基于遗传算法的无线传感器网络最小覆盖集算法

降低能耗以延长网络生存时间是无线传感器网络设计中的一个研究热点.提出一种利用遗传算法实现的"密度控制"策略.该策略利用无线传感器工作节点的最小节点子集(最小覆盖集),达到覆盖整个传感器网络区域的目的.所提出的算法能够较好地调和无线传感器网络寿命和网络覆盖率之间的矛盾,仿真实验证明了算法的有效性.     

覆盖粗糙集上近似的研究

分析Pawlak粗糙集上下近似具有的性质,结合上下近似的含义和近似精度,讨论覆盖粗糙集上近似的定义方法,提出覆盖粗糙集最小上近似的概念,对其存在性及唯一性进行分析。最后,讨论最小上近似与其他上近似的关系,并对此作了证明。     

RSC-覆盖和S-闭空间

给出了RSC-覆盖等概念,对S-闭空间进行了讨论,获得拓扑空间(X., )是S-闲空间当且仅当X的每个RSC-覆盖都有有限子覆盖等一些成果.     

覆盖模糊粗糙集近似算子的拓扑性质

通过闭包与内部算子研究覆盖模糊粗糙集的拓扑结构,证明了覆盖近似空间中模糊粗糙集的上、下近似算子分别为一个模糊拓扑的闭包、内部算子;反之,满足一定条件的模糊拓扑的闭包与内部算子也恰为一覆盖近似空间中模糊粗糙集的上、下近似算子．     

无线传感器网络中最优覆盖节点集的求解算法

在传感器节点高密度部署的环境中,如何保证在满足"覆盖要求"的同时,使用的节点数目最小是一个NP完全问题.结合遗传算法在处理集合搜索中的广泛应用,设计了一种基于遗传算法的节点集搜索机制.在保证充分覆盖的前提下,令一部分冗余节点进入低功耗休眠状态,形成最优覆盖节点集.最后进行了算法的性能评价和网络覆盖的仿真实验.结果表明,该算法能以较小的代价完成最优节点集的搜索,有效提高整个网络的生存时间.     

基于遗传算法的最优小波滤波器构造

本文基于遗传算法对小波滤波器的构造方法进行了研究 ,重点在于解决对图象进行压缩处理所需要的最优小波滤波器的构造 .有效的染色体编码方案和适应值函数以及遗传算法的全局寻优性能 ,使得该方法在处理图象压缩优化问题上有其独特的优点     

商近似空间中粗糙集的研究

本文从新的角度研究粗糙集,即基于覆盖近似空间上的一种等价关系,定义了覆盖近似空间上的商近似空间和此商近似空间上的2对上下近似算子,并详细研究了这2对近似算子的性质.     

基于概率近似空间的缺省规则挖掘算法

用概率的形式表示集合的上下近似空间,在对概率近似空间下的统计信息进行缺省规则的挖掘过程中引入ID3算法,根据属性相对于属性集的信息增益确定属性权重,进而确定规则支持度,最终利用规则相似度对挖掘的缺省规则进行合理分类,达到了很好挖掘效果.     

基于遗传算法的FACTS网络最优潮流计算

基于遗传算法建立了一种新的含有FACTS元件的网络最优潮流模型。该模型引入了两种不同的FACTS元件，通过ward＆Hade-6节点系统进行仿真计算，得出用遗传算法选择最佳调节状态可较快达到系统总网损最小，且潮流都在安全极限内。该算法具有较好的实用性。     

基于改进遗传算法的电力系统最优潮流

电力系统最优潮流问题（OPF）是多目标、多控制变量的混合非线性优化问题,能否实现离散变量的精确处理,将直接影响其计算。结果是否真正符合电力系统的实际状况．能否指导实际电网运行方式的规划问题。遗传算法是解决多目标混合优化问题的全局优化算法,可以实现离散变量的精确处理,其不足是优化时间长、易于收敛于局部极值点等。为解决传统遗传算法的搜索时间长,易落入局部极值点的不足,本文对传统遗传算法的一些遗传操作做了一些改进,经IEEE30节点标准电网数据计算分析,证明其优化结果比传统遗传算法更优。     

基于遗传算法的最优潮流

提出一种基于遗传算法的最优潮流模型。该模型以节点电压幅值和网络拓扑图的一个支撑树的各支路两端节点电压相角差及可调变压器变比为编码对象，采用实效染色体编码法和改进两点交叉，成功地解决了基于遗传算法求解最优潮流问题。算例结果表明该模型的有效性。     

