混合遗传算法求解0-1背包问题尝试

遗传算法是一种基于自然选择和遗传机制的搜索算法．为解决著名的0-1背包问题，尝试混合使用一点杂交与多点杂交以及将传统的算法与遗传算法相结合的方法，对经典遗传算法进行改进，并在实验中获得了更佳近似解．     

半刚接非线性钢框架的优化设计

介绍了半刚性梁柱节点的特性和Frye—Morris模型，列出了考虑P-△效应的半刚性连接构件的单元刚度，将遗传算法应用于钢框架的优化设计中．编制了程序GASEF，进行了算例计算，得到了一些有价值的结论．     

基于遗传算法的轨道综合养护计划模型设计

根据大型养护机械线路综合养护的特点,设计了基于遗传算法的0—1整数型轨道状态最优综合养护计划模型,并结合线路不平顺数据,对模型求解效果进行了检验,初步实现了大型养护机械养护作业安排的计算机解析,从算法角度解决了轨道不平顺状态计算机辅助决策系统的关键问题.     

软土路堤沉降预测方法研究

建立了依据路堤填土期施工期和预压期观测资料计算路堤总瞬时沉降、总固结沉降、地基固结指数的基因反演方法,进而根据这三个反演参数计算最终沉降,并与实际值作比较,二者符合较好.此外,再依据预压期的沉降资料,分别利用三种不同的计算模型反演计算最终沉降,并与实测结果进行比较,进而对沉降计算模型的选取提出建议.     

N阶线性跟踪-微分器及其在电力系统相角预测中的应用

证明了一种N阶线性跟踪一微分器的收敛性。由于该线性跟踪一微分器的结构参数和跟踪性能对噪声和对象有一定的敏感度和依赖性，采用自适应遗传算法对三阶线性跟踪一微分器的结构参数进行了优化，以期获得较好的参数匹配，提高跟踪预测的精度和速度。将优化后的三阶线性跟踪一微分器用于电力系统参考相角预测研究中，仿真结果证明，优化后的三阶线性跟踪一微分器具有较好的跟踪性能和预测精度，满足电力系统相角预测的要求。     

依赖注入技术及其执行过程的形式化描述

依赖注入技术指由构件运行平台在运行期根据系统配置文件中定义的构件间的依赖关系，将被调用构件实例化，并注入到调用构件之中。本文在分析研究依赖注入技术的基础上，用完全格工具形式化地描述依赖注入的执行过程。     

基于身份加密的Ad hoc网络安全模式

无线Ad hoc网络由一些没有中心管理机构的结点组成，由网络中的所有结点共同担负职责．由于Ad hoc网络比传统的无线网络更加容易受到攻击，提出两个有效的安全模式用于Ad hoc网络，结点通过使用非交互性计算对称密钥，减少通讯开销，并允许结点为不同的组生成它们的广播密钥，提出一种无碰撞方法计算这些密钥，最后介绍一种基于对称密钥体制的认证广播模式和相应的数字签名模式．     

基于网络探究学习（Webquest）的设计要义

信息时代的学习具有学习方式多元化、学习时空自由化、学习自主化和个性化的特征，要实现学习方式的转型必须依赖特定的方法，Webquest有机地将网络学习资源与学习过程融为一体，为网络环境下的学习提供了一套颇具操作性的设计方法，为我们设计网络环境下的探究学习提供了参照框架，本文将对Webquest的设计要义进行论述。     

一种新的遗传算法及其在变压器故障诊断中的应用

提出了一种新的遗传算法,其基本思想是:以网络权重和偏差的实数形式作为基因构成染色体向量,采用基因多点交叉和动态变异进行种群最优选择.研究结果表明,这种新的遗传算法是一种随机优化算法,克服了梯度下降法的不足,能够自动调节网络参数、网络的连接权重和偏差.在此基础上设计出一种基于遗传算法和溶解气体分析的变压器故障在线诊断系统.该系统只要将传感器测出的变压器中线圈电流、特征气体的含量作为输入参数,就能对信息进行融合分析,得到输入变量(线圈电流、溶解气体含量)与输出结果(故障类型、程度和部位)的复杂对应关系;能有效地减少输入层神经元的个数,改进网络内部结构,提高神经网络模型的学习效率和诊断的准确率,诊断精度高,漏报少,无误报现象.     

基于遗传算法的模糊神经网络控制器在虚拟仪器中的实现

模糊控制技术在复杂的非线性控制过程中表现出优越的性能，神经模糊控制器的出现为自适应模糊控制设计开辟了新的途径。遗传算法由于具有不依赖于问题模型、全局最优、隐含并行性、高效率和解决不同非线性问题的鲁棒性等特点，能很好地用于神经网络的训练。两种方法综合使用，可以大大提高模糊神经推理控制系统的自学习性能和鲁棒性。通过应用Active X技术在Lab VIEW中调用和操作MATLAB的方法，实现了基于遗传算法的模糊神经网络控制器。