求解标准化组卷问题的单亲遗传算法

组卷问题是一个多重约束目标的问题求解。为此，我们设计了一个求解标准化组卷问题的单亲遗传算法，提出了独立编码和针对该编码的组内单亲交叉算子、组内变异算子，引入小生境技术。通过实际使用，较好地解决了一次产生多套满足需要的标准化试卷的实际需要。     

PBIL进化算法在自动组卷系统中的应用

进化计算是一种搜索方法，广泛用于求解各类优化问题。PBIL算法将进化获得的知识——学习概率用以指导后代的产生，使搜索更具方向性，因而往往能取得更好的效果。自动组卷问题是一个典型的组合优化问题。文中针对PBIL算法的特点，设计了一个自动组卷求解方案，并用实验数据进行计算。结果表明；该算法计算速度快、稳定性好，尤其是在约束条件比较多的情况下，显示出算法的高适应性，是解决组卷问题较为理想的算法。     

基于背包问题的在线组卷算法

针对当前计算机在线自动组卷效率低和效果不理想的问题,提出一种基于背包问题求解的组卷算法,并改进了传统的背包问题求解思想:即按照题型和难度将试卷大包划分成试卷小包,进而分别求解,利用背包问题求解其过程。实验表明,算法可根据专家设计的组卷策略自动生成试卷,效率和成功率都是比较理想的。     

一种智能组卷算法的实现

本文首先建立组卷问题的数学模型，通过分析可知，组卷问题实质上是一个多目标优化问题的求解。为了解决组卷这个多目标优化问题的求解方法．采用了一种遗传算法的智能组卷算法。     

PBIL进化算法在自动组卷系统中的应用

进化计算是一种搜索方法,广泛用于求解各类优化问题。PBIL算法将进化获得的知识———学习概率用以指导后代的产生,使搜索更具方向性,因而往往能取得更好的效果。自动组卷问题是一个典型的组合优化问题。文中针对PBIL算法的特点,设计了一个自动组卷求解方案,并用实验数据进行计算。结果表明:该算法计算速度快、稳定性好,尤其是在约束条件比较多的情况下,显示出算法的高适应性,是解决组卷问题较为理想的算法。     

基于矩阵编码的遗传算法及其在自动组卷中的应用

对组卷问题进行了分析，提出了采用遗传算法来解决这个带约束的多目标优化问题。提出了应用于自动组卷中的基于矩阵编码的遗传算法，充分利用领域知识来设计解的编码和遗传算子。试验结果表明，基于矩阵编码的遗传算法相对于其它方法能够取得更有效的结果。     

基于遗传算法的组卷设计与实现

遗传算法作为一种基于进化过程中的信息遗传机制和优胜劣汰的自然选择原则的搜索算法,可以为组卷问题的求解提供有效的途径。在充分借鉴背包问题的设计思想基础上,将试题转化为基因编码,通过遗传算法对基因进行编码,将实际问题中的试题转化为计算机可以识别的变量,然后采用二进制编码方法设计一套在线考试系统,并通过数值实验说明该系统具有很好的可行性和有效性。     

基于遗传算法的自动组卷系统的设计与实现

组卷问题是一个在一定约束条件下的多目标参数优化问题,采用传统的数学方法求解十分困难,自动组卷的效率和质量完全取决于试题库设计以及抽题算法的设计。本文以省级《数据结构》精品课程建设为背景,在分析传统组卷算法的优缺点和组卷策略参数的基础上,选用遗传算法,设计并实现了一个自动组卷系统。该算法按照试题类型、数量、难度、区分度、分值和时间等约束条件进行快速搜索并寻找最优解,其中采用分组自然数编码,减少了染色体长度空间;运用自适应理论改进交叉概率及变异概率,使得算法总能找到合适的交叉和变异概率。系统采用C#.NET编程实现,目前已应用于实际教学,取得了良好的教学效果。     

一种智能组卷算法的实现

本文首先建立组卷问题的数学模型,通过分析可知,组卷问题实质上是一个多目标优化问题的求解。为了解决组卷这个多目标优化问题的求解方法,采用了一种遗传算法的智能组卷算法。     

基于整数编码和自适应遗传算法的自动组卷

给出了基于整数编码和自适应遗传算法解决自动组卷问题。该算法首先采用整数编码，用没有重串的稳态繁殖技术和自适应遗传算法对组卷进行操作，有效地解决了试题库的自动组卷问题，具有较好的性能和实用性。     

Segmentation-recognition algorithm for zip code field recognition

This paper describes a recognition algorithm for zip code field recognition. The algorithm consists of an initial character segmentation algorithm and a connected-numeral splitting algorithm. The initial character segmentation algorithm employs connected component analysis with component merge technique based on proximity. The numeral splitting algorithm consists of a slant splitting algorithm based on discriminant analysis and two postprocessing algorithms based on local shape analysis. The splitting algorithm is integrated with a statistical classifier to form a segmentation-recognition algorithm to resolve the ambiguity of connected numeral splitting. The performance is tested by recognition experiments on zip code fields collected from real USPS mail envelopes.     

基于混合遗传算法的作业车间调度问题的研究与仿真

作业车间调度问题(JSP)是一类典型的NP-hard问题,遗传算法(GA)由于其隐合并行性和全局解空间搜索两大优点而成为解决JSP问题的常用工具.但是,由于JSP问题本身的特点,普通遗传算法难以在解此类问题时得到满意解,最突出的问题就是过早收敛于某一局部最优解,使算法效率降低.在此基础上,将遗传算法和模拟退火算法相结合,提出了一种基于遗传和模拟退火的混合算法,该算法将模拟退火算法赋予搜索过程时变性融入其中,具有明显的概率跳跃性,并选取了典型问题进行分析和仿真研究.仿真结果表明,与传统的遗传算法相比该方法是行之有效的.     

