基于CNF权重学习求解3-SAT问题的进化算法

SAT（Satisfiability）可满足性问题研究具有很广的应用价值,是计算机和人工智能领域内的一个重要问题,也是第一个被证明为NP完全的问题。随着对SAT问题的深入研究,已经提出了很多高效的算法,其中随机算法（WalkSAT）、进化算法等启发式算法是今年来研究的热点。进化算法是遗传算法的一种,通过对生物组织进化的学习,形成的一种高效算法。针对CNF（Coniecture Normal Formula）权重和生物进化算法相结合,提出一种有效求解难SAT问题的不完全算法WOSAT．     

基于改进的遗传算法求解3-SAT问题

针对求解3-SAT问题,提出了一种改进的混合遗传算法。该算法是基于局部搜索算法策略与SGA算法的基础上将三路划分快速排序算法与其相结合的一种改进。首先通过适应度函数对基准的调节,运用改进的三路划分快速排序,重新生成新的种群,这在算法延迟收敛的可能性及可满足范式无解的可能性方面能起到很好的抑制作用;其次通过实验证明,与同类算法比较,该算法加快了寻找最优解的速度。最后,验证了算法的有效性与可行性。     

求解OSAT问题的高效仿真算法

提出一个基于拟物思想的求解OSAT问题的仿真算法.该算法在映射过程中充分利用了连续性转换,通过竞争方式得到结果,并对最小码覆盖问题进行分析.     

基于遗传算法的背包问题求解

背包问题是计算机算法研究中NP完备类的一个困难问题,对这个问题国内外很多学者已经研究出了不少经典的方法,但是这些传统的优化方法存在一些缺点。本文介绍了近年来兴起的一种机器学习算法——遗传算法解决背包问题的基本思路,并通过实例计算证明了此方法的可行性和有效性。     

基于遗传算法的匹配问题求解

系统地论述了遗传算法的由来、传统二进制编码的优缺点，浮点数编码的优点，以及用浮点数编码方案实现匹配问题的求解方法。     

基于遗传算法求解背包问题

本文对0/1规划的背包问题展开讨论,提出了一种基于遗传算法的问题求解方法,给出遗传算子,并对模型进行了实验数据的结果分析。     

基于遗传算法的模糊聚类方法

针对模糊c 均值算法容易收敛于局部极小点的缺陷 ,将遗传算法应用于模糊c 均值算法的优化计算中 .算法采用实数编码 ,提高了试验精度 .实验证明基于遗传算法的模糊聚类方法能够在一定程度上克服初值的影响 ,跳出局部极小点 ,在大样本的聚类方面有较大的优势 .     

基于遗传算法的文本聚类特征选择

传统的文本聚类特征选择方法不能发现最优特征集,而遗传算法能获得全局最优解且具有高的寻优效率,因此提出利用遗传算法进行文本聚类的特征选择.把一种特征组合看作一个染色体,对其进行二进制编码,引入文本集密度作为适应度函数进行特征个体适应度的评价.通过选择、交叉和变异的遗传操作,能较为快速地求出最优特征集.对公开的文本分类语料所进行的实验表明,基于遗传算法的特征选择使文本聚类结果的精度较之特征选择前提高了5.9%,而聚类时间减少了15 s.     

基于遗传算法求解旅行商问题

提出一种基于生物进化论的寻优方法─—遗传算法,用以求解著名的组合优化难题─—旅行商问题,此算法与传统求解TSP问题的方法相比,具有简单、强壮、高效、高速的特点,每次皆可收到一个满意的结果,若不考虑内存限制,原则上对任何规模的对称欧几里德平面TSP问题具有通用性。     

基于分区聚类方法求解接运公交网络设计问题

在接运公交网络设计问题中引入中垂线分区和最短路径分区两种聚类方法,有效化解了公交线路重叠、服务交叉问题.基于最短路径分区聚类方法,以乘客、公交公司和轨道交通运营者三方的总花费最小为目标,通过改进染色体编码方法和遗传操作策略,成功解决了多对一模式下的接运公交网络设计问题.考察了公交线路长度和乘客需求对线路条数、运营频率及总花费等网络性能的影响,结果显示,线路长度或乘客需求增加对线路条数和运行频率影响不大,但总花费增长较快;而线路长度或乘客需求减少时总花费快速减少,但线路结构未必最优.仿真结果说明,基于分区聚类方法的接运公交网络不仅能够完全覆盖服务区域,而且有利于消除冗余线路,降低总花费.     

