基于正交设计的免疫克隆遗传算法

针对遗传算法存在早熟及局部搜索能力弱等问题,提出一种基于正交设计的免疫克隆遗传算法,将正交实验设计原理、免疫克隆理论以及标准遗传算法有效结合起来,增强算法的收敛速度和搜索精度。对算法进行了验证,表明该算法求解精度高出几个数量级,寻找到全局最优解的次数明显增加。     

基于f可调δ-P1近似的生物组织光学特性参数的解析

呈现一种基于可调f参数的δ-P1近似理论,结合自适应遗传算法和非线性曲线拟合,获得生物组织光学特性参数(吸收系数、散射系数和各向异性因子)的多步非线性优化算法;其中关键步骤是第一步采用自适应遗传算法精确地确定自由程,而优化用到数据来源于蒙德卡洛模拟(MC).结果表明,结合可调f参数的δ-P1近似理论,采用以自适应遗传为主的算法可以大大减少生物组织光学特性参数的估计误差.     

基于改进遗传算法的桁架结构优化

桁架是一种广泛应用于工程领域的结构形式,对其结构优化有重要的意义.文章提出了随种群的进化而动态变化的自适应交叉算子和变异算子,以提高算法的优化效率及增强收敛性;引入了精英保留策略,以克服各代种群最佳个体未能保护的缺点.建立以最小化结构总重量为目标函数的桁架优化数学模型,并应用改进的遗传算法对桁架结构进行优化求解.通过实例验证了所建模型以及对算法改进的有效性和实用性.     

基于遗传算法SVM的基因表达谱数据分析

提出一种基于遗传算法的数据挖掘方法——TGASVM,它能够尽可能少地选出分类能力强的信息基因.实验表明与同类的算法相比,TGASVM算法无论是分类准确率,还是挑选信息基因数目都优于同类算法.     

基于课程组的课程与实验任务安排的算法分析与研究

课程与实验任务安排是高等学校教学的关键一环,与课程组信息的结合最大程度保证了教学效果。以教师与课程和实验的关联度为基础,兼顾课时数分配的均衡性,基于遗传算法理论实现了课程任务安排算法,并用仿真实例得到了令人满意的结果。     

右后柱加强板拉深成形优化预测模型的建立

拉深是板料冲压成形的关键工艺,也是最复杂的成形工艺之一.文章将正交试验、人工神经网络和遗传算法结合起来,对板料的成形工艺参数进行优化,建立板料成形工艺参数的优化设计模型,并利用该优化模型最终获得满意的厚度最大变薄率和回弹量.     

教育教学中几点新尝试

科学发展观十分注重实践，我就是在实践中进行新课程尝试的，仅举两例。 一、新课程中启发式教学立新功 启发式受命于危难之时，与“满堂灌”、“填鸭式”对立。“填鸭式”泛滥时，尝够了苦头的人们对启发式倍加青睐。启发式并不新鲜，两千多年前的孔子就很注重，只是某些时期人们忽视了。现在注重启发式，注重开发学生思维及其多向性，开发智力及非智力，培养学生的主动性及动脑、动手能力，     

面向对象Flow—shop调度问题的遗传算法求解

以面向对象的程序设计方法，实现了用遗传算法求解Ｆｌｏｗ－Ｓｈｏｐ调度问题（ＦＳＳＰ），文中讨论了ＦＳＳＰ的不同存贮方式（ＵＩＳ，ＦＩＳ和ＮＩＳ），时限问题以及不同的交叉算子对算法的作用。     

基于遗传算法的最小误工任务数问题求解

为了解决最小误工任务数问题（MTTP），将遗传算法引入该问题的求解中，基于惩罚函数。讨论了MTTP的遗传算法求解方法。并对genGA，ssGA，cGA三种演化式算法求解MTTP的实验运行结果进行分析比较，得出在解决大规模的MTTP时，genGA明显优于另两种演化式算法。