马铃薯专家系统中基于遗传算法的知识发现的研究

主要讨论了从数据库中发现有用的知识建造专家系统,利用遗传算法构建知识发现子系统,以解决在处理复杂数据时的仿真丢失问题。结合项目实际设计了系统的结构和工作流程,并对实现系统的关键技术进行探讨和构想,以此提高求解问题的效率,增强系统在实际应用中的适用性。实现了遗传算法在马铃薯专家系统建立过程中的应用。     

一种基于粗糙集的知识约简方法

最佳知识约简问题是信息系统与知识发现中面临的一个重要问题．提出了基于粗糙集的理论对信息系统生成的差别矩阵进行约简的方法．该方法先对连接差别矩阵进行一致化处理，然后再将差别矩阵进行约简，最后在约简后的矩阵中作最佳知识约简．     

基于有限元仿真结果的知识发现

提出了通过数据挖掘技术实现基于有限元仿真结果的知识发现．分析了数据挖掘的一般步骤，建立了基于有限元仿真结果的知识发现系统，论述了知识发现系统的各个模块及实现该系统的关键技术；对粗糙集和主成分分析法作了简单的介绍，并举实例对粗糙集方法作了说明．通过数据挖掘技术将计算实例提炼出来，作为一种知识源参与到设计优化过程中去，将CAE从设计验证层次提升到设计驱动层次．     

多维函数优化的遗传算法研究

本文研究了求解多变量函数优化问题的遗传算法,在此算法中采用了十进制浮点数基因表示方法,并相应地提出了一种叠加零均值Gauss随机扰动的变异方法,研究表明,对于满足组件假说的多维函数优化问题,这种遗传算法具有较高的搜索效率．     

遗传算法的实现及其应用

遗传算法(GeneticAlgorithm)是一类借鉴生物界的进化规律(适者生存,优胜劣汰遗传机制)演化而来的随机化搜索方法.迄今为止,遗传算法已成为进化算法中最广为人知的算法.我们针对遗传算法在优化求解上具有的独特优越性,对遗传算法进行了初步的研究,通过实现对其在具体问题中的优化求解,来达到熟悉和掌握遗传算法的目的,并在此基础上进一步对遗传算法在科学与工程中的运用加以体会.     

一种基于粗糙集的知识约简方法

最佳知识约简问题是信息系统与知识发现中面临的一个重要问题.提出了基于粗糙集的理论对信息系统生成的差别矩阵进行约简的方法.该方法先对连接差别矩阵进行一致化处理,然后再将差别矩阵进行约简,最后在约简后的矩阵中作最佳知识约简.     

浅析遗传算法与进化策略

介绍了遗传算法和进化策略的算法模型，着重讨论了遗传算法和进化策略的特点以及各自的局限性，并分析了遗传算法和进化策略的区别与联系，最后指出遗传算法和进化策略有待解决的问题和二者可以联合发展的趋势。     

一种基于粗糙集的机械装配知识发现方法

为了解决机械装配行业工艺知识提取困难的问题,提出一种基于粗糙集理论的装配知识发现方法,给出其计算机软件实现方案,并用实例验证方法的有效性。该方法运用粗糙集中属性重要度的概念和方法,实现属性核和属性约简的求解,并根据约简挖掘隐含在经验数据中的专家知识,形成相应的决策规则。实例验证结果说明,该方法可以有效地提高装配效率和装配知识的学习。     

基于粗糙集的转炉炼钢知识发现模型

针对转炉炼钢知识发现的特点,采用粗糙集理论进行分析,应用数据清洗、标准化及离散等方式对转炉炼钢生产数据进行预处理,以炼钢生产的主要影响因素作为知识发现的条件属性,以转炉冶炼终点控制目标作为知识发现的决策属性,建立了基于粗糙集方法的转炉炼钢知识发现模型,实现转炉炼钢生产知识的自动发现、获取和规则提取。以转炉冶炼终点钢水温度的变化规律做为知识发现的决策属性,采用210 t转炉炼钢实际生产数据进行模型的应用测试,结果表明提取出的铁水硅含量、铁矿石质量、氧气消耗量等影响因素对转炉冶炼钢水终点温度存在重要影响,且模型提取出的转炉炼钢终点钢水温度知识规则与现行转炉炼钢现场的变化规律一致,证明基于粗糙集方法的转炉炼钢知识发现模型的有效性。     

