数据仓库ETL任务调度的一种改进算法

本文提出了一种基于遗传算法的ETL任务调度改进算法。由于ETL调度子任务之间具有先后顺序的限制,传统遗传算法不能很好的适应。本文通过对传统遗传算法的各个步骤进行相应处理,得到一种改进的ETL任务调度算法;实际应用结果表明调度算法显著提高了处理ETL子任务的效率。     

遗传算法的进展与展望

遗传算法作为一种新的优化搜索方法,被广泛应用于许多优化问题,本文对遗传算法进行了简要概述,主要讲述了遗传算法的特点、现状及进展,并阐述了遗传算法的最新研究领域及未来研究课题。     

浮点遗传算法的收敛性及其在模型参数提取问题中的应用

浮点遗传算法是一种模拟生物进化的最化搜索法,由于其运算简单、稳定性好、不需要计算目标函数的导数、高精度和能处理多维数值问题,浮点遗传算法在科学研究和工程技术中得到了广泛应用.通过对浮点遗传算法收敛性的分析,本文证明了"简单浮点遗传算法不收敛于全局最优解,而每代保留最优个体的浮点遗传算法才收敛于全局最优解".在此基础上,本文设计了一种采用连续突变和每代保留最优个体的改进浮点遗传算法,它克服了精确度与计算量之间的矛盾.本文利用该算法较好地解决了半导体器件模型参数提取问题,使计算量降低了约27%.     

整数遗传算法求解下的泊位形状问题研究

遗传算法是一种全局随机搜索算法,它基于自然进化原理。本文介绍了遗传算法的特点,阐述了泊位分配问题的相关问题。研究了泊位分配问题在遗传算法下的应用。本文讨论了在一个多用户的集装箱码头泊位分配问题。有两泊位分配典型方案：一种是在直线型泊位,另一种是在凹槽式泊位上。本研究针对两种形状的泊位进行比较分析。     

一种改进型的遗传算法在配料系统中的应用

鉴于标准遗传算法存在的缺点，本文对遗传算法的选择策略、交叉过程、变异操作进行了改进，提出了一种改进型的遗传算法。然后使用实数编码，并将这种算法应用到了饲料配制系统中。大大提高了饲料配制方法的科学性。     

遗传算法在阵列天线方向图综合中的应用

遗传算法是一种高效的搜索算法。本文采用遗传算法对18元天线阵列方向图进行综全优化设计，并与用Woodward法得到的结果进行了比较。     

基于遗传算法求解线性规划问题

遗传算法是模仿自然界的"优胜劣汰"原理设计的一种近似方法。本文利用遗传算法求解一类线性规划问题,并给出了遗传算法的算法,通过两个数值例子来说明了遗传算法来求解线性规划问题的有效性。     

基于遗传算法优化BP神经网络的预测建模

为了进一步提高基于BP神经网络的预测模型精度,本文针对BP神经网络收敛速度慢,参数选择随机等特点,采用了遗传算法对BP神经网络进行优化,并提出了一种基于遗传算法优化BP神经网络的预测模型,从而进一步提高预测模型的预测精度,通过对比未使用遗传算法优化的BP神经网络的预测模型发现基于遗传算法优化BP神经网络的预测模型在提升预测精度方面具有非常好的效果,是一种非常高效的方法.     

遗传算法的3种改进方法和分析

遗传算法是一种借鉴生物界自然选择和进化机制的随机优化算法.它在求解一般全局优化问题时具有较好的鲁棒性,而且搜索不依赖梯度信息.但是,在用传统遗传算法解决较复杂的优化问题时,存在早熟及稳定性差的缺点.因而,针对这些缺点,出现了很多对传统遗传算法的改进.本文对遗传算法的3种改进方法进行了描述,并将它们应用到一个函数优化实例...     

改进的遗传算法在加速寿命试验设计中的应用

为了提高遗传算法的搜索效率和收敛速度,本文给出了一种新的改进的遗传算法。该算法采用对群的优化来保持种群的多样性,保留历史最优个体并定期替换最优个体从而使得个体优化,对交叉概率和变异概率采用自适应的概率进行优化。通过对目标函数的测试表明,将改进遗传算法与基本遗传算法相比较,在函数最优值,平均收敛代数方面取得了令人满意的效果。     

量遗传算法及其在无约束优化问题中的应用

量子遗传算法（QGA）是量子计算和遗传算法相结合的产物，将量子的态矢量表示引入到遗传算法中，具有比遗传算法更好的搜索效率和收敛性。本文首先介绍了量子遗传算法的基本原理，讨论了基于量子遗传算法的一系列改进，然后将量子遗传算法应用于无约束优化问题，实例计算表明了算法在该类问题中的有效性和可行性。     

