一种求解最大独立集的自学习进化算法

为了求解最大独立集问题,通过对求解最大团问题EA/G算法的分析,从初始解选取、种群的构成、遗传策略等方面对EA/G算法进行了改进,提出了自学习进化算法,并在DIMACS基准图上进行了大量的实验.实验结果表明,该算法运算结果比EA/G算法所求结果有很好的改善.     

基于蚁群优化算法求解最大团问题的研究

蚁群算法是一种通过模拟自然界中蚂蚁觅食行为而发展而来的新型启发式仿生优化算法,提出至今被研究人员广泛应用于各种组合优化问题.最大团问题是图论中著名的NPC问题,本文对于基本蚁群算法进行了分析与讨论,针对基本蚁群算法的容易陷入局部最优解、收敛速度慢等问题进行了改进,提出了一种新型蚁群优化算法.本文提出的新型蚁群优化算法增加了结点度和历史选择次数表策略影响蚂蚁选点;另外提出了构造独立的局部信息素更新机制.最后通过对比实验验证,数据结果证明新提出的优化算法相对于基本蚁群算法的优越性和可行性.     

一种求解最大团问题的化学反应算法

最大团问题是在给定的一个图中寻找一个顶点数最大的顶点子集S,使得S中任意2个顶点都相邻,是一个著名的NP完全问题.提出一种带有局部搜索策略的化学反应算法求解最大团问题.为了提高算法的性能,在化学反应算法的分子碰撞阶段引入分子亲和度,使得碰撞后的分子倾向于得到对应于最大团较大的分子.将不相交的Golomb尺问题转化为最大团问题实例,通过求解最大团问题,得到若干不相交的Golomb尺问题的新结果.     

求解最大割问题的自适应混合免疫遗传算法

为了获得NP难的最大割问题的最优解,提出了一种自适应混合免疫遗传算法,它在初始化阶段按照局部最大权生成树来进行疫苗抽取操作,生成疫苗集合,再将图的划分可行解表示为抗体,并在演化过程中通过疫苗接种和基于亲和度的选择来加速收敛,并保持种群多样性,从而获得全局最优解。此外,疫苗的接种概率按照接种效果进行自适应调节,并基于信息熵理论定义抗体之间的亲合度及抗体的选择概率。大量仿真实验的结果表明该算法优于现有的贪婪搜索算法和最大神经网络算法。     

一种改进的遗传算法求解TSP问题

提出一种基于顶点的候选表进行交配的遗传算法(Candidate Crossover Genetic Algorithm,CCGA)求解旅行商问题(TSP).遗传算法(GAs)是一种广泛使用的全局优化算法,并且已经成功地用于求解TSP.但是传统的遗传算法的交配算子缺乏指导性和启发性,交配算子随机的选择父体基因进行交配,导致GAs求解速度慢、解的精度不高等不足.通过分析TSP问题本身的特征,给出了一个使用已有的邻接边的信息和路径信息生成顶点的候选表,然后基于顶点的候选表进行交配的交配算子,使用该交配算子的遗传算法在求解TSP问题时性能上得到了很大的提高,通过TSP Lib上的测试样例将该CCGA和传统的遗传算法进行比较.比较结果表明CCGA具有更大的优势,它能使算法求解到近似最优解和最优解只存在很小的偏差.     

用神经网络新方法求解图的最大独立集问题

在Ｈｏｐｆｉｅｌｄ神经网络优化方法的基础上,根据模拟退炎算法逃离局部最优解的原理,提出了一种神经网络计算的新方法,并用这种方法求解图的最大独立集问题。结果表明,该方法获得最优解比Ｈｏｐｆｉｅｌｄ神经网络优化算法获得的解要好,且所需时间比模拟退火算法少得多。     

最大团问题的竞争决策算法

分析了最大团问题的数学性质,根据推导出来的性质设计求解最大团问题的竞争决策算法,且算法的时间复杂度分析结果为O(n~3)。并用提出的算法求解最大团问题中的标准测试示例,测试结果表明,算法具有良好的求解效果。     

基于图着色的极大团求解算法

极大团问题是图论中一个经典的组合优化问题,也是一类NP完全问题,在国际上已有广泛的研究。作者在对其他现有极大团求解算法进行研究之后,设计了一种基于图着色思想的极大团求解算法。基本思想是通过不同的方式对随机图的相应补图进行顶点着色,寻找出所有顶点的极大独立集。而后返回到原图之中找出极大团,并且通过比较删减寻找到随机图的所有极大团。     

