基于隶属度-遗传神经网络模型的水质综合评价

针对水质综合评价问题,提出了基于隶属度-遗传神经网络的水质综合评价模型.水质综合评价模型对反向传播神经网络初始权值和阈值用遗传算法优化,并将隶属度的概念引入遗传神经网络,以便确定水质污染影响因子和水质等级.以苏帕河梯级电站水质监测数据为例,对该模型进行了测试,并与其他方法进行了比较.结果表明,该方法提高了运算精度,减小了全局误差,均方误差降低至6.337 14×10-5,用于水质综合评价合理、准确,有其独特的优越性.     

多维函数优化的遗传算法研究

本文研究了求解多变量函数优化问题的遗传算法,在此算法中采用了十进制浮点数基因表示方法,并相应地提出了一种叠加零均值Gauss随机扰动的变异方法,研究表明,对于满足组件假说的多维函数优化问题,这种遗传算法具有较高的搜索效率．     

集装箱码头连续泊位与岸桥联合调度

为提高集装箱码头运作效率,在计划周期内,将有限的泊位和岸桥资源合理的分配给船舶,并在船舶上的装卸任务间进行动态调度,提出了基于任务的连续泊位与岸桥协调调度的模型,通过遗传算法对该模型进行求解。本文通过实例,验证了该模型和算法的有效性。     

基于遗传算法的肝病诊断学习系统

提出一种用遗传算法来构造肝病诊断学习系统的方法,其中引入了肝病领域专家对规则打分的适应度评估机制,通过选择、交叉和交异等遗传操作使知识集得到不断地精炼,最后,用这种方法对模拟的专家知识进行学习,实验结果表明。该方法能使系统比较有效地学习专家知识。     

云计算环境中优化遗传算法的资源调度策略

资源调度是云计算的核心问题,传统遗传算法(GA)、Sufferage算法等都可以用于云计算环境中的资源调度,但传统遗传算法存在收敛慢、易早熟等缺点,Sufferage算法则不适用于多聚类环境的密集型任务调度.本文在充分考虑云计算环境的动态异构性和大规模任务处理特性的基础上,提出了一种基于染色体编码方式和适应度函数的改进遗传算法(IGA),并在云仿真器CloudSim上对3种算法进行了仿真.仿真结果表明,该算法在性能和服务质量QoS(Qualityof Service)方面都优于传统遗传算法和Sufferage,能更好地适用于大规模任务下的云计算环境资源调度.     

分支电路压电阻尼减振技术的电路参数优化

通过建立半主动压电可控悬臂梁有限元模型,进一步采用精细时程积分法求解各节点的挠度和转角.以分支电路中电感和电阻值为设计变量,梁有限元模型动端点处节点位移振幅为目标函数,使用遗传算法优化电路中的电感和电阻,得到不同激励频率下分支电路的最优参数值.优化结果表明,当电感和电阻为最优值时,动端点的振幅都比其他情况下的振幅小;当激励频率和分支电路谐振频率相等时,动端点振幅并不是最小的,即最优电感比谐振频率下的电感值小.     

基于遗传的一种Job—shop调度方法

着重讨论了遗传算法的参数值的优化问题，然后结合遗传算法和Ｊｏｂ－ｓｈｏｐ调度的特性，构造解Ｊｏｂ－ｓｈｏｐ调度问题的自适应遗传方式，仿真实验表明了此法用于大规模复杂实际生产过程中工件加工调度的优势。     

模糊理论在铁路客运安全指标权重 优化算法中的应用

客运安全评价是保证铁路运输安全高效的重要手段.为了解决安全评价中指标权重确定的问题,将模糊理论与层次分析法相结合,给出各评价指标权重的变化区间,并在各区间内生成不同权重值.通过蒙特卡洛模拟的仿真实验来生成针对不同指标权重值所产生的评价结果,并通过定量化方法得出该评价结果的方差.以方差作为遗传算法的适应度函数进行后向反馈,实现指标权重的优化,并将优化后的权重用于我国各铁路企业客运安全评价结果的计算.实验结果表明:该方法可以在充分尊重专家对指标权重评定的基础上,对权重进行微调,使得评价结果对指标得分更加敏感.     

UIO序列的启发式算法

UIO序列是对有限状态机进行功能测试的有效手段 ,在 VLSI设计、通信协议等时序系统中有很强的实际应用背景。文章基于可区分状态组这一概念设计了一个搜索算法 ,进一步利用搜索信息建立了一个基于“小于”关系的启发策略 ,有效的剪枝策略的设计将尽可能消除没有意义的搜索分枝 ,新设计出的多路 OPEN/CLOSED表存储机制也加快了相关的判别和处理过程。这些措施改进了搜索过程 ,减少了搜索信息的产生 ,提高了搜索速度。该算法与以往的算法相比 ,在时间和空间两方面都得到了很大改进。     

神经网络的遗传设计及其在甲醛生产建模及优化中的应用

采用遗传算法的机制设计了一种同时对前向网络的连接权值及拓扑结构进行搜索的方法，并采用以隐结点为基本基因型的方式，同时在算法中加入了局部搜索的方法．该算法已被应用于甲醛生产过程的建模及优化，达到了良好的效果．