飞行器参数辨识的一种演化计算方法

将混合遗传算法应用于飞行器气动参数辨识。该方法结合了遗传算法的全局寻优能力和极大似然法的局部寻优能力，使得混合遗传算法不受极大似然法初值选取的影响，同时也解决了遗传算法收敛速度慢和收敛精度较低的问题。在混合遗传算法寻优过程中，仅对最优个体和变异后的个体执行局部寻优操作，从而使得混合遗传算法的计算量维持在一个适当的水平。最后，一个飞行器纵向模型气动参数的辨识仿真表明：混合遗传算法的收敛性和精度都远高于没有采用局部寻优策略的遗传算法。     

一种解决组合优化问题的量子遗传算法QGA

本文在量子变异的基础上,提出了一种解决组合优化问题的量子遗传算法QGA,它融合了遗传量子算法GQA和经典遗传算法的优点,只用一个个体就可在很短的时间内搜索到最优解,并针对一个典型的组合优化问题——0/1背包问题进行了对比实验,实验结果表明本文所提出的量子遗传算法QGA优于传统遗传算法和遗传量子算法GQA.     

基于遗传算法的组合逻辑电路设计的FPGA实现

基于遗传算法的组合逻辑电路的自动设计,依据给出的真值表,利用遗传算法自动生成符合要求的组合逻辑电路。由于遗传算法本身固有的并行性,采用软件实现的方法在速度上往往受到本质是串行计算的计算机制约,因此采用硬件化设计具有重要的意义。为了证明基于FPGA的遗传算法的高效性,设计了遗传算法的各个模块,实现了基于FPGA的遗传算法。     

基于改进遗传算法的图像分割

分析了OTSU图像分割算法和遗传算法,针对基本遗传算法在优化OTSU图像分割算法中存在的易于早熟、陷入局部最优的不足,提出了一种基于改进遗传算法的图像分割算法。结合OTSU对遗传算法中的适应度函数进行改进,使得对个体的评价更合理,提高算法的全局搜索能力,避免了遗传算法陷入局部最优。实验结果表明,与基于基本遗传算法的图像分割方法相比,改进的图像分割算法在图像分割中获得的分割效果更佳。     

基于遗传模拟退火算法的DNA多序列比对研究

针对生物信息学中DNA多序列比对问题,提出了一种基于遗传算法和模拟退火算法相结合的求解算法:在遗传模拟退火算法中,利用模拟退火算法针对遗传算子进行改进来提高算法的效率,由遗传算法进行全局搜索,模拟退火算法用于局部寻优,防止遗传算法的早熟收敛。通过与经典比对算法ClustalX和经典遗传算法进行比对研究,结果表明该算法是有效的。     

A new automatic alignment technology for single mode fiber-waveguide based on improved genetic algorithm

A novel automatic alignment algorithm of single mode fiber-waveguide based on improved genetic algorithm is proposed. The genetic searching is based on the dynamic crossover operator and the adaptive mutation operator to solve the premature convergence of simple genetic algorithm. The improved genetic algorithm combines with hill-climbing method and pattern searching algorithm, to solve low precision of simple genetic algorithm in later searching. The simulation results indicate that the improved genetic algorithm can rise the alignment precision and reach the coupling loss of 0.01 dB when platform moves near 207 space points averagely.     

基于混合遗传算法的多目标问题规划

遗传算法在问题优化中的应用已有了许多研究，但对于大型多目标规划问题而言，由于其问题特性和计算量大而限制了遗传算法的应用。为探索新的问题求解方法，提出了一种基于遗传算法和梯度算法的问题优化混合算法。用梯度法每次迭代得到的结果来改进遗传算法的群体，而用遗传算法的最优个体与梯度算法的迭代解相比较，选择其中的最优点作为梯度法下一步迭代的初始点。通过保持迭代过程的最优解，加快了搜索速度，并保证收敛于全局最优解。算例表明该方法兼具遗传算法的全局搜索能力和梯度算法的局部搜索的特点，且具有良好的工程适应性。     

一种基于改进混合遗传算法的贴片机装配工艺优化方法

贴片工艺流程是贴片机装配速度提高的瓶颈。首先对遗传算法的遣值线性尺度变换作了改进，然后在改进的遗传算法中融入模拟退火算法，提出了改进的混合遗传算法，提高了遗传算法的全局寻优能力。针对拱架型贴装机，采用改进混合遗传算法对装配工艺进行优化设计。计算结果表明，能明显缩短PCB的装配时间，优化效果较采用遗传算法和邻近算法更为明显。     

基于改进遗传算法的多目标JSP调度研究

针对多目标车间作业调度问题(JSP),提出了一种混合遗传算法,将多目标遗传算法得出的初步优化结果作为粒子群算法的初始粒子,利用粒子群算法强化局部搜索,加快收敛速度,改善了简单遗传算法局部搜索能力差、迭代效率低的问题.仿真结果表明了该算法对JSP调度的良好效果.