基于混合优化算法的遗传算法参数设定研究

有限计算量条件下遗传算法的理论收敛条件难以完全满足,参数选择的恰当与否直接影响到算法性能的发挥。针对这一情况,在分析现有参数设定方法的基础上,将遗传算法参数设定问题描述为随机优化问题,并提出一种解决该问题的新的混合优化算法,即基于序优化的巢分区算法。该算法将序优化思想融入巢分区算法的局部搜索过程,大大提高了局部搜索效率,而巢分区的算法框架则保证了算法的全局收敛性。以典型旅行商问题为算例的仿真结果验证了该方法的高效性与可靠性。     

一种基于新的条件信息量的属性约简算法

为了获得决策系统中更好的相对约简,讨论了属性约简与条件信息量的关系,提出了新的条件信息量,由此定义新的属性重要性。统一了一致决策表和不一致决策表属性约简方法,以新的属性重要性为启发信息,给出了计算新的条件信息量的高效算法。理论分析和实验结果表明,与现有的基于条件信息量的约简算法相比,该算法时间复杂度较低,同时约简后的属性数目更少。     

F-干扰规律生成与特征识别

利用单向S-粗集对偶给出知识的f-干扰生成与f-干扰规律生成,单向S-粗集对偶的F-干扰生成与F-干扰规律生成的概念,基于这些概念提出了F-干扰盈余与F-干扰度关系定理、F-干扰盈余规律与F-干扰度规律关系定理、F-干扰分辨定理、F-干扰规律分辨定理,给出了F-干扰规律识别准则与应用。     

发电厂机组运行及故障信息管理系统的开发

介绍了TELEPROMMEDCS系统总体结构及组成,论述了系统设计的基本原则,描述了软件功能模块。     

欧德斯(Erd(o)s)猜想的证明注记

文章对文[5]中引理2的证明中两个关键点作了进一步阐述,并揭示了引理2证明的理论根据实质上是集合论、映射和一一对应及数列的排列规律;而且给出了“必存在符合条件的n1、n2值使n1≠n2”的证明。     

实指数幂多元牛顿变换的Julia集

阐述了多元牛顿变换的Julia集理论,给出了多元牛顿迭代法,推广了Motyka和Reiter的工作,构造并研究了实指数幂多元牛顿变换的Julia集.结果发现:随参数β值增大,实指数幂多元牛顿变换的Julia集有一个突变,表现为吸引域的个教加1;多元牛顿变换Julia集的吸引域的结构取决于初始点的选取;实指数幂多元牛顿变换Julia集的结构,依赖于相角θ主值范围的选取;多元牛顿变换的Julia集具有对称性.     

可数强仿S-闭空间

给出了可数强仿S-闭空间的概念，讨论了该空间的一些性质及其半正则化，同时给出它了的一个极不连通的定理．     

基于扩展的嵌套关系代数的关联规则挖掘查询

提出了一种使数据挖掘与数据库系统无缝集成的方案.该方案基于关联规则挖掘和关系数据库系统的通用查询算法,采用一种扩充的嵌套关系代数作为关联规则和其它数据查询的一种内部表达方式.通过一个典型实例展示了这种代数表达式.代数表达式也被表达为一种查询树,查询树中代数运算的公共操作序列模块化后,具有更多的灵活性,能方便地处理约束关联规则查询和其它各种关联规则描述.     

E-凸类函数及其在最优化中的应用

在已有研究基础上，对几类E-凸函数进行了研究，得出了它们的一些新性质，并研究了它们在最优化问题中的应用，推广了以前的部分结论，完善了这几类非凸函数．     

连续值域决策表的属性约简算法

结合模糊聚类技术与粗糙集理论，首先给出了一种求连续属性重要性的方法，然后由粗糙集中属性约简思想，给出连续值域决策表的属性约简算法，最后通过实例说明该算法的有效性。