自主迁移的并行遗传算法用于马斯京根模型参数估计

遗传算法是一种随机性的全局优化算法,但简单遗传算法易陷入局部最优。将并行技术与遗传算法相结合,且针对影响并行遗传算法性能的迁移时机进行研究,提出自主迁移的并行遗传算法用于马斯京根模型参数估计。实验结果表明,该算法为估计马斯京根模型参数提供了一种有效的方法。     

标准遗传算法引入遗传策略和突变算子对蛋白质2D折叠模拟的影响

目的改进标准遗传算法以提高蛋白质结构的预测效率。方法在标准遗传算法的基础上引入蒙特卡罗局部优化策略、克隆体过滤策略、多胎竞争选择策略等,在均匀变异的基础上,引入一系列结构突变算子。利用改进的遗传算法对标准蛋白质序列进行二维折叠模拟。结果与其他算法相比,利用改进的遗传算法搜索到了HP60和HP64序列能量更低的构型。结论引入的遗传策略和突变算子增强了遗传算法的寻优能力。改进的遗传算法是个极具潜力的蛋白质结构预测方法。     

人工鱼群算法与遗传算法融合求解聚类问题研究

人工鱼群算法(AFSA)是一种新提出的新型仿生优化算法。遗传算法是一种基于生物自然选择与遗传机理的随机搜索与优化方法。聚类在数据挖掘、统计学和机器学习等很多领域都有广泛应用。聚类问题实质是一个全局优化问题。将遗传算法中的选择和变异融合到人工鱼群算法,提出一种人工鱼群算法与遗传算法的融合算法,并应用于求解聚类问题,结果该算法保持了AFSA算法简单、易实现的特点,仿真试验取得了较好的效果。     

蚁群算法解决TSP问题的研究

蚁群算法是一种用于解决复杂问题的新的启发武算法，它是通过信息素的积累和更新收敛于最优路径上，隶解速度慢，而遗传算法具有快速随机的局部搜索能力。将遗传算法和蚁群算法融合，给出一种求解TSP问题的改进的算法。     

基子遗传BP神经网络的数据挖掘系统设计

数据挖掘技术是从大量数据中挖掘知识的有效的工具，遗传算法和BP神经网络是现今数据挖掘技术中比较新兴的算法。本文介绍了遗传算法和BP神经网络相互结合的一种新算法，并设计出了相应的数据挖掘系统，且将该系统应用到实际农业实验中。为了便于遗传算法的有效运用，文中还提出了格雷——浮点编码法。     

一种多目标混合进化算法的研究

针对遗传算法的不足，提出将禁忌搜索方法、免疫算法、遗传算法融和的多目标混合进化算法。该算法引入禁忌搜索法，避免了传统遗传算法早熟现象的发生；引入基于浓度的自适应变异操作，克服算法由于变异概率不变导致的求解过程长，解的多样性差的缺陷；引入外部精英集，避免最优解的丢失，通过ZDT系列测试函数的仿真实验并与NSGA-Ⅱ算法进行比较，验证了算法的有效性。     

确定墙体表面换热系数的辨识方法探讨

实测了墙体表面热流和墙体表面与室内空气之间的温差，并通过遗传算法和最小二乘法辨识分别得到了各算法的表面换热系数估计值，比较热流实测值和两种算法的热流预测值，可知遗传算法的预测热流与实验热流非常吻合，说明遗传算法是一种利用墙体表面的动态实验数据获得表面换热系数的有效方法，并且具有很高的精度。     

遗传算法和蚁群算法融合求解TSP

文章将遗传算法和蚁群算法融合为一体,在此基础上,分别对遗传算法和蚁群算法中的遗传算法中的交叉长度发生变化、种群更新、蚁群算法信息素保留率和信息素自动更新进行了改进。同时给出一种信息素更新模型,最后通过对TSP的51个城市的仿真计算,表明将遗传算法和蚁群算法融合为一体效果较好。     

蜂窝移动通信中基于遗传退火的固定频率分配

对蜂窝网无线规划中的频率分配问题进行了分析,用一种基于遗传退火的算法(GAEA)来求解,该算法是将模拟退火引进到遗传算法中,通过退火来减轻遗传算法的选择压力,利用退火法的爬山性能,改善了遗传算法的性能,提高了算法的收敛速度.实验证明了遗传退火算法的收敛速度比遗传算法快.     

