基于服务联盟的Web服务组合模型及方法

在QoS驱动的Web服务组合中,结合商业应用中服务联盟关系,构造了服务组合的两层关联流程网络结构。基于概率方法建立服务选择的非线性0－1规划模型,并采用遗传算法选取组合服务。仿真分析表明,考虑了服务联盟关系的Web服务组合模型能得到更合理更优的服务组合,获得更好的商业效益。     

组合电子市场中多Agent联盟形成的动态特性分析

在给出一种多Agent中介系统控制的组合电子市场模型的基础上,利用基于群集智能的多Agent系统分析方法,针对中介主导的组合电子市场中大量消费者联盟形成的问题,从组合市场的宏观层次将其抽象为一个具有随机特性的群集系统,为多Agent间交互的动态特性作出宏观层次的定量分析.根据群集系统的速率方程,首先给出了一个反映组合市场中市场结构动态变化的微分方程,然后通过数值仿真,验证了组合贸易中多Agent联盟形成的可行性和有效性,分析了中介主导型商务系统这种新的电子市场模式存在的价值,并通过与相关工作的比较证明了多     

基于量子遗传算法的多任务联盟并行生成算法

提出一种基于量子遗传算法的多任务联盟并行生成算法,运用量子编码映射的方式将任务分配与资源组合合并为一个过程,使多任务联盟问题的复杂性得到降低。实验表明,该算法在面向多任务的领域中可以快速、有效地并行形成多个任务求解联盟;与遗传算法和蚁群算法的对比实验表明,该算法是正确、有效、可行的,在运行时间和解的性能上都优于前两种算法。     

基于遗传算法的多agent联盟的生成

联盟生成是多Agent系统的一个关键问题,主要研究如何在多Agent系统中动态生成面向任务的最优Agent联盟.本文讨论了Agent联盟的生成,并将遗传算法应用于Agent联盟生成中,对比实验结果表明,遗传算法可以快速、高效地找出合适的Agent联盟,并在解的质量和收敛速度上均优于相关算法.     

“英特尔”杯全国电子市场联盟《魔兽争霸》大奖赛开幕

2005年7月29日，“英特尔”杯全国电子市场联盟《魔兽争霸》大奖赛在重庆泰兴通信电脑大市场展开了重庆赛区的赛事。此次比赛是以“英特尔科技热力超自‘游’”为主题的英特尔2005年全国电脑应用普及暑期系列活动之一。整个活动将历时两个月，覆盖全国23个大中城市。赛事组委台还将邀请各城市赛区的冠亚军参加北京总决赛，总决赛冠军奖金高达3万元。     

改进型量子遗传算法求解机器人联盟问题

联盟是多机器人之间一种重要的合作方法,如何生成面向某个任务的最优联盟是一个复杂的组合优化问题。引入量子遗传算法来解决这一问题,在求解过程中引入“基于信息正反馈的岛屿模型”对量子遗传算法进行改进,并采用进化方程对量子门进行更新,使其不再易于陷入局部极值。仿真实验结果表明,该算法在解的质量和收敛速度上优于目前同类算法。     

基于遗传算法的WSMO服务组合模型研究

面向服务计算已在各类电子商务、B2B、旅游等领域得到了应用。它通常通过一个标准化的Web服务模型去快速设计、实现、部署和发送各类应用功能,但实现业务的功能最终是体现在服务组合上。因此,针对在服务组合过程中所出现的语义识别、信息抽取方面的问题,文中提出一种基于遗传算法的WSMO服务组合方法。该方法通过使用基于Ontology的WSMO进行服务的语义性描述,采用服务组合过程的语法检测和语义验证来实现模型;在语法检测中,是通过定义语法依赖对齐来完成,而在语义验证中,是通过各种衔接模式来实现的;并通过带有精英策略的小生境遗传算法进行求解最优的服务组合去满足业务逻辑需求。最后通过应用表明：服务组合效率比传统方法更优越,完成的业务功能更精确。     

基于遗传算法的 WSMO 服务组合模型研究

面向服务计算已在各类电子商务、B2B、旅游等领域得到了应用.它通常通过一个标准化的 Web 服务模型去快速设计、实现、部署和发送各类应用功能,但实现业务的功能最终是体现在服务组合上.因此,针对在服务组合过程中所出现的语义识别、信息抽取方面的问题,文中提出一种基于遗传算法的 WSMO 服务组合方法.该方法通过使用基于 Ontology的 WSMO 进行服务的语义性描述,采用服务组合过程的语法检测和语义验证来实现模型;在语法检测中,是通过定义语法依赖对齐来完成,而在语义验证中,是通过各种衔接模式来实现的;并通过带有精英策略的小生境遗传算法进行求解最优的服务组合去满足业务逻辑需求.最后通过应用表明:服务组合效率比传统方法更优越,完成的业务功能更精确.     

遗传算法求解多目标规划证券投资组合模型

本文尝试采用最优保存策略的遗传算法来求解WilliamSharpe模型，并且将实现N种证券投资组合优化的模拟分析，其求解结果相对数学分析来说比较合理，     

风险效用投资组合模型的遗传算法求解

给出一个折衷考虑风险最小化和收益最大化的单目标决策方法,以单位风险收益最大化为决策目标建立了投资组合的非线性分式规划模型,考虑到分式规划问题的求解难度,利用遗传算法求解模型,并给出算法步骤。最后,给出了数值算例,结果表明该算法是简单有效的。     

多智能体联盟形成算法的探讨与研究

Agents联盟形成是分布人工智能DAI中一种重要的协作方法.本文简要分析了Agents联盟的结构、形式以及联盟结构问题的数学模型.对于可分解的任务,且子任务之间没有优先关系,Agents要形成多个联盟(联盟结构),文中研究了基于遗传算法的联盟结构形成算法,并对这种算法的并行化作了探讨.     