基于有效性指标的聚类算法选择

为数据集选择合适的聚类算法是获得高质量聚类结果的前提和保障.提出了基于有效性指标的聚类算法选择方法,通过对不同聚类算法的聚类结果的质量评价为数据集选择最适合的聚类算法.该方法的优点是在对数据集的情况了解甚少的情况下,也能有效地保障聚类质量.实验结果表明本文方法十分有效,为实验数据集正确选择出最适合的聚类算法,并获得了高质量的聚类结果.     

基于运输规划和组合GA的基本物流网络设计

为了探索动态规划求解多阶段物流网络设计方法,提出了基本物流网络模型和基本决策问题,并利用运输规划和组合遗传算法开展了研究。结果表明:利用运输规划求解小规模问题具有灵活、有效的特点,组合遗传算法随着规模的增大精度和效率提高。证明可以此为基础,进一步利用动态规划研究多阶段物流网络设计问题。同时研究了物流费用的规模经济问题,给出了仓储费用和运输费用的非线性计算公式,并成功应用到多阶段物流网络设计中。     

课表的多指标数学模型及解决方法

课程表问题又称时间表问题(timetable problem)，是一个多指标的优化决策问题，也是组合规划中的典型问题．对已有的时间表问题进行探讨，并研究其数学模型及解决方法．     

基于遗传算法的常规工艺运行参数模糊优化

考虑了系统运行目标的不唯一性(考虑出水浊度、CODMn和费用3个运行目标),根据模糊优化思路,把多目标优化转化为单目标综合优化,利用遗传算法的高效搜索性能,对可控参数进行编码、译码、计算适应值函数,求取满足常规系统出水水质约束的模糊较优控制参数组合(包括7项可变运行参数).优化结果表明不同原水水质条件下均对应有不同的运行条件和参数;混凝剂和预氧化剂种类及投量之间均存在一定的配比关系,合适的配比不但可以提高出水水质还可以减少运行费用.     

基于遗传算法的热物性参数辨识

为了提高热物性参数辨识的准确度,将遗传算法(genetic algorithm)应用于热物性参数辨识,提出了完整的数学模型.数值模拟结果表明,此法具有相当的精确度,不但没有造成噪声放大,而且还对噪声进行了过滤,使得输出噪声比输入噪声小了许多,成功克服了反问题中误差累积放大的弱点.本算法应用的唯一前提是相应的正问题可解.该算法很容易应用到其它热物性参数辨识和其它类型的反问题中.     

基于GA优化趋近律的准滑模控制研究

针对滑模控制(SMC)中的抖振问题,采用了基于指数趋近律的准滑动模态控制,并提出了用改进遗传算法优化趋近律参数,提高系统动态性能的思路.对由PMSM构成的交流伺服系统进行仿真试验,结果表明该方法有效.     

对一类背包密码体制攻击中的遗传算法欺骗性分析

利用模式分析法从理论上说明了MH背包密码体制分析中存在严重的欺骗性,从而得出该算法的不可行性。     

用遗传算法求解中国旅行商问题

阐述遗传算法针对一类NP完全的组合优化问题——旅行商问题，提出采用高级算子操作对遗传算法进行改进，仅利用城市间的距离信息求解中国旅行商问题，用很短的时间得到了16719km这一最优结果。     

汽车零部件供应商选择双层规划模型及求解

针对汽车零部件企业供应商选择周期长、供应商数目较多、评价指标繁多、流程复杂、评判要求异常严格的特点,建立了适用于汽车零部件企业的供应商选择双层规划模型,该模型从采购商和供应商的不同角度,对选择目标进行分解,通过上下层目标函数综合评价多种选择因子,得到最优供应商选择方案,以使采购总费用最小,产品质量最好.在模型中平衡和优化供应商与采购商双方利益,考虑了供应商的技术、质量、价格、供货能力和服务等多个约束条件;设计了模型的遗传算法求解算法,并用实例验证了模型和算法的有效性和实用性,为汽车零部件企业的供应商选择提供了有价值的参考.     

基于遗传算法的对流扩散方程逆时反问题的数值求解

利用Tikhonov正则化方法解第一类Fredholm积分方程获得该逆时反问题的解,并结合遗传算法的优点给出了一种反演的例子。实例模拟结果表明,该方法具有精度高,收敛速度快且易于计算机实现等特点。