基于遗传算法的自动组卷的研究

介绍了自动组卷的数学模型和主体思想,讨论了运用遗传算法求解一定约束条件下的多目标参数优化问题,提出了功能块的概念,并采用了新的编码方案、交叉算子和变异算子。实践表明,改进的遗传算法能更好地解决自动组卷问题,具有较好的实用性。     

无定向拓扑连接的并行遗传算法及其变异算子改进

为解决巨量优化问题,在Internet平台下为并行遗传算法提出一个新的拓扑结构———无定向拓扑连接。该拓扑连接既允许驻留子种群的计算机节点中途退出,又允许新的计算机节点随时参与进化,增强了算法的鲁棒性和容错性能。针对传统浮点变异算子的不足,提出一种新的二元浮点补码变异算子,讨论了它在克服早熟收敛方面的作用。实验表明,提出的算法能显著提高寻优质量,节约寻优时间;新的变异算子能有效阻止遗传算法陷入局部极值,进一步提高了遗传算法的寻优能力。     

一类缺项无穷维Hamilton算子的可逆补

该文利用空间分解的方法研究了缺项无穷维Hamilton算子的可逆补问题.在充分利用无穷维Hamilton算子结构特性的基础上,得到了一类缺项无穷维Hamilton算子存在可逆补的充分必要条件.举例验证了结果的有效性.     

奇异2n阶J-自伴向量微分算子的预解算子

利用分析的方法研究了2n阶J-对称向量微分算式在一端奇异情形时赋予J-自伴边条件所生成的J-自伴向量微分算子的预解算子,得到其预解算子的一些解析性质．     

改进粒子群算法优化 BP 神经网络的短时交通流预测

为提高 BP 神经网络预测模型的预测准确性, 提出了一种基于改进粒子群算法优化 BP 神经网络的预测方法. 引入自适应变异算子对陷入局部最优的粒子进行变异, 改进了粒子群算法的寻优性能, 利用改进粒子群算法优化 BP 神经网络的权值和阈值, 然后训练 BP 神经网络预测模型求得最优解. 将该预测方法应用到实测交通流的时间序列进行有效性验证, 结果表明了该方法对短时交通流具有更好的非线性拟合能力和更高的预测准确性.     

一维奇异非线性p-Laplacian方程多解的存在性

本文研究了一类奇异非线性p-Laplacian边值问题(φ(x′))′ h(t)f(t,x,x′)=0,0相似文献   

Banach空间中含m-增生算子方程的迭代问题

采用带误差的Ishikawa迭代,研究了形如z∈Sx +λAx( λ0)的非线性算子方程的近似解问题.     

带混合误差的随机Ishikawa迭代程序

在一致光滑可分Banach空间中,针对随机强伪压缩算子T构建了带混合误差的随机Ishikawa迭代程序,并证明了在某些条件下,此随机迭代序列强收敛于T的一个随机不动点.     

4种诱导有序加权平均模型的构建

诱导有序加权平均算子是一种新的信息集结算子,用途非常广泛．基于诱导有序加权平均算子构建了4种组合预测模型．实例表明这种模型能有效地提高预测精度．     

基于保积分算子的一类对称有限体元格式

针对一类自共轭椭圆问题,在四边形剖分下,利用一类保积分算子,选取一种特殊的控制体和线性有限元空间,构造了一类对称有限体元格式,并给出其误差的L2模、H1模和L∞模估计,数值实验验证了理论结果的正确性.