基于遗传算法的顾客购买行为特征提取

提出一种基于遗传算法的顾客行为特征提取算法。首先,采用Tanimoto 相似度来度量顾客间购买行为,并设计遗传聚类算法对顾客群体进行划分,把具有相似购买行为顾客聚集为一类。然后,针对不同顾客群体的购买行为特征,设计一种基于遗传算法的多种群特征提取方法,从各个子群体中发现顾客的购买行为的知识。为了增强种群内部协同进化能力和规则质量,我们采用最近邻替代遗传策略和局部搜索策略。使用实际零售数据集对整个算法进行验证,并与经典的Apriori算法进行比较。实验结果表明该算法在不需要产生频繁项集的情况下,可较高效生成精简规则集,在规则形式方面也更加灵活。最后,对实验结果进行详细分析。     

一种求解优化问题的新型混合遗传算法

论文在标准遗传算法中引入新的交叉运算和变异运算,针对优化问题提出了一类新型混合遗传算法。具体算例验证了算法的有效性和相对于标准遗传算法及某些混合遗传算法的优越性。     

基于遗传算法的多智能体联盟形成机制

针对动态开放式多智能体系统中联盟的形成问题,提出“按能力分配”的联盟报酬划分规则和联盟报酬率等概念及相关命题,讨论Agent之间的协商机制和协商原则,在此基础上建立基于多智能体遗传算法的联盟形成机制。仿真计算结果表明,该联盟形成机制能够减少系统的通信量,保证所得联盟的稳定性和全局最优性,提高系统的结盟效率。     

基于遗传算法和梯度算法的一种结构优化混合方法

基于遗传算法和梯度算法,文章提出了一种结构优化的混合方法。算例表明该方法兼具遗传算法的优良全局搜索能力和梯度算法的强大局部搜索的特点,且具有很好的工程适应性。     

一种组合测试用例生成的可配置混合算法

组合测试是一种经过实践证明的科学有效的测试方法,其研究重点之一是组合测试用例集的生成算法。基于参数顺序渐进扩充策略IPO(In-Parameter-Order)是其中一种具有代表性的通用算法,其优势在于水平扩充算法的可选择性和测试用例集的可扩展性。算法在提取影响IPO策略效果的参数的基础上,给出可配置的IPO策略;采用遗传算法(Genctic-Algorithm)配置IPO策略中的水平扩充,得到新的混合算法IPO_GA。通过实验对可配置IPO策略中各个参数对算法的影响进行了对比分析;将IPO_ GA与部分已有算法进行了比较,结果表明在水平扩充过程中染色体较短时,IPO_GA效果较好;在解空间规模过大而导致染色体较长时,IPO_GA效果略差。     

求解组合拍卖NP问题的遗传算法

多智能体系统采用多件物品组合拍卖协商协议能高效地实现组合资源及多任务的分配,但在传统组合拍卖协商协议中拍卖方选择买方以实现最大赢利的过程是一个NP问题,本文提出了利用改进的遗传算法来求解该NP问题的新方法,并应用于一个企业供应链管理的自动协商交易系统中。实验表明,该算法具有较优的性能。     

改进的遗传算法求解TSP问题

实际应用中经常用人工智能算法如遗传算法求解TSP等一类NP难题．针对原有的遗传算法在初始化种群随机性的缺陷以及在产生子代过程中无法保存最优个体的问题．给出基于贪心算法的种群初始化和交叉变异后最优个体保存算法相结合的改进遗传算法,并在VC＋＋平台上对该算法的实现过程进行动态演示。     

A Constructive Genetic Algorithm for permutation flowshop scheduling

The general flowshop scheduling problem is a production problem where a set of n jobs have to be processed with identical flow pattern on m machines. In permutation flowshops the sequence of jobs is the same on all machines. A significant research effort has been devoted for sequencing jobs in a flowshop minimizing the makespan. This paper describes the application of a Constructive Genetic Algorithm (CGA) to makespan minimization on flowshop scheduling. The CGA was proposed recently as an alternative to traditional GA approaches, particularly, for evaluating schemata directly. The population initially formed only by schemata, evolves controlled by recombination to a population of well-adapted structures (schemata instantiation). The CGA implemented is based on the NEH classic heuristic and a local search heuristic used to define the fitness functions. The parameters of the CGA are calibrated using a Design of Experiments (DOE) approach. The computational results are compared against some other successful algorithms from the literature on Taillard’s well-known standard benchmark. The computational experience shows that this innovative CGA approach provides competitive results for flowshop scheduling problems.     

一种基于遗传算法求解TSP问题的优化算法

旅行商问题是组合优化的一个经典问题,也是评价算法好坏的一个标准,它要求在给定的一张图中寻找一条哈密尔顿回路,使得该回路在所有的回路中长度最短。然而,该问题是一个NP完全问题,其求解时间会随着问题规模的扩大急剧上升。因此,只能希望在允许的时间内寻求问题的一个较优的解来替代。本文借助生物学的相关理论与思想采用遗传算法对该问题进行求解,最后通过对遗传算法的进一步分析,提出了一种可行的改进算法,达到了获得较优解的目的。