一种基于遗传算法的分类方法

数据挖据的目的是从数据库中获取知识。本文针对挖据目的,提出了一种基于遗传算法的分类方法,并应用于实例,得到了很好的结果。     

一种基于信息熵的多种群遗传算法

通过模型变换建立了一种约束优化的演化设计模型．并构造出求解此模型的多种群空间收缩遗传算法．利用最优解在各种群中的存在概率将信息熵概念引入进化过程,构造出一种含有熵的多目标优化模型,利用该模型可以直接显式地给出作为拉格朗日乘子的种群最优解存在概率,从而得出多种群遗传操作的空间收缩因子,控制各种群寻优搜索时解空间的收缩．用种群的多样性避免遗传进化的早熟现象,以空间收缩尺度作为停机判据,有效地控制了算法的收敛．数值算例显示,熵的介入使随机搜索类进化算法的寻优目的性大为增强,从而提高了演化设计的计算效率。     

基于多阶段遗传算法的人力资源管理

针对企业的员工雇佣计划的优化问题,根据实际中遴选雇佣员工存在一定程度的随机性特点,以按期完成项目、消耗成本最低为目标,采取优胜劣汰策略,利用随机规划方法构建雇佣计划的优化模型;将遗传算法与多阶段决策相结合设计了模型的求解算法;最后通过算例对模型及算法的有效性进行了验证.计算结果表明:提出的方法能够通过合理控制不同时段聘用,及解聘的数量逐步提高雇佣员工的平均工作能力,员工平均工作能力提高幅度达到41%,从而实现了针对项目的人力资源优化.     

基于遗传算法的布局求解方法研究

通过对布局问题的分析和遗传算法的研究,对编码方法、遗传算子等做了改进,提出了基于遗传算法的布局求解方法研究.通过实验结果证明,该算法对布局求解能得到良好的布局结果.     

一种基于无性繁殖遗传算法的多移动节点路径规划方法

针对利用多个移动节点采集散布在固定区域内固定传感器节点上的信息时的路径规划问题,提出了一种基于无性繁殖的遗传算法.该遗传算法采用了二分染色体编码方案和随机联赛选择算子,并分别对染色体第一部分和第二部分提出了优化机制以扩大解空间的搜索能力,增加种群的多样性.仿真实验结果表明:针对总路线最短优先、路径均衡优先和最短完成时间优先3种路径选择策略,该算法均取得较好结果.     

基于遗传算法的一种数据拟合方法

基于遗传算法,提出了一种数据拟合方法,通过对函数参数进行编码,多次进行交叉变异操作,最终得到参数估计值。实验结果表明,该方法是有效可行的。     

一种基于遗传算法的决策支持系统建模方法

提出了一种具有实用价值的决策支持系统中的建模方法。该方法针对具体问题的特点 ,建立实体数据与模型库模型之间的遗传算法 ,再利用遗传算法自适应寻优及智能搜索技术 ,从模型库中获取与实体数据最相容的模型作为决策支持系统该次运行的决策模型。这一方法一定程度上克服了传统建模方法的部分缺点和局限性 ,使决策模型更加接近实体的运动或变化轨迹。     

一种基于免疫遗传算法的数据挖掘方法

提出了一种基于免疫遗传算法的数据挖掘算法,该算法在简单的遗传算法基础上引入免疫算子解决了遗传算法中的早熟现象。这种算法具有很好的鲁棒性和隐含并行性,能快速、有效的进行全局优化搜索。特别适用于大规模、海量数据库的挖掘。     

一种基于遗传算法的优化查询方法

查询效率是数据库系统的重要指标,查询优化是该系统研究的难点和热点.提出了一种基于遗传算法的优化查询方法,该法利用关键字预处理模块,将用户输入的关键字转化为内部关键字,以提高查询准确性;为加快查询响应时间,设置用户搜索统计记录索引表,避免遇到重复搜索时的全库扫描;针对全库扫描时采用遗传算法进行最优求解,提出了相关度的计算方法,根据相关度的大小进行排序,方便用户查询.     

一种基于遗传算法的航迹优化方法

目的设计优化一类巡航导弹航迹,且航迹满足避开地空导弹、高炮、歼击机群、电磁脉冲等火力单元和地形地物障碍,并且满足航迹路径长度短、耗油量少等约束条件。方法利用遗传算法进行优化,对遗传算法的交叉操作进行改进。结果提出了一种巡航导弹航迹优化算法和一个航迹规划代价评判模型。结论经仿真实验证明该方法典型性强,处理的信息量小,实时性也较好, 具有一定的理论和使用价值。     

一种基于遗传算法的权重的确定方法

针对模糊综合决策中权重的确定,提出了一种新的解决方法——用遗传算法来求解.遗传算法具有全局搜索能力,可以找到一个近似的最优解,在算法中应用了替换操作,以提高种群的多样性,有效地避免早熟现象的发生.此算法克服了其他方法主观性偏强的缺点,实验结果也表明算法是有效的.     

