生物机制在智能计算中的应用

揭示生物机制在智能计算中的应用。与生物学相关理论相结合 ,论述遗传算法、人工神经网络和DNA计算的生物机制 ,揭示生物学思想在其中的应用 ,说明现在各类学科交叉发展的趋势     

基于可拓学的设计方案进化推理方法

在分析现有概念设计求解策略的基础上，提出了基于可拓学理论与遗传算法相结合的概念设计求解模型。利用遗传算法模拟物元变换过程，建立了产品方案物元描述的内部模型和外部模型，探讨了内、外模型的转换关系并通过关联函数将内、外部模型联系起来。根据内部模型给出了遗传算法的编码形式以及与之相适应的交叉、变异策略，并通过可拓评价方法建立了遗传算法的适应值函数，基本解决了产品概念设计中的知识组合爆炸和矛盾冲突问题。最后通过求解减速器方案验证了该方法的可行性。     

遗传算法的改进及其在水库优化调度中的应用研究

遗传算法是通过对样本中个体的不断改进来寻找各类问题的最优解。由于标准遗传算法（SGA）存在收敛性及个体适应度求解方面的困难，在研究中，通过对SGA中遗传算子改进，特别是对选择算子的改进，提出了一种改进遗传算法（AGA），并将它应用于水库优化调度中。改变通常以水位变化序列为基础的遗传算法编码方案，通过数组存储水库库容状态，并以各库容状态对应的数组下标为基础进行遗传算法编码，通过实例，表明AGA对水库优化调度问题具有良好的适应性，同时结合数组存储理论的遗传算法编码方法简化了水库优化调度遗传算法的实现过程。     

基于进化神经网络方法的矿石消费时序分析

利用神经网络建立模型,并应用遗传算法识别最佳网络结构(模型的阶数p值和隐含层节点数),进而提出了一种用于时序分析的进化神经网络新方法.最后,将其应用于我国铁矿石消费指数的预测,取得理想的结果.     

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。     

具有局部搜索能力的自适应变异遗传算法

针对函数优化问题，提出一种自适应变异遗传算法来提高局部搜索的能力，弥补简单遗传算法易于早熟收敛的缺陷。最后以De Jong函数为仿真对象，将此算法与其它三种遗传算法进行比较，仿真结果表明此算法对于函数优化问题非常有效，大大加快了算法的收敛速度，并大幅度提高了搜寻到最优解的概率。     

改良遗传算法在图像多阈值分割中的应用

最大熵原则是图像阈值分割的一个重要方法、但是用此方法进行多阈值分割时，存在着计算开销巨大的问题．笔者在M．Srinivas的自适应遗传算法基础上提出一种改良的遗传算法，用于基于模糊最大熵图像多阈值分割，克服了此分割方法计算量大的问题．通过实验，比较了改良遗传算法和M．Srinivas自适应遗传算法及模拟退火算法，显示了改良遗传算法的有效性．     

新型模糊神经网络控制器在GTAW焊中的应用

钨极气体保护电弧焊(GTAW)过程是一个复杂的、多参数耦合的高度的非线性系统，难以实现实时、有效的在线控制．模糊控制吸收人的经验思维的特点；神经网络则对信息的处理具有自组织、自学习的特点；遗传算法是一种全局优化搜索方法，具有简单通用、适合并行处理的特点．笔者将三者有机地结合起来，在模糊神经网络控制器的基础上利用改进的遗传算法，并分析其网络结构和离线学习的方法，协调利用三者的优势设计一种新型的模糊控制器，并使之用于脉冲GTAW焊仿真中，结果证明该新型模糊神经网络控制器比传统的模糊控制器具有一定的优越性．     

利用基因重组策略改进遗传算法

为了克服标准遗传算法的早熟现象，提高遗传算法的全局收敛性，提出了一种基于基因重组策略的遗传算法。该算法定义了一种新的交叉算子，即移位逻辑交叉算子(包括蝶形移位交叉算子和洗牌移位交叉算子)，用它们对染色体的部分基因实现有规律的交叉重组。实验结果表明，该算法比经典的遗传算法具有更好的收敛性和稳定性。     

改进适应值函数的遗传算法

比较、分析了几种基于适应值的选择策略求解极小值问题时的标准适应值函数,提出了一种随着进化代数的增加逐步增大适应值相互影响的标准适应值函数,并对它们的收敛速度和收敛精度进行了性能分析.以几个典型的函数优化问题为例进行仿真计算,取得了比较满意的结果.