基于遗传算法的分组算法

依据学生特征给定学生的初始值建立初始种群,根据"组内异质,组间同质"的分组策略构造适应度函数并进行迭代计算直至满足结束条件。适应度函数值最大的一个个体可以认为是合理的分组序列,该方法在实践教学中取得了令人满意的结果。     

基于改进遗传模拟退火算法的测试优化选择

针对测试优化选择这一NP-hard问题,提出利用改进遗传模拟退火算法对其进行求解。由于遗传模拟退火算法直接应用在测试优化选择问题时,存在算法运行到后期时搜索过程冗长和交叉操作后父代与子代的染色体相似度高的缺点。因此采用非线性加速适应度函数提高搜索速度,同时在交叉操作前先对基因进行比较,剔除无效交叉以提高交叉有效性。最后,对典型实例(超外差接收器系统)进行测试优化选择,结果表明,优化后的遗传模拟退火算法达到收敛所需代数相比于遗传模拟退火算法减少13.3%;在满足故障检测率和隔离率的要求下,所需的测试代价与其它算法所得相比较小。因此优化后的遗传模拟退火算法可以更有效地解决测试优化选择问题。     

基于遗传模拟退火算法的任务分配与调度

网格将多种资源组织在一个统一的框架下,为各种复杂的计算任务提供资源。因此计算任务在各种资源之间的调度成为了一个关键的问题。结合遗传算法GA和模拟退火算法SA的优点,提出了一种全局遗传模拟退火算法GGSAA,并将算法应用于网格计算任务调度问题的求解之中。最后给出了GGSAA算法的仿真结果。     

基于形状空间的克隆选择算法用于多峰值函数的优化

在简单描述免疫系统中克隆选择和形状空间理论的基础上，提出了一种新的、基于形状空间的克隆选择算法．将该算法用于对多峰值函数的寻优，能得到很好的结果；借用遗传算法的积木块假设对该算法的收敛性进行分析，证明了本算法在满足一定前提条件下，能够以趋近于1的概率收敛．     

用分组法改进Shor算法的可能性

分组算法被认为有可能降低经典的Shor算法复杂度至线性复杂度,且可能改善波粒二象计算机的计算能力.该文利用包括数论与概率论在内的纯数学方法,分析了这种想法的可能性.分2种情况讨论: 1) 底数变量是随机选取的方式,该思路与Shor的初衷是相吻合的;2) 底数变量是有侧重选取的情形.在第2)种情形下,证明了对于任意给定的自然数k, 存在某个N不符合线性约束,并对这种N在正整数中的分布作了讨论.总之,在这2种情况下,分组法都不能够成为降低Shor算法复杂度至线性复杂度的有效算法.Shor算法依然是已知的大数分解的算法中最优的算法.     

特征选择中的一类遗传序优化算法

针对模式识别中特征子集的选择存在组合优化的情况,采用了一类遗传序优化算法,以序优化思想为指导,对传统遗传算法中的参数及操作进行改进.利用有限的计算资源寻求复杂特征选择问题的近似最优解,从而有效地降低了特征维数,加快搜索到最优特征子集的速度,为特征选择问题提供了一种新的处理方法.通过Matlab仿真,对美国加州电力市场的实际数据进行预测.结果表明,月平均误差不超过2.62％,因此该算法在电力负荷预测方面有很强的实用性.     

基于共轭梯度法和最速下降法的非线性测量数据处理

将共轭梯度法与最速下降法有机结合起来，构造出一种解决非线性测量数据处理问题的新方法——混合算法。这种方法充分利用了共轭梯度法和最速下降法良好的收敛优点，既提高了共轭梯度算法的收敛速度，又解决了目标函数“性态不优”时，最速下降法难以解决的问题。文中的算例结果表明，混合算法与单纯的共轭梯度法或最速下降法相比，具有收敛速度快、收敛范围大、适应面宽等特点。     

基于克隆选择算法的人脸特征选择

针对经典PCA算法在人脸特征提取上的局限性,提出了一种基于克隆选择算法的特征选择方法．克隆选择算法的收敛速度快,具有较强的全局搜索能力,可以快速搜索到最有利于分类的特征空间;因此利用克隆选择算法对PCA变换后的特征向量进行选择,可以有效避免PCA只选择人脸轮廓信息,而忽略细节信息的不足,在人脸识别中取得了较好的效果．通过对ORL和Yale人脸库的仿真实验表明,该方法无论在识别率、降维效果还是稳定性方面,性能均优于遗传算法,不但有效降低了特征向量维数,还将人脸识别率提高到91．5％,因此研究该算法具有很强的现实意义．     

基于多相关分组的HMM训练算法

在用多观察序列训练HMM理论的基础上，提出了一种基于对多观察序列按多相关系数分组的HMM训练算法(简称基于多相关分组的HMM训练算法)。该算法避免了直接计算条件概率的困难，与传统的Baum—Welch算法相比，既考虑了训练序列之间的相关性，又不增加计算量。     

一种基于Rough集的启发式人工选择算法

在传统二进制编码遗传算法(GA)的基础上,提出一种基于Rough集的启发式人工选择算子和人工选择算法。利用粗糙集对遗传算法的历史数据进行分析,发现重要基因位,获得重要模式信息,并以此为启发式信息,选择优秀模式进行人工育种,从而对复杂优化问题进行有效求解。采用该算法对典型测试函数进行了验证,算例结果表明,人工选择算法加速了常规遗传算法进化速度,提高了收敛效率。     

