一种基于改进遗传算法的文本特征选择方法

文本特征选择对提高文本分类的速度和准确率,改善网络信息过滤效果至关重要．把特征选择看作优化组合问题,提出用遗传算法进行文本特征选择．传统遗传算法适应性较差,本文对传统遗传算法交叉概率、变异概率、更新策略等重要参数和关键环节作了改进,实验验证了该算法的有效性．     

基于混合遗传算法的多约束组播路由优化算法

针对目前多约束组播路由算法中存在的算法复杂,不能求出其精确解和运算量大,解不稳定等问题提出了一种新的组播路由优化算法,其核心是采用改进的遗传算法。该算法采用模拟退火算法与遗传算法相结合的方法,编码采用实数编码结构,交叉和变异概率适当选择,合理设计适应度函数。仿真结果表明,该算法是有效的,稳定的,比传统遗传算法性能优越,具有较强的实用性。     

基因算法在求解非光滑优化问题中的应用 (三峡地区资源环境生态研究)

本文考虑了基因算法在求解非光滑优化问题中的应用。非光滑优化方法致力于求解目标函数为连续不可微函数的数学规划问题。因为目标函数的不可微性,传统的以梯度为基础的确定性算法在求解非光滑问题时会遇到障碍,所以运用不需要梯度信息而只需要目标函数值信息的遗传算法来求解非光滑问题是一个不错的选择。遗传算法是基于自然界生物遗传变异过程而设计的一种优化算法,它首先对问题的可行解进行编码,编码方法有0-1编码,格雷编码和实数编码,然后运用交叉算子,变异算子和选择算子产生下一代种群。当种群迭代达到一定的次数后,种群中的最优染色体就会收敛到原问题的最优解。本文设计的基因算法基于实数编码,算子分别采用算术交叉算子,非一致变异算子,最佳选择算子。     

一种改进的遗传算法解决旅行商问题

标准遗传算法在解决旅行商问题时效率不高,容易陷于局部最优解。为了解决这一问题,提出了一种改进的遗传算法。改进后的算法在选择操作时,采取了精英个体保留策略和锦标赛方法,扩大染色体的选择范围,加大了适应度好的染色体被选中的概率;交叉操作时加入父染色体中边的信息;在参数选择上,使交叉概率和变异概率与染色体的个体适应值联系,保护适应度好的染色体进入下一代。用程序实现了两种算法,通过比较,改进后的遗传算法提高了解决旅行商问题的效率。     

遗传算法的改进与应用

遗传算法不依赖于具体问题,作为优化方法用于决策支持系统有其明显优势．通常的遗传算法是一种求解非线性无约束优化问题的迭代自适应启发式概率性搜索算法,对于约束优化问题一般采用罚函数法将其化为无约束情形后再运用遗传算法求解．文中提出的基于浮点编码的改进算法,通过构造交叉与变异操作,可用来求解一类约束非线性优化问题．该方法已用于一个决策支持系统,取得了较好的效果     

遗传算法中交叉操作的改进策略

分析了标准遗传算法中存在的一些缺陷和造成这些劣势的原因．并指出交叉算子在遗传算法中的地位与作用,及所面临的问题．交叉操作的主要任务是通过随机搜索和连续重组构建最优模式．遗传算法的有效性程度上依赖于交叉操作和选择表示两者的协作．尤其以交叉操作更为重要,通过分析交叉操作中的各种问题提出了改进的策略．     

改进DNA遗传算法求解非线性多约束规划研究

基于生物DNA信息遗传机理及生物进化规则,给出一种基于DNA编码方法的改进遗传算法,以求解非线性多约束规划问题,原始的选择算子和交叉算子分别被改造为动态选择算子和基因传递算子;算法中还加入了一个新的算子——淘汰算子,分析及算法仿真结果表明,本算法可有效求解该问题。     

数据挖掘在网络销售系统中的应用

随着电子商务的发展,网络销售越来越为人们所青睐。如何在网络销售纷繁芜杂的信息中找到对商家有用的信息,进行分析,从而制定相应的销售策略是网络销售系统中亟待解决的一个问题。数据挖掘技术可以解决这类问题,通过关联规则挖掘,找出销售的商品之间、商品与客户之间存在的内在联系,以助决策者进行销售策略的制定,使商家利润达到最大化。     

基于多Agent的制造网格资源调度新算法

针对在制造网格广域、动态、异构的复杂环境中如何快速准确地发现并调度资源,使QoS达到最佳效果,本文提出了利用移动Agent在制造网格中发现资源的新方法,先用遗传算法对资源信息进行选择,然后将移动Agent作为用户提交任务的载体,携带用户的资源信息在网格环境中利用蚁群算法对资源进行精确查找.设计了资源优选目标,改进了遗传蚁群算法的路径优化策略,在移动Agent查找路径的前半程,采用遗传算法,充分利用遗传算法的快速性、随机性、全局收敛性,求得一个较为精确的解.后半程,将遗传算法过渡到蚁群优化算法,利用蚁群算法的并行性、正反馈性、求精确解效率高的特点,求得最终结果.经仿真实验证明此算法可以获得很好的收敛速度和精确解.     

