求解串并联系统配置问题的免疫遗传算法

通过对串并联系统配置可靠性问题的分析,提出了基于免疫遗传算法（IGA）求解该问题的方法。在保留基本遗传算法随机全局搜索能力的基础上,借鉴生物免疫机制中抗体的多样性保持策略,大大提高了算法的群体多样性。实验结果表明,免疫遗传算法可有效改善基本遗传算法的未成熟收敛和局部搜索能力差的缺点,具有很好的全局收敛能力,其全局收敛性及收敛速度均得到了提高。     

基于免疫遗传算法的构件化软件测试用例生成

提出了一种基于免疫遗传算法(GA)的构件化软件测试用例生成模型(MTCGCBS),介绍了IGA算法的基本思想。通过将IGA算法与传统遗传算法和随机算法在水利构件化软件测试用例生成中的比较,说明了IGA算法的效率明显高于传统遗传算法和随机算法,同时也进一步验证了模型的正确性、可行性。     

改进免疫遗传算法及其应用研究

在传统遗传算法基础上提出一种改进遗传算法--免疫遗传算法(IGA),该算法将生物系统免疫思想引入遗传算法中,通过计算抗体之间的亲和度来促进和抑制抗体,既保留了群体中较优抗体又保证了抗体多样性,避免搜索进化的过早收敛,得到全局最优解.文中采用此改进算法来控制无源光中光分支器和光网络单元中位置分配选择,通过浓度因子控制解空间的搜索方向,帮助逃离局部极值.利用Visual C 6.0对改进的免疫遗传算法和传统遗传算法进行比较,证明IGA的有效性和优越性.     

基于改进遗传算法的自动组卷问题研究

研究自动组卷优化问题,由于题库组卷的随机性,难度很大.在自动组卷研究中,遗传算法(GA)容易出现早熟、收敛速度慢等问题,为了快速可信地组卷,提出一种基于改进遗传算法的智能组卷算法(IGA).IGA算法在传统遗传算法的基础上,用符合组卷问题特点的实数编码、条件初始种群和分段交叉和变异算子来保证种群的多样性,防止早熟现象,采用加权误差的适应度函数加快收敛速度.通过进行仿真,结果表明,IGA相对于自适应遗传算法和标准遗传算法,提高了组卷有效性、稳定性和计算效率,能有效解决自动组卷问题.     

改进免疫遗传算法及其应用研究

在传统遗传算法基础上提出一种改进遗传算法——免疫遗传算法（IGA）,该算法将生物系统免疫思想引入遗传算法中,通过计算抗体之间的亲和度来促进和抑制抗体,既保留了群体中较优抗体又保证了抗体多样性,避免搜索进化的过早收敛,得到全局最优解。文中采用此改进算法来控制无源光中光分支器和光网络单元中位置分配选择,通过浓度因子控制解空间的搜索方向,帮助逃离局部极值。利用Visual C＋＋6．0对改进的免疫遗传算法和传统遗传算法进行比较,证明IGA的有效性和优越性。     

融合遗传蚁群算法的Web 服务组合研究

为了提高Web服务组合流程中服务选择技术的收敛性能,提出了一种基于遗传算法与蚁群算法相融合的多目标优化策略,用于解决基于QoS的Web服务组合问题。本文首先将Web服务组合的全局最优化问题转化为寻求一条QoS最优解的路径问题,并通过改进遗传算法得到蚁群算法中初始路径的信息素分布,再通过改进蚁群算法来求得最优解。仿真实验结果表明,该改进算法能在较少的进化代数下得到最优路径,提高了Web服务组合的快速全局搜索能力。     

基于免疫算法的HLR软件系统测试用例生成

提出了一种基于免疫遗传算法(Immune Genetic Algorithm,简称IGA)的HLR软件测试用例生成模型(Model of Test Case Generation of HLR Software,简称MTCGHS),并详细地介绍了IGA算法的基本思想.通过将IGA算法与传统遗传算法和随机算法在HLR软件测试用例生成中的比较,说明了IGA算法的效率明显高于传统遗传算法和随机算法,同时进一步验证了模型的正确性、可行性.     