图K2,3+e的最优覆盖

设λKv是λ重V点完全图，G为一个无弧立点的有限简单图，λKv的一个G-覆盖设计，记为（v,G,λ）-CD，是指一个对子（X，D），其中X为点集，D为λKv的一些子图（亦称为区组）构成的集合，使得任一区组均与G同构，且任意两个不同点组成的边至少在D的λ个区组中出现，讨论了两类六点七边图Gi=K2,3 e(i=1,2)的最优覆盖的存在性问题，证明了存在（v,Gi,λ）-OCD，i=1,2当且仅当v≥6，除去非最优（但为最大）的C（6，G1，1）=4。     

常微分方程近似解的遗传算法研究

讨论了利用遗传算法研究常微分方程初值问题的近似解的求解方法.研究了利用多项式逼近微分方程近似解的方法,并用遗传算法控制各项系数以达到最佳逼近效果,经实验证明该方法数值精度比较理想,且优于通常的数值解.     

一般协调近似表示空间的约简

从拓扑的包含关系这一全新的视角进一步认识协调近似表示空间的属性约简理论。在此基础上将协调近似表示空间中的等价关系放宽为一般关系,提出了一般协调近似表示空间的概念,并给出了一般协调近似表示空间关系约简理论,指出了可将其转换成一类覆盖族的约简且是协调覆盖决策系统属性约简的一般形式,最后用一个模型给出本文约简理论的应用实例。     

最优家族遗传算法

从种群规模和个体空间的角度分析了影响遗传算子性能的因素，在遗传算法(GA)的基础上设计了一种搜索区域可变、群体规模可变的最优家族遗传算法(OFGA)，该算法提出了在优良解附近构造最优家族，最优解搜索将在这个微型空间中进行，在有限的时间内搜索到更优基因的家族将获得生存的权利．由于每一个家族的搜索区域大幅度减缩，伴随着种群规模的减缩，因此提高了算法的收敛速度，家族个体空间大小不变提高了解的精度．最后，给出了3个典型函数的模拟例子，通过与GA的对比结果看到，OFGA在数量级上提高了收敛速度，使最优解的精度也有很大提高，说明新的算法具有应用的潜力。     

近似空间映射与属性约简算法

信息系统作为一种基本的数学模型广泛应用于人工智能的各个分支，例如分类问题、专家系统、决策支持、上下文分析和数据挖掘．而属性约简是信息系统研究的基本问题．文章提出了近似空间映射（ASM）的概念，并讨论了它与属性约简的关系，提出了基于ASM的属性约简新算法．     

基于双种群粒子群优化新算法的最优潮流求解

提出一种带赌轮选择的双种群粒子群优化算法(TSPSO)求解最优潮流问题。在该算法中,对2个种群采取不同的参数设置,使得粒子在进化过程中具有不同的飞行轨迹,从而尽可能地探索解空间,增强算法的全局搜索能力;基于赌轮算法的概率选择机制使粒子可以在较好的可行解邻近范围内高强度搜索,增强了算法的局部搜索能力;采用自适应惩罚因子能有效区分最优潮流的目标函数和约束条件对种群进化的影响,使种群可以跨越不可行域到可行域进行搜索。通过IEEE30节点系统对该算法进行测试,结果表明,采用该算法可以有效求解最优潮流问题。     

基于学习策略的遗传算法在最优潮流中的应用

最优潮流问题是电力系统中一个重要的问题,从数学角度上讲,它是一个非线性规划问题。提出了一种基于学习策略的遗传算法用于解决最优潮流问题。学习策略使得种群中的普通个体可以向优良个体学习其优秀的基因结构,从而提高了个体的适应度,加快了算法的寻优速度,增强了算法的搜索能力。该算法中还采用排挤策略来避免个体的过度拥挤,增强了算法的全局搜索能力。通过算例验证了算法的可行性和有效性。     

近似空间的乘积空间和子空间及映射

以往粗集理论的研究或应用均局限于单个近似空间.客观世界中的事物是彼此关联的,粗集作为近似描述模糊概念的数学工具局限于单个近似空间显然是不够的,粗集理论应该有更广阔的领域.在此尝试讨论近似空间之间的关系,提出乘积空间和子空间的概念,利用映射建立近似空间之间的联系,提出近似空间同构的概念.     

基于模糊覆盖的粗糙模糊集模型

构造了基于模糊覆盖的粗糙模糊集模型,从理论上论证了定义的合理性,刻画了模糊覆盖粗糙集的一些基本性质.