遗传算法的特点及应用领域研究

遗传算法是一种基于概率意义的随机搜索算法,它的思想是构造一个问题的解的初代种群,经过选择,交叉和变异产生新的最优解集种群。遗传算法的特点具有自组织、自适应和自学习性,遗传算法提供了一种求解复杂系统优化问题的通用框架,在工程设计、演化硬件电路设计以及人工智能等方面应用前景广阔。     

商业销售中的利润挖掘及商品选择算法

给出ItemRank算法解决带有交叉影响的商品选择问题, 构建了以顾客为导向的购买行为模型, 在此基础上给出算法ItemRank. 同时从马尔可夫随 机链出发提出了SALSARank算法模拟顾客行为. 实验表明, 这两种算法在选择商品的利润评估中具有较好的效果.     

求解TSP的改进遗传算法

遗传算法是求解旅行商问题的一种全局优化概率搜索算法方法,文中针对遗传算法较快的找到最优解并防止"早熟"收敛问题,提出了一种新的分级方法,该方法在各级中以群体当前最优个体替代各级中的最差个体,并在各级中采用自适应变异概率,改进后的遗传算法不但有效的维持了群体的多样性,而且提高了收敛速度,最后实验表明,改进的算法是可行和有效的.     

免疫遗传算法在车间作业调度中的应用

为了求解车间作业调度(JSP)这一典型的NP难题,提出了基于免疫遗传算法(IGA)的JSP问题求解方法.在该求解方法中,结合免疫原理和遗传算法提出了应用于JSP问题的IGA算法流程;算法采用基于工序的编码方式、自适应交叉和变异;同时为了改善交叉算子的性能提出了一种改进的基于工序编码的交叉算子.另外,采用车间作业中“最短处理时间原则”作为IGA算法的免疫疫苗,同时给出了免疫算子的设计方法.最后,通过“Muth and Thompson”基准问题的仿真实验验证了IGA算法在JSP问题求解中的有效性.     

系统可靠性的多目标优化计算

由于多目标优化问题存在多个最优解集合，而传统的方法往往将其转化为各目标之加权和，然后采用单目标优化技术，这种方法存在诸多缺点和脆弱性，作为一种并行算法，遗传算法能很好地解决多目标优化问题，文中在非劣性分层遗传算法的基础上对遗传算子进行改进，首先获得多目标优化问题的非劣解，然后通过对系统进行敏感性分析，有效地缩小了问题的解空间．试验对比发现，算法的速度和精度得到有效提高。     

灾变遗传算法在配电系统最优时变重构中应用

提出一种灾变遗传算法来求解中压配电网最优时变重构问题,以达到网损最小和负荷平衡的目的.首先采用协调方法将多目标规划问题转化为单目标寻优问题,并给出了协调后的数学模型.求解过程采用灾变遗传算法以提高种群个体的多样性,防止局部收敛.通过对南方某城区配电系统的计算,证实该算法在求解速度和全局收敛能力上较普通遗传算法均有较大幅度的改善.     

求解0-1背包问题的混合遗传算法

对于0-1背包问题设计一种价值密度,并在此基础上提出求解0-1背包问题的混合遗传算法.经大量数值实验比较该方法与传统方法及简单遗传算法,结果表明算法能有效求解0-1背包问题.     

基于遗传算法的Job-shop调度问题研究

Job-shop调度问题是一个强NP－难问题。为此提出了一种简单，易操作的遗传算法对该问题进行求解。采用一种插入式贪婪解码算法保证生成的调度是活动调度(active schedule)。通过几个著名的Muth and Thompson测试例子及与目前较好的遗传算法的比较实验，以验证这一算法的有效性。     

适于物流配送车辆导航路径规划的遗传算法研究

本文主要针对物流配送车辆导航本身的特点,分别对遗传算法的初始种群产生方法,交叉方法,变异方法进行了改进,并实现了遗传算法中参数的自适应调整,提出相应的改进型遗传算法。实验结果表明,本文提出的自适应遗传算法能快速有效地解决物流配送中的点到点型路径规划,能满足物流配送车辆导航实时性的要求,是适于物流配送的有效算法。     

一种新量子遗传算法及应用

基于量子位测量的二进制量子遗传算法,在用于连续问题优化时,由于频繁的解码运算,严重降低了优化效率。针对这一问题,提出了一种基于量子位相位编码的量子遗传算法。该方法直接采用量子位的相位对染色体进行编码,采用量子旋转门实现染色体上相位的更新,采用Pauli-Z门实现染色体的变异。在该方法中,由于优化过程统一在空间[0,2π]n进行,而与具体问题无关,因此,对不同尺度空间的优化问题具有良好的适应性。以函数极值优化为例,仿真结果表明该方法的搜索能力和优化效率明显优于普通量子遗传算法和标准遗传算法。     

变容差遗传算法求解多约束问题的研究

提出一种基于实数编码的变容差遗传算法,该算法是将自适应遗传算法的随机性与可变容差算法的确定性相结合,利用可变容差算法的准行域搜索准则,对具有非线性、多峰、多约束的问题寻优.运用该混合算法对有边界限制的6个峰值、4个性能约束的复杂函数最大值多次寻优,并与罚函数处理约束条件后的结果相比较,表明该算法依据容差准则具有较高的可靠性,尤其对于隐性约束,在一定精度范围内能够提高收敛精度,减少计算量,提高优化效率.