Web服务组合QoS优化中的改进遗传算法

结合模拟退火算法与传统遗传算法,提出一种应用于Web服务组合质量优化的改进遗传算法。在选择算子和变异算子的筛选过程中引入模拟退火算法选择更优解的思想,并在算法选择和变异过程中通过设置过滤劣质基因的概率以及逐渐增加变异比率,保证算法种群的多样性。实验结果表明,与传统遗传算法、模拟退火算法、粒子群优化算法等相比,改进算法的收敛速度更快,并且获取的Web服务组合质量更高。     

并行混合免疫遗传算法及其应用

以并行遗传算法(PGA)为基础,对其早熟、收敛慢等缺陷加以改进,提出一种并行混合免疫遗传算法(PHIGA)。该算法将免疫原理引入到遗传算法中,提高了算法的整体性能。这主要表现在一方面免疫选择可有效地防止早熟,另一方面基于免疫记忆的子群体信息交换策略可加速收敛。算法采用混沌初始化和基于自适应交叉、变异的多种群搜索,与单纯形法的混合可更好地改善其局部搜索性能。文中布局问题的算例验证了该算法的可行性和有效性。     

一种基于改进型遗传算法的Web服务选择

随着Web服务技术的快速发展和广泛应用,单个Web服务的功能已经无法满足复杂应用的需求,因而需要将原子服务进行组合,从而形成功能强大的组合服务以完成复杂事务。该文提出了改进的遗传算法,来解决基于Qo S感知的Web服务组合问题,算法从编码方式、初始化种群、适应度函数、进化选择策略等方面对进行改进,使得服务选择算法具有更好的收敛速度和搜索寻优能力。     

基于改进量子遗传算法的云计算资源调度

针对云计算环境下资源的高效调度问题,当前研究较少关注云服务提供商的服务成本,为此,以云服务提供商降低最小服务成本为目的,提出了改进量子遗传算法的云资源调度算法。由于采用二进制量子位表示的染色体无法描述资源调度矩阵,该算法将量子位的二进制编码转换为实数编码,并使用旋转策略和变异算子保证算法的收敛性。通过仿真实验平台将此算法与遗传算法和粒子群算法进行比较分析,在种群迭代次数为100的情况下,分别取种群数为1和10,实验结果表明该算法能取得更小的最小服务成本。     

基于任务的数据交换平台

上下级单位以及同级单位之间的数据交换日渐频繁,这些单位采用的数据库多种多样,数据定义在语义、内容上存在冲突,需要交换的数据格式并不固定,随着业务的变化而变化。该文设计并实现了一个基于任务的数据交换系统,以端到端交换模型为基础,使其可以支持多种数据库之间数据交换和并发的数据交换任务,并通过配置满足交换内容变化的需求。     

遗传算法中选择交叉策略的改进

提出一种改进的遗传算法,为排序选择压力引入自适应调节机制,确保选择压力随种群性状的改变而动态调整,采用新的竞争择优交叉策略提高种群中个体的平均性能。选取典型测试函数进行仿真,结果表明该算法在寻优精度和收敛速度上较原有算法均有较大提高,收敛概率达90%以上。     

基于免疫遗传算法的雷达重复频率选择

多普勒雷达能够在较强的杂波背景中检测目标,被广泛应用,但它既存在距离模糊,又存在速度模糊,需要在巨大的解空间中选择一组重复频率解模糊。免疫遗传算法是基于免疫原理,对遗传算法的改进,它克服了遗传算法易早熟、搜索效率低、不能很好保持个体的多样性等缺点。运用基于实数编码的免疫遗传算法来选择多重中脉重复频率。实验表明该方法便于编码,比基本的遗传算法能更快更准确地找到满意解。     

求解最大团问题的均匀设计抽样免疫遗传算法

针对遗传算法在最大团求解中保持群体多样性能力不足、早熟、耗时长、成功率低等缺陷,依据均匀设计抽样理论对交叉操作进行重新设计,结合免疫机理定义染色体浓度设计克隆选择策略,提出求解最大团问题的均匀设计抽样免疫遗传算法。仿真算例表明,该算法在解的质量、收敛速度等各项指标上均有提高,与DLS-MC、QUALEX等经典搜索算法相比,对部分算例能得到更好解。     

