基于多样化进化策略的基因表达式编程算法

针对传统GEP(Gene Expression Programming )算法的未成熟收敛以及陷入局部最优问题,提出一种基于多样化进化策略的基因表达式编程算法(DS-GEP:Gene Expression Programming based on diversified development strategy)。该算法通过基因空间均匀分布策略,自适应地交叉和变异算子以及淘汰算子等方法,对种群给予不同的进化策略,以保持种群的多样性,从而增强算法的寻优能力。通过对函数挖掘的实验证明,多样化进化策略各个部分均对改善挖掘效率发挥了作用,提高了DS-GEP函数挖掘算法的成功率。与传统GEP算法相比较,该算法的平均成功进化代数缩短了11%,成功进化时间缩短了8%,进化成功率提高了20%。     

免疫遗传算法及其对资源受限工期最短问题的应用

依据免疫机理及遗传算法,设计免疫遗传算法解决项目计划管理中资源受限、工期最短问题。算法设计中,记忆池用于搜集算法进化获得的优秀个体,并使记忆池中的个体参与交叉;基于群体多样性特征,设计浓度方案调节进化群体的多样性,并用于群体更新;利用自适应变异及修补思想增强进化群体的散布性和修正非可行解。数值实验及比较表明,该算法具有很好的搜索性能,在搜索效果上较为稳定。     

基于多目标基因表达式编程的电路演化算法

为提高电路演化的效率和成功率,对电路设计中涉及的多个目标进行了定义与量化,并针对多目标优化问题,在基因表达式编程(GEP:Gene Expression Programming)的基础上,提出了基于多目标基因表达式编程的电路演化算法(MGEP:Multi-Objective Gene Expression Progra...     

Project Scheduling Using Hybrid Genetic Algorithm with Fuzzy Logic Controller in SCM Environment

In supply chain management (SCM) environment, we consider a resource-constrained project scheduling problem (rcPSP) model as one of advanced scheduling problems considered by a constraint programming technique. We develop a hybrid genetic algorithm (hGA) with a fuzzy logic controller (FLC) to solve the rcPSP which is the well known NP-hard problem. This new approach is based on the design of genetic operators with FLC through initializing the serial method which is superior for a large rcPSP scale. For solving these rcPSP problems, we first demonstrate that our hGA with FLC (flc-hGA) yields better results than several heuristic procedures presented in the literature. We have revealed a fact that flc-hGA has the evolutionary behaviors of average fitness better than hGA without FLC.     

基于基因表达式编程的代价敏感分类算法

针对传统分类算法在稀有类上的分类效果不佳,通过引进代价矩阵,改进了基因表达式编程的适应度函数,提出了一种基于基因表达式编程的代价敏感分类 (CSC-GEP：Cost-Sensitive Classification-Gene Expression Programming) 算法,并在UCI数据集上对该算法进行了实验。实验结果表明,CSC-GEP的召回率、精度和F-度量值较C4.5分类器分别提高了7.07%,2.89%,5.12%,证明了CSC-GEP是一种有效的代价敏感分类算法。     

基于基因表达式编程优化PID调节器参数

 应用基因表达式编程（GEP）优化PID调解器参数,提出了基于GEP的PID参数优化策略和适应度函数的设计方法;提出了基于GEP的PID参数优化的GEP-PID算法。实验表明,与Ziegler-Nichols(ZN)法相比,该算法使系统阶跃响应的超调量下降了65.45%,上升时间和调整时间分别缩短了38.5%和61.5％。     

基于仿真的调度规则组合决策研究

针对车间调度规则组合的多目标优化问题,提出了一种基于仿真的评估决策模型. 通过仿真获得不同调度规则组合下的方案集合,在利用层次分析法获得性能指标权重的基础上,采用灰关联理论计算各结果方案对于单项指标的关联系数,实现了基于灰色关联度的方案评估,并导出了最优的调度规则组合. 调度规则组合决策体现了用户对系统性能指标的要求,解决了传统依靠经验进行调度规则选取的问题,优化了制造系统的运行.     

一种求解产品设计项目调度问题的启发式方法

针对产品设计项目(product design project,PDP)调度问题,考虑任务工期的随机性特点和任务的返工可能性,扩展了传统的优先规则计算方法.提出了一种启发式调度方法,采用扩展优先规则和随机串行调度生成方案,以项目交付期最小为目标构造调度方案.通过抽样得来的随机工期向量获得近优调度策略.在不同工期可变幅度下对方法进行测试,实验结果验证了该方法的有效性,并显示在任务工期的不确定程度和任务返工可能性较大时,采用随机调度方法解决PDP的调度问题可以获得更高质量的调度方案.     

基于基因表达式编程的股票指数时间序列分析

基因表达式编程（GEP）是遗传算法研究的新分支．针对股票对象的特点,提出了适应股票规律的GEP—STOCK模型,包括n时段—STOCK—GENE,STOCK—fitness以及STOCK-GEP算法,并以上海证券交易指数时间序列数据为对象做了实验．进行了误差和指数涨跌分析．实验结果表明GEP—STOCK模型预测精度较高,20d的平均绝对误差为11．08,平均相对误差为0．64％．从涨跌情况预测来看,模型对6d后指数的涨跌判断,正确率高于80％以上．     

奥运通勤线路公交调度问题研究

奥运通勤线路上的人员调度问题可以归结为公交人员调度问题,解决公交人员调度通常采用"生成与选择"模式,此种模式具有的局限性使之不能满足解决奥运特色通勤线路上人员调度的要求.针对多条运营线路的奥运特色通勤线路人员调度问题,给出了奥运特色通勤线路人员调度问题的改进模型,模型的目标是在满足工作时间、就餐时间、换班要求等相关约束的条件下使人员完成任务的间隔时间最小.本文对已有蚁群算法解决车辆路径优化问题的算法进行了改进.对算法中相应的转移规则和轨迹更新规则进行了重新设定,改进了算法转移策略和信息素更新策略.给出了算法的实现步骤.通过仿真,对模型的正确性进行了验证.证明了改进蚁群算法解决奥运特色通勤线路人员调度问题的高效性和较强的适用性.     

