基于遗传算法和神经网络的软件界面美感建模

用户界面作为人与机器之间信息交互的桥梁,良好的用户界面能够提高人机交互的效率.本文以软件界面布局和色彩特征作为研究对象,采用神经网络方法建立特征与软件美感之间的关系模型,遗传算法进行特征选择,找出对界面美感影响较大的特征,并且通过主成分分析,最终提炼出界面美感的设计要素.     

一种基于改进遗传算法的WSN负载均衡聚类算法

针对无线传感器网络簇首需承担额外负载的问题,为了最大化网络寿命,提出了一种基于改进遗传算法的聚类算法.首先,将染色体表示为网关的一个字符串,通过考虑传感器节点与簇首之间的连接限制初始化种群;然后,构建适应度函数来评估初始种群的各个染色体;最后,利用遗传算法对染色体进行选择、交叉、突变,利用迭代算法完成聚类.结果表明,相比分布式自组织负载均衡聚类算法,本算法的执行时间可降低18.5%;相比基站控制自适应聚类算法,本算法收敛速度可提升50%;相比低占空比多管道调度算法,本算法平均负载标准差降低了81.2%;当网络轮数达到2 500时,相比其他几种较新的算法,本算法可降低至少40%的能耗.因此,本算法在WSN应用中可以很好地解决额外负载问题,延长了网络寿命.     

改进GA优化BP神经网络的短时交通流预测

为了提高BP神经网络预测模型对短时交通流的预测准确性,文章提出了一种基于改进遗传算法优化BP神经网络的短时交通流预测方法。由于模拟退火算法具有较强的局部搜索能力,能够在搜索过程中避免陷入局部最优解,因此引入模拟退火算法中的Metropolis接受准则来增加遗传算法的局部搜索能力,避免了遗传算法过早收敛和陷入局部最优解。通过改进的遗传算法优化BP神经网络的权值和阈值,然后训练BP神经网络预测模型以求得最优解。仿真结果表明,该方法对短时交通流预测具有较好的预测精确性。     

基于量子遗传算法优化的灰色神经网络预测模型

将量子遗传算法用来对灰色神经网络参数做出优化,提出了一种通过量子遗传算法优化灰色神经网络进行预测的建模方法.应用实例表明,文章建立的模型拥有良好的预测效果,可以作为传统方法的一种补充.     

一种结合遗传算法和最大类间方差法的图像分割新方法

传统的一维图像Otsu方法,只能对图像的灰度信息进行处理,对空间信息、像素等部分不能得到处理,因此在图像受到噪声或其他干扰时灰度直方图中的波峰、波谷会呈现不明显的分布,造成分割失误.本文结合遗传算法和最大类间方差法的图像分割新方法,是以遗传算法确定阀值空间中的最优阀值,最大类间方差法确定图像背景和目标图像之间的灰度方差面的最大值,避免受到噪声等因素的干扰.通过仿真实验发现该图像分割方法可降低分割时间,分割质量较好,发展前景广阔.     

多技能呼叫中心排班算法研究

对多技能呼叫中心的排班问题进行了系统研究.采用考虑顾客放弃的Erlan争A模型计算人力需求,应用动态集合覆盖算法解决多技能排班路由问题,针对多技能优化排班问题设计开发相应的启发式算法,并应用某呼叫中心的实际数据验证了算法的计算效率和优化效果.此外,对不同人力分组方案和不同班时拆分方案进行了一系列试验计算,发现分组细化和班时细分都能够提升排班效果,相比而言班时拆分对排班效果的影响作用更加显著.     

基于多运动场耦合的转向系统多目标优化设计

考虑悬挂缸的动刚度特性及轮胎的非线性特性,将转向机构、悬挂、轮胎三运动场进行耦合处理,建立转向系统多目标优化数学模型,对400 t重型矿用自卸车转向系统进行更精确地优化设计. 应用物理规划法,构建转向系统物理规划优化设计模型,通过遗传算法进行模型求解及初步筛选,最后对车辆进行紧急双移线试验,仿真分析其操纵稳定性,实现转向系统优化解集合的最终筛选,为最优解的确定提供了一种新方法.      

论启发式教学法在高校体育教学中的运用与意义

启发式教学就是在充分发挥教师的主导作用下,将学生的积极性、创造性,充分地调动起来,以学生为主体,使学生尽快地、比较牢固地掌握体育课堂中所学的知识和技能,从而达到良好的教学效果。本文根据体育教学的基本原则,运用逻辑辩证和对比分析的方法,对启发式教学法在体育教学中的运用和实践意义,进行了研讨,这对在实践中更新教育教学观念、手段,进一步提高体育教学的质量,具有移动的理论与实际的价值。     

基于RSM-GA法的薄壁蜡模压蜡过程收缩率建模与优化

基于响应面法(RSM),通过一系列的实验建立了薄壁蜡模壁厚方向的收缩率与压蜡参数之间的数学模型,并对模型的合理性与充分性进行了方差分析,对压蜡过程中工艺参数对尺寸收缩率的影响进行了敏感性分析.为了减小收缩率,基于遗传算法(GA)对工艺参数进行了全局优化.     

基于多规则资源分配的柔性作业车间调度问题多目标集成优化方法

针对柔性作业车间调度问题中多种资源分配的复杂特性,建立了以最小完工时间、最优人工分配方案、设备最大负荷以及最小生产成本为目标的集成优化模型,并设计了一种具有多重资源约束的多目标集成优化方法;针对组合模型的爆炸性特征,为降低模型的复杂度,采用多规则资源分配的集成调度思想,通过调整规则概率使概率大的规则被优先选中,使用多规则导向机制"推动"搜索过程向指定目标方向移动,并结合动态规划法求解最优人员分配方案;采用改进的非支配排序遗传算法——NSGAⅡ可以获得不同规则概率值的Pareto解集;最后,通过仿真对比与应用验证了所提方法的有效性.