基于ＨＦＬＡＮＮ自组织多项式网络学习算法

首先提出一种双曲函数型神经网络HFLANN,设计出一类基于HFLANN网络的层次双曲型函数网络HHFLANN,给出了HHFLANN的网络学习算法,使其在用于非线性的拟合中体现了较强的优越性,对于任意的Volterra级数使用HHFLANN网络来逼近是完全可行的,该算法较GMDH算法和SOP算法,具有快速简单的特性,它优于GMDH算法,有规律地选取部分多项式;优于SOP算法,在构造SOP网络不需要太多的中间隐层,从而加快了学习过程,提高了网络的逼近性能,更适合于具有层次结构的应用领域。     

双向AC算法及其在入侵检测系统中应用

在经典的多模式字符串匹配算法-AC算法的基础上,提出了双向AC算法.该算法在预处理阶段构造正向和反向两个有限状态自动机,匹配时使用正向有限自动机从文本串中间位置向右扫描,同时依据反向有限状态自动机从中间位置向左扫描.将该算法应用于开放源码的入侵检测系统Snort中,实验结果表明较BM算法、WM算法和AC算法本算法有更好...     

基于密度峰值多起始中心的融合聚类算法

经典[K]-Means算法不能有效处理非球型数据集的聚类问题,且聚类目标数需预先指定。SMCL（Self-adaptive Multiprototype-based Competitive Learning）算法是一种[K]-Means的改进算法,它引入Multi-Prototypes机制,并将距离相近的Prototypes所代表的样本簇融合成聚类簇。在SMCL算法基础上提出DP-SMCL（Density Peak-SMCL）算法,使用密度峰值聚类算法确定初始聚类中心集,借助1-D高斯混合概率密度模型合并以Prototypes为中心的相近子簇来获得精确聚类结果。实验结果表明,DP-SMCL算法可应用于非球型数据集聚类,且能自动确认聚类的目标类别数,相比于[K]-Means和DBSCAN（Density-Based Spatial Clustering of Applications with Noise）等经典聚类算法能够获得更加准确的聚类结果。同时,与SMCL算法相比,DP-SMCL可以快速完成初始Prototypes的选定,显著提升算法准确率和执行效率。     

基于离散粒子群优化算法求解矩形件排样问题

改进了一种近似排样算法,并将改进的近似排样算法与离散粒子群优化算法结合求解矩形件排样问题.设计了应用离散粒子群优化算法求解矩形件排样问题的相关操作和定义,给出了离散粒子群优化算法求解矩形件排样问题的详细步骤,最后通过实验测试,验证了算法的有效性.     

基于属性重要度的ID3改进算法

ID3算法是数据挖掘中最经典的分类算法.该算法偏向于选择取值较多的属性,而属性值较多的属性不总是重要的,从而影响了分类预测的高效性.通过对ID3算法的研究,依据属性重要度粗糙集理论的思想,对经典的ID3算法做了相应的改进,改进后的ID3算法(AIID3),提高了算法的决策效率.最后的实例及应用表明,改进的算法更有效,更快速.     

Training feedforward networks with the Marquardt algorithm

The Marquardt algorithm for nonlinear least squares is presented and is incorporated into the backpropagation algorithm for training feedforward neural networks. The algorithm is tested on several function approximation problems, and is compared with a conjugate gradient algorithm and a variable learning rate algorithm. It is found that the Marquardt algorithm is much more efficient than either of the other techniques when the network contains no more than a few hundred weights.     

Hybridizing a multi-objective simulated annealing algorithm with a multi-objective evolutionary algorithm to solve a multi-objective project scheduling problem

In this paper, a multi-objective project scheduling problem is addressed. This problem considers two conflicting, priority optimization objectives for project managers. One of these objectives is to minimize the project makespan. The other objective is to assign the most effective set of human resources to each project activity. To solve the problem, a multi-objective hybrid search and optimization algorithm is proposed. This algorithm is composed by a multi-objective simulated annealing algorithm and a multi-objective evolutionary algorithm. The multi-objective simulated annealing algorithm is integrated into the multi-objective evolutionary algorithm to improve the performance of the evolutionary-based search. To achieve this, the behavior of the multi-objective simulated annealing algorithm is self-adaptive to either an exploitation process or an exploration process depending on the state of the evolutionary-based search. The multi-objective hybrid algorithm generates a number of near non-dominated solutions so as to provide solutions with different trade-offs between the optimization objectives to project managers. The performance of the multi-objective hybrid algorithm is evaluated on nine different instance sets, and is compared with that of the only multi-objective algorithm previously proposed in the literature for solving the addressed problem. The performance comparison shows that the multi-objective hybrid algorithm significantly outperforms the previous multi-objective algorithm.     

新型的动态粒子群优化算法

为了解决动态改变惯性权重的自适应粒子群算法不易跳出局部最优的问题,提出了一种自适应变异的动态粒子群优化算法。在算法中引入了自适应学习因子和自适应变异策略,从而使算法具有动态自适应性,能够较容易地跳出局部最优。对几种典型函数的测试结果表明,该算法的收敛速度明显优于文献算法,收敛精度也有所提高。