A Neurocomputing Model for Binary Coded Genetic Algorithm

A neurocomputing model for Genetic Algorithm (GA) to break the speed bottleneck of GA was proposed. With all genetic operations parallel implemented by NN-based sub-modules, the model integrates both the strongpoint of parallel GA (PGA) and those of hardware GA (HGA). Moreover a new crossover operator named universe crossover was also proposed to suit the NN-based realization.This model was tested with a benchmark function set, and the experimental results validated the potential of the neurocomputing model.The significance of this model means that HGA and PGA can be integrated and the inherent parallelism of GA can be explicitly and farthest realized, as a result, the optimization speed of GA will be accelerated by one or two magnitudes compered to the serial implementation with same speed hardware, and GA will be turned from an algorithm into a machine.     

BP网络的一种泛化算法

提出一种新的泛化ＢＰ算法,在原误差函数中增加一项新的能量函数来提高系统的鲁棒性。经过论证分析和仿真证明该算法具有较强的鲁棒性和较好的实用性。     

基于遗传算法的基站天线赋形波束综合

提出了一种改进的适应度函数确定方法,通过改变适应度函数中的待定参数,有效提高了搜索效率。采用遗传算法对基站天线的方向图赋形,其结果优于同种条件下用WoodWard法得到的结果。结合工程实践,考察了本文遗传算法的解的稳定性。文中的结果对工程和理论研究都具有重要意义。     

无线传感器网络中节省能量的地理路由

针对高动态无线传感器网络中路由信息不易保持,以及传感器节点能量受限的问题,提出了一种不保存网络拓扑结构并节省能量的地理路由算法。每个节点发送数据前发送本节点的位置信息,邻居节点根据该位置信息和基站的位置、发送接收数据消耗的电路能量和传播损耗,计算虚拟中继节点的位置。邻居节点根据本节点、目的节点以及虚拟中继节点的位置决定是否参与竞争,成为中继节点。仿真结果表明,该分布式算法比BLR算法节省能量,并具有更低的丢包率,更适于拓扑快速变化的无线网络。     

核参数遗传选优的SVM在直线电机建模中的应用

采用遗传算法对支持向量机的径向基核参数进行优化，找出了具有较强推广能力的径向基搬参教，进而建立了直线电机结构参教与输出性能关系模型，并对模型的有效性进行了验证，为直线电机建模探索了一种有效的方法。     

烧结矿质量预测的BP网络模型

利用遗传算法与神经网络相结合的方法 ,建立了烧结矿质量预测模型 ,并改进BP网络学习算法 ,预测烧结矿FeO质量分数wFeO 和烧结矿碱度R指标 .仿真结果表明 ,模型能取得良好的预测结果     

一种知识推理规则归纳系统的实现

从经验数据归纳出决策规则的主要障碍之一是对象中信息的不一致。本文综合粗糙集理论、遗传算法及布尔逻辑各自的特点，提出集成的归纳学习方法，开发出一个能够从不一致信息中归纳出完备性规则和可能性规则归纳引擎，应用事例数据对系统进行验证并给出验证结果。     

引入生态位技术的遗传算法研究及应用

近来遗传算法得到了广泛的应用,但这种全局并行的搜索算法存在搜索偏差和早熟问题。为解决该问题,已有许多改进方法。本文提出一种动态方法,通过引入生态位的“态、势”理论对基本遗传算法进行改进。依照自然选择的原理,生物都有无限扩充其生态位的潜力。扩充必然导致生物进化,而生物扩充是由生物的生态位决定的,因此根据生态位的大小作为选择策略,产生下一代个体更符合自然进化法则。实例结果表明该算法的有效性。     

基于Kaplan-Meier算法的上证指数涨跌天数研究

运用Kaplan-Meier算法对上证指数连续上涨和下跌天数进行研究,研究了在不同的市场交易制度(即T+0,T+1和涨停板制度)对上证指数涨跌天数的影响,其结果表明Kaplan-Meier算法对于分析股市的变动是有效的.     

占线决策问题及竞争分析方法

基于近年来理论计算机科学领域的热点研究方向——占线算法与竞争分析理论，将相关概念引入经济管理决策问题当中，比较分析处理占线经济管理决策问题的竞争分析方法与传统Bayesian优化方法的区别以及后者的缺陷，构建利用占线算法及其竞争分析方法研究占线经济管理决策问题的理论框架，指出在进行占线分析时应注意的要点及分析方法，最后以两个实例加以说明。