基于混合遗传算法的车辆优化调度研究

将遗传算法和模拟退火算法结合,设计了一种混合遗传算法（自适应的模拟退火遗传算法）,并根据一般车辆优化调度问题的特性,进行算法的设计,比如染色体的编码方式、遗传算子以及参数的设定等,通过实例进行了仿真实验．结果表明：用这种混合遗传算法求解车辆优化调度问题,具有很好的优化性能．     

极化敏感均匀圆阵中PARAFAC信号检测算法

分析了极化敏感均匀圆阵接收到的信号，该信号具有三线性模型特征。提出了极化敏感均匀圆阵中平行因子信号检测算法。该算法利用三线性交替最小二乘（TALS）算法估计出信源矩阵，然后对其进行判决。仿真结果表明；该算法误码率性能接近于非盲解相关方法;与非盲解相关方法相比，在较高的SNR情况下误码率相差不到2dB；且在阵列扰动情况下仍具有较好的误码率性能。该算法无需空域信息和极化信息，是一种盲鲁棒方法。     

聚类、粗糙集与决策树的组合算法在地力评价中的应用

 【目的】地力评价方法大多数有一定的主观性,较少考虑土壤各属性间的依赖关系。论文旨在采用数据挖掘方法,寻求地力等级划分的新方法。【方法】结合农安县耕地调查数据,应用K-means聚类方法、Johnson粗糙集属性约简算法与C4.5决策树算法相结合的优化算法评价地力等级。【结果】使用K-means聚类方法,得到最佳学习样本数;使用粗糙集属性约简和决策树相结合的方法,去掉了冗余属性7个,决策树模型共有节点317个,其中叶节点个数为159个,生成规则159条,模型准确率为82.08%。与未聚类和未约简的方法相比,决策树结点个数减少41.62%。【结论】使用该组合算法,在保证模型准确率的同时,降低了算法的时间和空间复杂性,提高了挖掘效率。     

求解无约束极大极小问题的光滑化不精确牛顿算法

提出了求解无约束极大极小问题的光滑化不精确牛顿算法.该算法利用光滑凝聚函数近似不可微的极大值函数,从而得到目标函数的光滑近似,进而再利用不精确牛顿法求解光滑化后的可微的无约束优化问题.在一定的假设条件下,算法具有全局收敛性,初步的数值实验表明,算法是有效的.     

非线性最小二乘问题的结构p步牛顿法

给出了非线性最小二乘问题的结构p步牛顿法算法,分析了该算法的效率,结果表明,对零残差问题新算法具有q-2阶收敛速率,与牛顿法具有相同的收敛速率,由于新算法只需计算近似海赛矩阵,所以,其效应比牛顿法高,对于非零残差问题算法具有p步p 1阶收敛速率,其效率至少与牛顿法相同。     

基于免疫算法和支持向量机的人脸识别

提出了一种基于免疫支持向量机人脸识别方法。针对支持向量机学习是一种有导师的学习,引入了否定算法,把人脸特征否定的结果来供支持向量机学习。该算法大大降低了运算复杂度,试验结果表明,该算法与其它方法相比具有较高的识别率。     

基于粗糙集和小波的遗传算法图像分割

粗糙集理论是一种新的处理模糊和不确定问题的数学工具,小波分析具有良好的时频局部化特性,遗传算法是一种借鉴生物界自然选择和自然遗传机制的随机搜索算法.提出了一种基于粗糙集去噪和小波细节增强,利用遗传算法进行图像分割的方法.实验结果表明,方法十分有效.     

基于耗散结构理论的差分进化算法

作为一种比较优秀的最优化方法,差分进化算法具有良好的鲁棒性、实践性和收敛性.阐述了差分进化算法的基本概念、形式,分析了传统差分进化算法的优点与不足,提出了基于耗散结构理论的差分进化优化算法.     

基于混合并行遗传算法的多目标约束优化技术研究

多目标约束优化问题属于NP问题。并行遗传算法是解决该类问题的常用算法,它具有较强的全局搜索能力和并行性,但局部搜索能力差,禁忌搜索算法则比较适合于局部搜索。提出了一种基于混合并行遗传算法的多目标约束优化方法,该方法综合了并行遗传算法和禁忌搜索算法的优势,改进了并行遗传算法的性能,能有效避免局部最优解。     

参数可变自适应遗传算法在军事地形图矢量化中的应用

针对纸制军事地图矢量化问题进行研究，提出一种基于自适应遗传算法的军事地形图矢量化方法，并在生成新的个体后，增加个体修正操作，提高个体的适应度。在该算法中，提出一种即考虑进化代数对算法的影响，又考虑到每代不同个体适应度作用的自适应交叉概率和变异概率。通过与传统方法的实验比较，证明该方法的可用性和有效性。     

A Note on Haigh‘s Algorithm

Haigh‘s algorithm is a fundamental method for searching ESSs of linear ESS-models.In this paper ESSs are characterized by submatrices of the pay-off matrix,Then Haigh‘s algorithm has been improved in the following aspects:1) Some Esss may be overlooked when Haigh‘s algorithm is used for searching ESSs.The improved algorithm eliminates this shortage.2) The improved algorithm is eapecially favourable to computers.It is valid when the pay-off matrix is stable.