基于遗传与粒子群混合优化算法的分布式模型预测控制系统结构分解

为了对分布式模型预测控制系统进行分解,采用一种遗传算法与粒子群算法的混合优化算法对系统进行分解的方法。混合优化算法兼具两种算法的优点,相对于采用单一优化算法,收敛速度更快且精度更高。对控制系统的输入进行分组可以有效消除系统输入之间存在的耦合,平衡各子系统之间的通信负担,因此对控制系统进行输入分组,可以完成对系统的结构分解。定义了一个系统拆解目标函数对输入分组问题进行求解,并通过对热镀锌生产线控制系统中的部分输入进行分组实验,验证了方法的有效性。     

基于量子遗传克隆挖掘的Web搜索策略

随着互联网的迅速发展,网络规模不断扩大,信息储量急剧增长,Web搜索引擎技术越来越得到广泛地应用.针对用户越来越难以迅速精确地检索到所需信息的现状,提出一种应用于Web搜索的量子遗传克隆选择算法.该算法通过克隆、高斯变异以及量子交叉等操作对可行解进行搜索,提高了算法的全局寻优能力.通过实验结果分析得出,在Web搜索中该算法比传统的搜索方法具有更明显的优势.     

基于遗传和启发式算法的混合顶点着色算法

图的着色问题是一种典型的NP-完全问题.提出了基于遗传算法和启发式算法的新型混合顶点着色算法,该算法在实现过程中涉及到染色体的编码方法、适应度函数的设计以及遗传算子的选择等.实验仿真结果表明此算法改善了求解的时间复杂度,可以获得问题高质量的解.     

分组数据无需完整排序的并行选择算法及实验

基于分组原理，设计一个无需完整排序的分组数据，从而可大大加快并行选择算法的速度．用并行Multipascal语言编程进行仿真实验，获得了较好的结果．     

基于萤火虫算法的多中继选择策略

〖JP2〗中继选择(RS)和功率控制是无线中继网络的2个重要组成部分.当中继节点以全功率协作和不协作时,中继选择等同于功率控制.因此,最佳信噪比（SNR）被描述称为0-1非线性整数规划问题（0-1 nonlinear programming integer problem,NLIP）.文中提出了基于萤火虫算法（Glowworm Swarm Optimization, GSO）的多中继选择策略,仿真结果表明,基于GSO算法的多中继选择能够获得最佳信噪比值,且性能优于穷举搜索、单一RS方案及其他次优化方案.〖JP〗     

基于本体VSM的兴趣型社区自组织分组算法

优化分组是计算机支持的协作学习（CSCL)中的一个重要研究内容。兴趣型学习社区建立的重点和难点在于学习者之间兴趣相似关系的判定和计算,采用语义网络技术,提出了基于本体的向量空间模型（VSM）,计算学习者的兴趣向量,克服了传统的VSM有术语间语义相关性被忽略的不足,提高了兴趣相似性比较的精确程度,同时提出了一种基于学习者兴趣相似匹配度和学习者兴趣匹配浓度的学习社区自组织分组算法。针对模型使用本体中的概念构造向量空间表现出的巨大维数,运用概念索引降维法对兴趣特征矩阵进行合理降维,大大降低了计算的复杂性。最后通过应用案例验证分析了该模型算法具有较高的分组效率和良好的扩展性。     

基于服务质量的Web服务优化选择算法及仿真

提出一种基于服务非功能属性的Web服务优化选择的多目标遗传算法.考虑到在服务选择时组合方案中的控制结构、具体服务之间的关联性和多个服务质量指标之间的折衷这三方面的约束,对服务选择建立分层模型给出优化选择的形式化定义.在此基础上,采用多目标遗传算法求解优化服务选择.首先设计了适合的染色体编码方式,以表示可行的服务选择方案...     

用模糊选择法提高进化算法的效率

提出了进化算法中选择优良个体的一种方法－模糊选择法。这种方法通过对个体的适应度进行模糊化处理，实现对优良个体选择。基于模糊选择法的进化算法应用于曲线回归和极值求解。结果表明，该方法是一种有效的优良个体的选择方法，它能显著地提高进化算法的效率。     

基于图的特征选择算法综述

特征选择作为数据处理的预步骤成为近年来的研究热点.借鉴图的方法,可认为重要的特征应该具有使同类样本更加聚集在同类之中,而使非同类样本间的间隔应该尽可能大的特点.首先详细介绍了当前常用的基于图的特征选择算法,并对其进行了分类比较;接着给出了当前基于图的特征选择算法存在的问题;最后指出了基于图的特征选择算法的研究趋势.     

基于DSR协议的缓存路由选择与分组抢修算法

提出了一种在缓存路径信息时增加优先级属性值的方法,对一次路由发现过程中得到的多条路由的可靠性进行区分,并把这种方法扩展到整个DSR协议的路由存储机制中,使节点可以在发送数据分组和对路由请求进行回复时按照优先级选择最可靠的路由,从而提高了包传输率,减小了端到端时延.并在分组抢修过程中使用了一种新的分组抢修方法,提高了分组抢修的成功率.