取行为时,高质量众筹企业在混同均衡参数设计下的利润会更高.此外,我们还分析了市场参数对于均衡众筹参数设计的影响以验证结果的鲁棒性.     

遗传神经网络特征提取及在分类中的应用

将遗传算法和神经网络结合应用于乳腺癌细胞分类,首先利用遗传算法随机提取训练集的属性特征,然后用提取特征后的训练集训练神经网络,最后得筑必要的特征子集优化网络结构,仿真实验结果表明,遗传神经网络不仅可以优化神经网络的权值和阈值,还能有效地找出线性可分离特征子集,从而达到降低数据维数并提高分类精度的目的。     

一种基于Web的客户信息获取模型框架

研究了CRM中的客户信息获取问题。在分析了客户信息和Web技术的特点的基础上,给出了一种基于Web的客户信息获取框架,同时还进一步分析了该模型框架中各组成部件的功能和实现技术。运用此信息获取模型框架有助于分析和发现客户知识,对制定企业的经营策略具有支持作用。最后通过一个实例说明了该模型框架的应用。     

不确定信息QoS路由的概率遗传算法的研究

QoS路由是保证网络服务质量的重要组件。但网络状态信息具有固有的不确定性,因此有必要研究不确定信息对QoS路由的影响。通过假设网络带宽和时延的分布符合某种随机变量的特点,分别用概率方法表示出带宽和时延的不确定性,然后求出路径满足给定QoS约束的概率,最后在遗传算法的计算过程中,选择合理的适应度函数,找出满足QoS约束的最大概率解。仿真结果表明该方法能够保证得到满意解的同时缩短搜索时间。     

企业中过程性知识的获取方法

企业中存在一种个人的、隐性的、过程性知识 ,对于这部分知识企业往往很难掌握。文中针对这一问题 ,提出了一种基于业务流程技术的过程性知识获取方法。该方法使用了多因素流程图 ( MFFC)和多层次文本 ( MLD)两种工具对过程性知识进行表示。对过程性知识的获取步骤从概括到具体 ,符合人类的认知过程。最后给出一个实际应用案例 ,对如何应用该方法进行了说明     

一种Web信息的三级发布体系结构

提出了一种WWW信息的三级发布体系结构,用于大规模用户共享海量信息。它通过信息的三级发布和数据冗余存储将有用信息及时送给用户,使用户获取网上信息的方式由传统的访问远程静态数据库变为访问动态数据流,并从动态数据流中选择符合用户个性化需求的数据下载到本地机中,供用户离线浏览,从而极大地提高了响应速度。该体系结构具有较高的可伸缩性,可节省网络带宽、减轻服务器负载。     

2D测距图像的特征提取及类别划分研究

测距图像的特征提取和类别划分是计算机视觉的热点问题之一。以2D测距图像为研究对象,提出了一种加权的模糊聚类算法-wFCA算法来进行特征提取。为了自主确定准确的聚类数目,利用多种有效性索引函数对不同聚类算法的有效性进行计算评估,选取一种适合于测距图像有效性分析的索引函数。同时,为了解决聚类算法中局部最优问题,提出一种改进的IVGA遗传算法。通过相关算法的性能比较,所提方法的有效性均得以验证。     

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.     

一种基于时空分布特征的新闻字幕检测新算法

新闻字幕中包含有丰富的语义信息，是实现自动化视频检索、分析和理解的重要信息源之一。本文通过研究新闻字幕的时空分布特征，提出了一个新闻字幕检测新算法，该算法首先用有师学习的方法获取字幕大小、方向、形状等信息；然后根据视频字幕区域的灰度空间差分分布特性，利用字幕的尺寸约束检测字幕，根据字幕时间持续特点，去除时间冗余；最后对字幕区域进行二值化。实验表明该算法对非滚动标注字幕检测效率高，实时性好，且对不同新闻视频具有较强的自适应性。     

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 .     

遗传算法与神经网络的结合

阐明了遗传算法和神经网络结合的必要性和可行性,提出用多层前馈神经网络作为遗传搜索的问题表示方式的思想。用遗传算法和神经网络结合的方法求解了短期地震预报问题,设计了用遗传算法训练神经网络权重的新方法,实验结果显示了遗传算法快速学习网络权重的能力,并且能够摆脱局部极点的困扰     

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。     

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.     

基于基因权重动态调整遗传算法的编码

针对标准遗传算法中交叉算子容易破坏定义长度较长的优良模式的弱点，提出了一种动态排序编码方法，以提高交叉算子的效率。首先对当前代种群确定基因权重，然后根据基因权重对基因位置进行动态排序，使优良基因变得集中，从而克服了标准遗传算法中交叉算子的弱点。为了避免陷入局部最优，对变异算子进行了改进。最后做了大量实验，并根据实验结果对该方法进行了评述。     

多重群体遗传算法的特点及应用

建立了多重群体遗传算法模型并成功地用于实际研究工作。多重群体遗传算法采用了标准化的独立的基因／染色体模型及由种群和繁殖群体组成的多重群体模型，并采用了积累方式建立初始种群，求解效率和对不同类型问题的适用性有明显的改善和提高。多重群体遗传算法模型求解优化问题的基本过程分为建立初始种群、适应与进化、进化成熟后的处理等内容。