一种改进拉丁方抽样免疫遗传算法*

针对遗传算法求解问题中保持群体多样性能力不足、早熟、耗时长以及求解成功率低等缺点,依据拉丁方抽样方法对遗传算法中的交叉算子进行重新设计;结合免疫机理定义染色体浓度、设计克隆选择策略,提出了一种改进拉丁方抽样免疫遗传算法。利用旅行商问题以及最大子团问题为实例对新算法进行了验证,实验结果表明新算法在解的质量、收敛速度等各项指标上均好于经典遗传算法和佳点集遗传算法,说明了新算法的优越性与可行性。     

Adaptation methodology of CBR for environmental emergency preparedness system based on an Improved Genetic Algorithm

Emergency preparedness enables us to effectively handle sudden environmental events. In previous research, we have proposed to develop environmental emergency preparedness systems employing Case-Based Reasoning (CBR) technology, though developing such a CBR system has been stifled by a deficiency of cases and difficulties of case adaptation. In this paper, an Improved Genetic Algorithm (IGA) is put forward to resolve the issue of adaptability, and thus simultaneously overcoming the deficiency of cases.First we introduce the Frame method, which creates a case representation in accordance with the characteristics of, for instance, a sudden chemical leakage event and the system’s preparedness for treating this case. Then we present the principle of genetic algorithm (GA) for case adaptation. Next, we introduce an Improved Genetic Algorithm (IGA) that achieves case adaptation in the CBR system. The IGA overcomes simplex GA (SGA)’s defects including premature and slow convergence rate, and also enhances search efficiency for globally optimal solutions. The IGA employs technologies including the Multi-Factor Integrated Fitness Function, the Multi-Parameter Cascade Code method, the Small Section method for generation of an initial population, and Niche technology for genetic operations including selection, crossover, and mutation. The results of SGA and IGA performance testing are also presented. A prototype CBR-IGA environmental emergency preparedness system is developed and introduced, and its applicability is tested using a hypothetical ammonia leakage emergency in one district of Shanghai. The results indicate that the proposed IGA methodology can resolve the adaptation issue and expand the case base effectively in CBR systems for environmental emergency preparedness. Future research opportunities are discussed, including the potential to combine CBR, GA, and Back Propagation-Artificial Neural Network (BP-ANN) to alleviate additional challenges, such as the “speed and accuracy” of environmental emergency response.     

抑制孤立簇的软件模块化优化算法

针对传统软件模块化指标在解决软件模块化问题时容易导致孤立簇的问题,提出改进型软件模块化指标IMQ作为进化算法的适应函数以有效抑制孤立簇现象,并以IMQ最大化为目标建立软件模块化的数学规划模型,设计符合问题特点的基于相似度竞争和选择机制的改进遗传算法（IGA）求解该模型。首先,运用边收缩方法的启发式策略生成高质量的初始解,并将其作为种子植入到初始种群中;然后,利用IGA对模型进行求解,在提升搜索效率的同时进一步提高解的质量;最后,运用真实数据和仿真数据进行对比实验。实验结果表明IMQ指标能有效减少孤立簇的数目,而IGA比传统的多点爬山算法（IHC）和基于分组编码（GNE）的遗传算法具有更强的寻优能力和鲁棒性。     

基于个体适应值灰模型的交互式遗传算法

为将交互式遗传算法应用于复杂的优化问题中,提出一种基于进化个体适应值灰模型预测的交互式遗传算法,为每代适应值序列建立灰模型,以衡量个体适应值评价的不确定性,通过对灰模型的灰预测,提取进化个体评价的可信度,在此基础上,给出进化个体适应值修正公式,将该算法应用于服装进化设计系统中。实验结果表明,该算法在每代都能获取更多的满意解。     

基于混合遗传克隆算法的关联规则挖掘

针对在数据挖掘应用中关联规则挖掘的问题,给出一种基于混合遗传克隆算法的关联规则挖掘方法,该算法将遗传算法和克隆算法优点相结合,通过克隆操作来产生一组新的个体,独立地对所产生的各个体进行变异,交叉操作,同时采用自适应方式动态选取交叉和变异概率,有效地克服了遗传算法容易陷入局部最优的缺点,从而求得问题的最优解。实验结果表明,该方法能高效地解决关联规则挖掘问题。