用单亲遗传算法解决影片递送问题

遗传算法(简称GA)是基于生物进化原理的普适性全局优化算法，是解决NP难问题的一种行之有效的方法．但是，序号编码的遗传算法不能在任意两条染色体的任意位置进行交叉，必须使用PMX，CX和OX等特殊的交叉算子，这些算子实施起来都很麻烦且效率不高．针对这一问题，采用单亲遗传算法，取消交叉操作，强化变异作用．这样既简化了遗传操作，又克服了早熟现象．较成功的解决了影片递送问题，文中的算例表明，该算法是实际有效的．     

环并三环分子的理论研究

使用Gaussian-94程序中的HF和DFT法对苯并环丙烷，苯并环丙酮，苯并环丙胺等相关分子进行了量子化学计算，分别在6－311G（d,p) t 6-311 G(d,p)基组水平下用HF法和B3LYP法对标题物进行了优化几何构型的量子化学计算，结果表明4Nπ电子体系的苯环工交替程度大于4N＋2体系并且存在明显的“共扼失稳定”现象。     

尾矿库废水酸化与重金属污染规律研究

通过分析某黄铁铅锌矿尾矿库14年的废水监测数据，研究了高酸、高碱环境对尾矿硫化物重金属溶出的影响，绘制了尾矿库废水pH值与重金属离子浓度的关系曲线，建立了pH值与重金属污染的数学模型，揭示了废水酸化与重金属污染的内在机制，提出了密闭覆盖尾矿库以隔绝硫化物与H2O、O2反应产生及在尾矿浆中添加碱性物质以中和[H^ ]、切断重金属离子溶出反应链等根治尾矿库废水酸化与重金属污染的控制技术。     

CAE在铝合金支架压铸件工艺优化上的应用

采用CAE方法和正交分析法对铝合金支架压铸件的压铸工艺进行了优化设计。通过对计算机模拟的结果进行分析,认为采用双边锥形浇注系统的效果比扇形浇注系统好。针对此压铸件,比较适合的压铸工艺参数为：模温280℃,液体金属温度700℃,充型压力40．0MPa。     

基于有限内存Broyden-Fletcher-Goldfarb-Shanno优化算法的图像非刚性配准方法

图像配准可以分为刚性配准和非刚性配准两类,图像非刚性配准是图像处理研究的热点和难点,其中的参数模型往往转化为无约束优化问题的求解,当参数数目较大时求解比较费时,提高此类算法效率的关键之一是减少迭代算法中矩阵的计算量和存储量.本文研究了一种非刚性配准方法,该方法应用Basic样条自由变形模型,此模型改变控制点只影响其附近...     

基于矩形宏模块的片上系统布图规划算法

布图规划和布局是集成电路片上系统物理设计的基本问题之一。总结了作者提出的几个新的布图规划和布局优化算法及其特点。基于随机优化算法 ,提出了角模块序列表示方法和基于这一表示方法的包含各种布图约束的布图规划和布局算法。提出的基于约束图的布图规划表示 ,为研究序列队 (SP)、变形网格 (BSG)、有序树 (O- tree)等表示之间的关系奠定了理论基础。基于“最小自由度优先原则”,提出了迄今最快的确定性布图规划与布局算法。提出了基于解空间平滑的布图规划和布局算法。该算法与基于模拟退火的算法相比性能更加健壮稳定。在解空间平滑中首次考虑了局部平滑效应 ,这是对解空间平滑方法从原理上的重要改进     

基于混合遗传算法的投资组合优化改进模型研究

证券投资组合优化问题的实质就是有限的资产在具有不同风险收益特性的证券之间的优化配置问题.本文在马克维茨投资组合的均值一方差模型框架下,提出改进的证券投资组合优化模型,即以VAR作为风险度量工具和以RAROC作为目标优化函数的投资组合优化模型.从理论上讲该模型更符合投资工具的风险收益规律,同时采用遗传算法求解也保证了该模型在投资实践中应用的有效性.该模型和求解方法的有效性在上证A股市场的实证研究中得到了验证.     

浅析网络优化工具及应用

随着计算机技术和网络技术的发展,人们对于互联网的信息使用和服务提出了更好的要求,所以有关部门和管理人员要时刻根据用户体验和需求来调整互联网的业务质量。下文中笔者将结合自身工作经验,从网络优化工具的角度谈谈如何提高互联网的应用和服务。     

基于信息熵的量子免疫遗传算法

针对目前的量子进化算法在高维函数优化时容易陷入局部最优,利用信息熵的概念,将量子进化算法和免疫遗传算法进行改进与融合,提出一种基于信息熵的量子免疫遗传算法.该方法对抗体采用相位编码,用信息熵准确地度量量子比特的不确定信息;提出了一种按变量的种群熵降序排列的邻域搜索策略;对于抗体之间的相似度,给出了一种按个体熵相同变量位数的度量方法;用繁殖概率对抗体的多样性进行评价,并分别以函数优化问题和VRPSDP问题进行了仿真验证.研究结果表明:该算法收敛速度快,求解精度高.     

遗传算法和蚁群算法在水库优化调动中的联合应用

为了更好地解决水库优化调度问题,将遗传算法和蚁群算法融合应用于水库调度,指出遗传蚁群混合算法的收敛率更高,具有更好的全局收敛性能,遗传蚁群混合算法在更少的迭代次数迭到全局最优解,具有更高的收敛速度.