基于小生境遗传算法的多峰函数全局优化研究

针对基本遗传算法在求解多峰函数时很难找到全部最优解的问题，研究了基于淘汰相似结构机制的小生境遗传算法。用该算法对两个典型多峰函数求解的测试结果表明，该算法较之基本遗传算法有更强的全局搜索能力和更快的收敛速度。     

一种新型的遗传算法及其应用

把模糊理论与遗传算法结合起来,提出了一种新型的遗传算法.首先引入佳点距离概念,并在此基础上提出了一种模糊惩罚函数,继而建立了一种模糊评价函数,使得对个体的评价更具有合理性、客观性.同时,在遗传算法进化过程中的不同阶段,建立不同的模糊评价函数,从而提高遗传算法的搜索能力.模拟结果显示,该算法是有效和可行的.     

一种基于遗传算法的指纹比对算法

指纹比对在身份验证与身份识别中具有非常重要的应用。该文提出了一种基于遗传算法的指纹比对算法。该算法针对指纹比对的特点 ,设计了相关的目标函数与遗传算子 ,搜索了两幅指纹间可能存在的平移、旋转等几何参数变化关系 ,并在此基础上确定了二者之间的特征点匹配关系 ,从而可判断两幅指纹匹配的程度。实验结果表明 ,该方法可以在变换与局部变形存在的情况下 ,正确判定两幅指纹之间对应的特征点。与直接利用遗传算法搜索特征点对应关系的方法相比 ,新搜索方法收敛所需的迭代次数仅为遗传算法的1/ 5 ,速度得到了提高     

改进遗传算法在自动组卷系统中的应用

为了避免遗传算法在自动组卷中收敛速度慢、容易陷入局部最优值、早熟收敛等缺陷,提出了基于实数编码的遗传算法的改进算法。该算法采用分段的单点交叉操作,对个体而言,实现的是多点交叉操作,最后将该方法应用于某自动组卷系统中,以实验证明该方法的可行性和有效性。     

混合遗传算法求解0-1背包问题尝试

遗传算法是一种基于自然选择和遗传机制的搜索算法．为解决著名的0-1背包问题，尝试混合使用一点杂交与多点杂交以及将传统的算法与遗传算法相结合的方法，对经典遗传算法进行改进，并在实验中获得了更佳近似解．     

基于遗传算法的排课设计

阐述了遗传算法在课表生成过程中的应用。介绍了针对排课问题,遗传算法所涉及的编码方案,采用了布尔矩阵形式来实现、适应度函数的确定,主要涉及节次优度和周次组合优度这2个参数、和遗传操作的3种操作方法的实现过程。     

用于测试用例生成的遗传算法改进

在软件测试技术中,高效的测试用例生成是简化测试工作、提高测试效率的必要手段。传统遗传算法是一种多点搜索和采用交叉操作的技术,有效应用于测试用例生成。遗传算法虽然具有良好的全局搜索能力,但对于局部空间的搜索问题不是很有效。针对此问题,对传统遗传算法在适应度函数、遗传算子方面进行改进,提高该算法在局部空间的搜索能力,提出一种基于改进遗传算法的测试用例生成方法。实验结果表明,所提出的方法在测试用例生成的效率和效果方面优于基于传统遗传算法的测试用例方法。     

一种宽带匹配网络的遗传算法设计

为同时兼顾带宽和效率,将遗传算法应用到天线宽带匹配网络设计中。遗传算法中建立了多目标优化目标函数即适应度函数。根据算法寻优结果,结合仿真软件仿真分析了所设计的宽带匹配网络的电特性。结果表明：该宽带匹配网络具有良好的阻抗宽带性能,证明了遗传算法在设计宽带匹配网络中的有效性。     

基于遗传算法的二部图判定算法

应用遗传算法来判定二部图的具体过程是首先将无向图G的节点随机分配到两个不同社区中,然后用遗传算法进行进化操作,优化无向图G的模块化函数Q,当Q取最小值且无向图G的边只存在于两个社区之间,则无向图G为二部图.实例分析结果验证了算法的有效性.