多群体优良模式自学习遗传算法

针对经典遗传算法存在的问题,提出了多群体优良模式自学习遗传算法.引入了迁移与学习算子,以提高遗传算法的有效性与收敛性.通过对Goldstein和Price函数的优化计算,说明了该方法具有良好的全局搜索能力和较快的收敛速度.     

基于遗传算法的管理信息系统的智能分解

将遗传算法原理应用于管理信息大系统的结构化分解,并对具体分解技术进行了详细描述,最后对一个具体实例进行了仿真计算。仿真说明,该算法具有全局快速收敛性、并行性和极高的分解效率。     

关于仿真理论的探讨

系统仿真经过几十年的发展,逐渐形成了一个相对独立的学科领域。作为学科,应该有其自己相应的基础理论。本文提出将模型论、仿真算法和仿真可信度评估理论作为系统仿真学科的基础理论的观点。     

基于算法与模型参数优选的智能DISOPE方法

本文给出了ＤＩＳＯＰＥ算法收敛速度指标的定义,提出了基于算法与模型参数优选的智能ＤＩＳＯＰＥ方法,有效地改善了ＤＩＳＯＰＥ方法的收敛性能和实用性。仿真表明了该方法的可靠性和有效性。     

稳健二进前向网络的遗传训练方法

稳健二进前向网络是对逻辑知识的隐式表示和显式表示的有机统一,是性能优良的逻辑知识库、推理机和解释器,但目前还没有一种网络训练算法能够训练出稳健二进前向网络,针对这种情况,本文首先对稳健二进前向网络的神经元辅阈值范围进行了改进和有效描述,并在此基础上提出了一种对稳健二进前向网络进行有效训练的遗传训练方法。在这种训练方法中,网络参数采用三值编码方案,并运用相应的变异机制和有效的适应度函数,经这种方法训练出的网络具有结构最优、稳健性能最强和最易实现的特点。文章最后给出了实验的结果。     

钢铁原料物流计划问题的建模与求解

研究了钢铁工业从原料采购到初级产品生产的物流计划问题,包括运输、库存和面向生产的配送.以所考虑的相关成本最小化为目标建立了数学规划模型,并采用列生成的方法求解.对0-1变量的线性松弛采用启发式的分支和深度优先搜索策略尽可能快地获得好的可行解.在分支结点上,通过求解最短路子问题获得限制主问题所需要的列,分支树上的根结点提供了体现可行解质量的下界.最后,计算机随机试验验证了该模型的有效性和算法的稳定.     

量子连续粒子群优化算法及其应用

提出了基于量子理论的连续粒子群优化(Continuous Particle Swarm Optimization based on Quantum Methodology, CPSO-QM)算法,主要是采用了量子理论中的叠加态特性和概率表达特性.其中,叠加态特性可以使单个粒子表达更多的状态,潜在地增加了种群的多样性;概率表达特性是将粒子的状态以一定的概率表达出来.在基准函数的实验测试中,对比其它常用算法,结果显示本文提出的算法性能较好.在实际应用中,以丙烯腈反应器作为建模研究对象,提出了三种进化策略,实验结果显示,这三种策略训练的神经网络软测量模型都可以较好地预测丙烯腈的收率.     

两类决策系统中规则获取的联合决策矩阵算法

提出了联合决策矩阵的概念以及基于联合决策矩阵的两类决策系统规则获取算法.将条件属性等价矩阵和决策属性等价矩阵合并到一个矩阵中,大大减少了矩阵生成过程的比较次数,能有效提高算法的效率.用一个实例说明了算法的执行过程,并通过算法复杂度分析与实验结果对比,进一步说明了该方法的有效性.     

基于MTO-MTS的钢厂合同计划方法

建立了基于MTO-MTS的钢厂合同计划的整数规划模型,模型同时考虑库存余材匹配和生产计划,以提前/拖期惩罚、交货时间窗内拖后惩罚、生产费用、库存匹配费用、合同违约惩罚总额最小为目标.根据模型特点,构造了对非可行解进行启发式修复的改进粒子群算法求解策略.仿真实验首先对参数设置进行分析,然后对多组数据进行了结果分析,并在相同条件下,对比了本文模型与分阶段考虑库存匹配/合同计划方法的实验结果,验证了本文模型和算法的有效性.     

资源受限多项目选择计划模型及其免疫优化决策方案

针对资源受限多项目选择计划问题探讨其数学模型,利用改进的克隆选择算法对其进行求解.算法设计中,利用启发式规则生成初始抗体群;利用变异算子改善进化群体的质量和增强进化群体的多样性;在群体更新中,基于启发式规则,插入新的成员微调进化群体的多样性.数值实验结果说明了模型设计的合理性,以及改进的克隆选择算法的有效性,获得了所建模型的较好决策方案.