基因表达式编程用于有机化合物的毒性预测

基因表达式编程方法(GEP)是一种新型的数据挖掘和建模工具,应用GEP方法对110个有机化合物的毒性进行了构效关系研究,并与人工神经网络(BP-ANN)和偏最小二乘(PLS)方法比较.结果发现,GEP方法的预测较好,且模型稳定.     

基于关键链技术的项目进度管理系统设计与实现

介绍了关键链技术(CCM)的概念及其网络模型，以CCM和群体决策支持系统(GDSS)的决策管理模式为基础，采用C／S和B／S结构相结合的形式，提出了一个在Internet环境下的项目进度管理系统及其相应的实现技术．     

基于粒子群的多目标多执行模式项目调度

聚焦多目标多执行模式特点下的项目调度问题,通过建立工期、费用、资源和质量多目标函数,构建综合优化模型,同时运用粒子群算法解决工程项目多目标多执行模式优化问题.最后,通过一个应用实例计算,表明粒子群算法可以准确快速地解决该模型下的工程项目多目标优化问题,达到了项目调度中面对不同模式进行抉择,并且缩短工期、减少成本、均衡资源以及提升质量的综合的理想效果.     

基于规则和遗传算法的实验室排课算法研究

为解决实验室排课这一NP组合优化问题,设计了基于规则和遗传算法的实验室排课算法.首先对用到的数据库和数据结构进行了定义,然后采用遗传算法进行排课,最后引入排课规则解决对实验室按优先级排课的问题.同时,也给出了一种排课冲突的解决方法.实验证明该算法能很好地解决实验室排课问题.     

基于基因表达式编程的人口预测模型

提出一种基于基因表达式编程算法(GEP)的人口预测新方法,并将该方法应用于东莞市人口预测实例问题研究。实验结果表明:由于基因表达式编程算法采用基因型与表现型相统一的编码方式、高效的遗传算子以及全局搜索的寻优方式,基于GEP算法的人口预测模型能够在样本少的情况下给出相对准确的预测结果。其验证数据的预测绝对值平均误差为0.96%,与灰色系统GM(1,1)预测模型及径向基人工神经网络预测模型相比,预测精度分别提高了18.34%、30.54%。GEP人口预测模型能够更好地挖掘人口发展的复杂非线性模式,有效防止过度拟合现象的发生,提供更为准确、合理的拟合及预测结果。     

公交区域车辆调度优化研究现状与发展

区域范围内车辆调度是以给定时刻表和一定数量的分布在各个车场的车辆为前提,在满足所有约束条件和相关规定的条件下,得出所需车辆最少或费用最小的车辆调度方案.区域范围内的公交车辆调度过程非常复杂,一直是公交领域研究的热点问题之一.本文在阐述车辆调度问题的基础上,对车辆调度问题的可行模型与算法的研究现状进行了综述,同时对公交车辆调度研究的扩展问题进行了分析.     

基于免疫算法的带软时间窗车辆调度问题

在对带软时间窗车辆调度问题(VSPSTW)简要叙述的基础上建立了VSPSTW数学模型。针对VSPSTW问题,构造一种免疫算法来求解VSPSTW,并提出了一种新的抗体编码、改进的亲和力计算方法,将求解结果与遗传算法比较。结果表明:该算法对于求解VSPSTW问题具有较好的性能和更好的鲁棒性。     

随机环境下公交调度问题双层规划模型与算法

提出一种以随机环境为基础并能适用于实际公交调度的优化方法.考虑公交线路运营环境下的随机因素,建立一个尽可能使乘客和企业综合满意度达到最大的双层规划模型,并通过智能算法进行求解.算例研究表明,模型和算法具有可行性和有效性.在车型、发车时间间隔、运营费用等因素组合情况下,以实际站点统计数据为基础,能够快速给出优化结果.      

多产品批处理过程调度的MILP建模

基于时间间隙的概念和连续时间描述，将设备、产品分配给时间间隙分别表达为两类0-1变量。采用一个时间轴，建立了具有并行生产线的单阶段多产品批处理过程的调度数学模型。模型表达为一个混合整数规划（Mixed Integer Linear Programming,MILP)问题。相对于已有的基于时间间隙描述的调度模型，该模型0-1变量少，且能处理顺序相关建立时间。求解采用分支定界法（BAB）。计算表明，该模型求解速度快，松弛线性规划和MILP的最优解之差（Integraligy Gap)小，尤其对包含多个相同批次的调度问题求解效果更为显著。     

单链莫奈林基因表达载体的构建及其分泌表达

根据甜蛋白莫奈林的氨基酸序列，选择酵母偏爱密码子，化学合成单链莫奈林(Single-Chain Monellin，SCM)基因片段，并拼接成全基因．基因的DNA序列分析表明，合成的单链莫奈林基因与设计的一致．该基因插入于毕赤氏酵母整合型质粒pPIC9K中置于AOXI启动子的控制下，并通过电转化技术将重组质粒pPIC9K／SCM导入Pichia pastoris，在含有G418的YEPD平板上筛选整合型的多拷贝的转化子．转化子在BMMY培养基中经甲醇诱导表达，用SDS-PAGE检测发酵液，表明SCM的分泌表达蛋白可达发酵液蛋白含量的90％．