用遗传算法求解多目标0/1背包问题

扼要介绍多目标优化的Pareto最优性概念 ,研究搜索多目标 0 1背包问题Pareto最优解集的快速遗传算法 (FPGA :fastParetogeneticalgorithms) .FPGA采用种群中非支配解的层次评价可行解的适应值 ,提出了一种快速非支配解层次辨识算法 ,辨识算法仅有O(n2 )数量级的计算复杂性 ;采用基于聚类概率排挤的小生态技术维持种群多样度和Pareto最优解集的分布均匀性。对多种多目标 0 1背包问题的仿真优化实验结果表明 ,FPGA能够以有效的计算成本搜索到精度高的、分布均匀的高质量Pareto非劣解集 ,其收敛速度和收敛准确性一致地优于代表性的强度Pareto进化算法 (SPEA) .     

课堂设问的技巧及其在《数据结构》课程教学中的应用

课堂设问是课堂教学过程中的重要一环,其教学功能是否得到发挥直接影响到课堂教学效果.本文从设问时机、问题难易程度、设问对象和顺序等方面探讨了课堂设问的技巧,并以《数据结构》中"循环队列"的教学为例,阐述了课堂设问的实施方法,为课堂设问的应用提供有益的帮助.     

探索曲面结构的小生境遗传算法

提出了具有适应值曲面结构自学习能力的多区域并行局部搜索算子PLS和约束交叉算子GC，定性地分析了它们的作用机制，给出了基子仿真实验数据的遗传算法收敛速度和全局收敛可靠性的定量计算方法。仿真实验数据表明，PLS能有效地提高搜索速度并维持足够的种群基因多样度，GC可有效地微调解的质量，使改进的遗传算法的全局收敛速度和收敛可靠性均显著地优于标准遗传算法，并具有良好的鲁棒性和稳定性．     

小生境技术对遗传算法的改进作用研究

将标准遗传算法用于最优化问题时存在早熟收敛和后期收敛速度缓慢的现象.本文扼要分析了遗传算法的运行机制,提出一种基于小生境改进遗传算法;对复杂函数的遗传优化仿真实验数据表明,改进的遗传算法不但具有良好的全局收敛可靠性,而且具有快的收敛速度.     

确定性排挤小生态技术的遗传漂移分析

介绍多峰搜索空间的等价类模型 ,应用该模型分析确定性排挤 (DC)小生态遗传算法的遗传漂移现象。分析结果表明 ,DC的替换错误导致类形成与类维持的矛盾 ,DC不能克服类之间的遗传漂移 ,且倾向于维持高适应值的类而丢失低适应值的类。因此 ,对于复杂多峰优化问题 ,DC不能在单一种群中并行地维持多个全局或局部最优解。     

基于人类进化算法的背包问题求解方法

背包问题是计算机算法中的一个NP完备类困难问题,使用传统的优化方法在求解较大规模的背包问题时,都存在计算量大、迭代时间长的缺陷．人类进化算法是模拟人类进化机理而建立的一种智能优化算法,本文阐述了人类进化算法的基本原理和实现方法．为提高背包问题的求解速度和精度,将人类进化算法应用于背包问题的求解,演示了算法的工作过程．试验结果表明,使用该方法求解背包问题是完全可行的和有效的,与众多优化算法相比,人类进化算法具有更高的求解效率．     

基于Pareto最优原理的混合动力汽车多目标优化

介绍了混合动力汽车（HEV）相关知识,建立了以最小化燃油消耗、HC+NOx排放量和CO排放量为目标的3目标优化模型,提出了基于Pareto最优原理的混合动力汽车多目标优化进化算法.该算法采用实数编码,以ADVISOR为HEV的仿真软件获得各候选方案目标值,基于Pareto支配性原理判定候选方案的优劣,并设计了可以调整待优化变量有效位的机制以保证优化所得的候选方案具有可实现性.针对不同车型的仿真实验结果表明,所提出的算法能够较好地解决混合动力汽车多目标优化问题,可以获得一组具有低燃油消耗与低污染物排放的Pareto最优解供决策者选择.     

循环冗余效验码的软件实现

本文论述了循环冗余效验码(简称CRC)的编码和错误检测方法,给出了可在通信软件中直接使用的高效的C语言CRC编码和检错函数源代码.     

引入适应值曲面结构的小生境遗传算法初探

遗传算法是一种有效的全局优化算法 ,但存在收敛速度慢和早熟收敛的缺陷。本文提出了具有适应值曲面结构自学习能力的多区域并行局部搜索算子PLS和受控交叉算子GC ,定性地分析了它们的作用机制。引入适应性PLS和GC的改进遗传算法在不增加计算开销的前提下 ,其全局收敛速度和可靠性显著地优于标准遗传算法 ,并具有良好的鲁棒性和稳定性     

小生境技术对遗传算法的改进作用研究

将标准遗传算法用于最优化问题时存在早熟收敛和后期收敛速度缓慢的现象。本扼要分析了遗传算法的运行机制,提出一种基于小生境改进遗传算法;对复杂函数的遗传优化仿真实验数据表明,改进的遗传算法不但具有良好的全局收敛可靠性,而且具有快的收敛速度。