基于SLP改进遗传算法的多区域单双行设备布局优化方法

针对多区域单、双行车间设备布局问题,利用车间二维平面坐标系将车间和设备参数化,构建出多区域单、双行设备布局的数学模型,并提出一种系统化布置设计法(SLP)与改进遗传算法结合的SLP改进遗传算法.算法以最小化车间物流成本为目标,考虑加工过程中产品质量的变化,采用分阶段的算法思想,引入自适应的交叉算子,使用混合种群的初始化方式.实验结果显示,该算法在解决多区域单、双行车间设备布局问题时能够以较快的速度收敛到较优解.     

一种基于遗传算法求集中网站的方法

 给出了一种用遗传算法求取集中网站的新方法.给出并分析了目前解决该问题的方法;提出了一种用遗传算法求解的方法并分析了可行性;并通过实例比较,描述了该方法的优越性.     

一种基于遗传算法的快速服务发现方法

在分布式的网络中，传统的搜寻方法复杂性过高，搜索时间较长，而且往往不能适应网络动态的变化．基于遗传过程，提出了一种快速服务发现算法（QSFA）．在Mobile Agent（移动代理）和服务节点交互的过程中，QSFA根据访问的结果来动态地改变每条服务记录适应值的高低，从而使得有效的信息能够在网络中保留较长的时间，而过时的、错误的服务信息会在网络中较快地消亡．实验仿真的结果表明，Mobile Agent能够在分布式网络中较快速地发现所需的服务资源．     

一种基于遗传算法的图像分形压缩方法

为提高搜索效率，将遗传算法应用于图像分形压缩，对定义域块的位置和旋转进行二进制编码，并根据群体多样性原则自适应调整控制参数，快速地找到最优解，提高图像压缩质量．基于该方法完成的数值试验证明了它的有效性。     

一种基于遗传算法的数据预处理组合方法

在数据挖掘的众多数据预处理方法中，要根据不同的数据背景及特征准确的选用不同的处理方法是非常困难的。为此，提出了一种基于最小二乘法原理和遗传算法的数据预处理组合方法，该方法综合了各种算法的估计结果。实践证明，这种方法大多数情况下通用并且可靠性很高。     

一种基于遗传算法的新时延估计方法

提出了一种新的时延估计方法,通过采用FIR滤波器模型并结合遗传算法解决了代价函数复杂计算量下的高效全局优化．算法利用最小二乘法准则,推导得到优化目标函数,并将时延,滤波器系数列入到参数估计模型中,继而将目标函数作为适应度函数,将时延,滤波器系数作为决策变量,应用遗传算法进行全局优化．通过仿真实验表明,本文不仅在滤波器长度比较短的情况下获得最优的时延估计,而且大大地减少了计算量,提高了稳健性．     

基于遗传算法的一种自动聚类方法

遗传算法(Genetic Algorithm,简称GA)是一类模拟生物界的进化规律(适者生存,优胜劣汰遗传机制)而形成的一种最适应全局优化概率搜索算法。针对常规动态聚类方法对初始聚类中心的敏感性以及聚类结果与样本输入次序有关等问题,本文提出了一种基于GA的动态聚类方法,并将它应用到数据库的数据分析中。计算结果表明,该方法是一个具有全局最优解的动态聚类方法,其结果明显好于K-均值聚类算法。     

一种基于遗传算法的图象矢量量化方法

描述了一种基于遗传算法的图象矢量量化方法．遗传算法基于自然进化原理可得到全局优化结果，把遗传算法用于码本设计，其运算简单，而且可避免传统方法如Ｋ－均值技术等所带来的局部优化局限．同时，由于其结构的规则性和并行性，较适于ＶＬＳＩ实现．文中主要讨论了遗传算法用于图象矢量量化的评价函数及操作过程，并与传统算法作了比较，给出实验结果．     

一种基于免疫原理的多种群 DNA 遗传算法

针对单种群遗传算法易陷入局部最优、多样性丧失快等问题,提出一种基于免疫原理的多种群DNA遗传算法。在多种群协同进化的基础上,将DNA计算思想引入到编码和遗传操作算子的设计中,通过模拟生物机体的免疫机制对遗传进化过程中个体的产生和选择过程进行自适应调控,并利用优良个体的迁移实现种群间信息交流。最后,通过函数优化实验测试算法的性能。仿真结果表明,算法在发掘全局最优个体、局部搜索能力方面表现优越。