基于遗传算法的神经网络优化

神经网络和以遗传算法为代表的进化算法都是仿效生物处理模式来获得智能信息处理功能的理论,其中,神经网络已被广泛应用于智能控制系统优化,信号及信息处理,模式识等领域,而遗传算法则是模拟生物的进化现象（处然淘汰,交叉,变异等）,不表现复杂现象的一种概率搜索方法,以达到快速有效地解决各种困难问题。但神经网络和遗传算法目标相近而方法各异,因此,将这两种方法相互结合,必能达到取长补短的作用,近年来,在这方面已经取得了不少研究成果,形成了以遗传算法与神经网络相结合的进化神经网络（ENN）。本文以综述的形式总结了遗优越传算法在神经网络训练中的应用情况。     

并行遗传算法研究

以伴随着遗传算法应用的深入开展,并行遗传算法（parallel genetic algorithms,PGA）及其实现的研究也变得十分的重要、一般来说,遗传算法中的适应度的计算最费时间,再加上需要不断产生新一代．而每一代又有若干个体,所以如何提高遗传算法的运行速度显得尤为突出．由于遗传算法的内在并行机制,其并行处理是很自然的解决途径．     

遗传算法中交叉算子的配对策略研究

提出了一种称为“国王配对”的配对策略来选择进行交叉运算的父母体,在此基础上再执行改进的交叉运算.经过测试,证明国王配对策略比随机配对策略要优越,可以加速遗传算法的进化过程.     

利用遗传算法对GS算法改进的研究

利用遗传算法对传统的GS算法进行改进,提出一种基于遗传算法和GS算法混合的衍射光学元件的设计方法,能够有效地改进GS算法的不足。同时,分析设计了将高斯光束转变为字母、特定形状的图案以及多个目标图像的衍射光学元件,模拟结果与预期结果相符合,将此方法的仿真与传统GS算法的仿真作了比较。最后进行了实验验证,证明了设计方法的正确性。     

小生境技术对遗传算法的改进作用研究

将标准遗传算法用于最优化问题时存在早熟收敛和后期收敛速度缓慢的现象.本文扼要分析了遗传算法的运行机制,提出一种基于小生境改进遗传算法;对复杂函数的遗传优化仿真实验数据表明,改进的遗传算法不但具有良好的全局收敛可靠性,而且具有快的收敛速度.     

基于遗传算法的红外图像恢复研究

红外图像的恢复是红外图像处理的一项重要内容,分析了图像恢复的基本原理,提出了一种改进的二维遗传算法,给出了红外图像遗传操作的具体步骤。实验结果表明,方法有着较强的先进性和实用性。     

基于遗传算法的智能组卷研究

分析了智能组卷约束条件,建立了智能组卷系统的数学模型,并给出了改进的遗传算法求解智能组卷问题的新方法.实验结果表明所提出的新组卷算法相对于其他算法更能有效地解决自动组卷问题,组卷成功率高,组卷速度快,具有较好的性能和实用性.     

线性约束优化问题的遗传优化方法研究

介绍了线性约束条件的一般形式及线性约束条件的遗传优化方法,较全面地阐述了相对于各线性约束条件的各遗传算子的特点、作用及其产生方法.并指出了有关遗传算子的不足.     

混合资源调度的遗传算法研究

针对多机群协同计算背景下的混合资源调度的NP难题,采用一种新型的遗传算法和编码规则,较好解决分布式并行计算环境下,多任务与多资源的调度分配问题,并给出了实例计算,结果表明,该算法能较好地解决资源之间的冲突问题,而且遗传算法操作简单,每个染色体都对应一个可行调度,同时避免了非法染色体的产生。     

基于模糊逻辑与遗传算法的故障诊断方法研究

探讨了模糊逻辑与遗传算法相互结合与集成的方法,从以下三个方面对两者的结合在故障诊断中的应用进行了研究;首先是用模糊逻辑理论对系统进行描述;然后用遗传算法对可能的故障传播路径进行搜索;最后是实现了模糊逻辑与遗传算法相结合的故障诊断．     

基于遗传算法多目标优化的工程项目调度

在建设工程项目管理中,施工周期和项目成本的综合均衡管控是项目调度管理的最重要内容之一。然而,实际中两者的关系即相互关联又矛盾对立,任一目标的优化必然以弱化另一目标为代价。因此,工程项目调度管理问题是一类组合优化问题。为此本文提出了一种基于遗传算法的多目标优化建设项目调度模型。模型为项目管理者制定和评估工程完成最佳时间和成本最小化的的工程施工进度计划。计算模型主要分为三个模块：开发实用的建设项目进程调度模块;计算项目成本的管控模块;多目标搜索和识别项目时间和成本之间最优或接近最优解的权衡模块。最后,应用该模型分析了一个应用实例,并证明了模型的有效性,为项目管理者提供理论参考。