基于遗传模拟退火算法的不规则多边形排样

将遗传授拟退火算法应用于计算机辅助排样领域，设计了一种基于遗传模拟退火技术的启发式排样算法．该算法能够处理不规则多边形的排样问题；同时，给出一种对象的几何表达方式，可以忽略高度不规则形状带来的复杂性影响．该算法通过基于遗传模拟退火算法的全局优化概率搜索，寻找排样件在排样时的最优次序及各自的旋转角度，然后采用基于左下角(BL)策略的启发式排样算法实现自动排样．     

3机Flow-shop调度问题研究

提出了一种遗传分枝定界算法求解3机Flow-s hop调度问题，该算法类似于常用的遗传局部算法和遗传动态规划算法．用随机方法生成测 试例子，通过与著名的Taillard的禁忌搜索算法和Reeves的遗传算法进行比较，实验结果证 实了遗传分枝定界算法的有效性．     

在进化策略中引入策略进化

进化策略是遗传／进化算法中的重要算法之一．如何选择合适的策略来引导进化则又是进化策略的关键问题之一,本文从进化策略对自然选择的基本理解和结论出发，给出了一种对进化策略中的策略选择问题的进化优化方法．同时，我们还讨论了基于进化策略的机器学习问题．     

基于可行域的遗传约简算法

在已有的遗传属性约简算法的基础上，通过引入约简的可行域概念，提出了基于可行域的遗传约简算法．可行域保持系统的分类能力，缩小了原问题的搜索空间，进而减小了问题的复杂度．适应度函数中引入与互信息相关的惩罚因子保证了算法在可行域中搜索．实验结果表明谊算法既克服了启发性算法的缺陷，较之已有的基于遗传算法的约简算法也有效率改进．     

一种新的基于遗传算法的数据分类方法

当前分类算法还存在诸如伸缩性不强、可调性差、缺乏全局优化能力等问题．通过构造完全分类规则集，设计了一种有效的遗传编码方法，使得遗传算法的各种优良特性在数据分类中得到充分的运用，从而提出了一种新的数据分类算法，新算法有效提高了数据分类的准确性，较好克服了当前存在的缺点．最后，给出了实验结果，证实了算法的有效性．     

Flow－shop调度问题的遗传启发算法

结合遗传算法和启发式规则，构造了一种新的遗传启发搜索算法，用于求解Ｆｌｏｗ－ｓｈｏｐ调度问题．通过分析和实例计算表明，算法能够有效地适用于大规模加工过程中调度问题的优化计算，在运行时间，适应性和最优率等方面都具有很好的搜索优势．     

基于可靠度的计算机系统优化问题的研究

分析了计算机系统硬件优化配置问题,给出了该问题的优化模型,并利用模拟退火算法和遗传退火算法对求解该问题进行了具体设计。通过实例仿真比较,遗传退火算法能得到比文献中算法和模拟退火算法更好的结果,表明算法是非常有效的。     

基于遗传分枝定界算法的F1ow—shop调度问题

F1ow—shop调度问题属于NP难题，传统的方法很难求出精确最优解，提出了一种遗传分枝定界算法，即在遗传算法中引入分枝定界算法保持对优化解有贡献的工件部分顺序，求解3机F1ow—shop调度问题，该算法与常用的遗传局部算法和遗传动态规划算法类似，用随机方法测试例子，与目前著名的Taillard的禁忌搜索算法和Reeves的遗传算法两种改进算法进行比较，大量的数据实验证实了遗传分枝定界算法的有效性。     

遗传模拟退火算法在弹药装载中的应用研究

多约束条件下的弹药装载问题是一个复杂的组合优化问题，属于NP-完全问题，其求解是很困难的。本文在考虑弹药装载中各类约束条件的情况下，将模拟退火算法作了若干改进后，融入遗传算法，提出了一种遗传模拟退火算法来求解弹药装载问题。本文对该算法的遗传算子和冷却进度表进行了详细的阐述，给出了使用该算法求解弹药装载问题的具体实现方法。     

软件开发项目中任务调度的混沌遗传算法

考虑了软件开发任务的可拆分特性，针对其调度问题提出了最小化项目总周期的优化模型，并提出了一种混沌遗传算法用于求解该模型,该算法的变异算子采用一维Logistic映射作为混沌变异模型，利用混沌系统的漂移特性改善种群的多样性,给出了算法基于任务优先级的编码方案、任务单元解码规则以及遗传算子的设计方法．通过仿真实例验证了模型和算法的有效性．     

The parallel assignment problem redefined

The parallel assignment problem is slightly redefined using a subtler cost function that tends to reduce the number of extra assignments required. It is shown that the new problem, like the classical, is NP-hard. The new problem is then solved for the restricted case of assignment from invertible functions of single variables. For this restricted case and optimum solution can be found in linear time for both the classical problem and the new problem. However, the number of extra assignments required for the classical problem is equal to the number of cycles in the dependency graph, while in the new problem it is equal to the number of isolated cycles in the dependency graph which may be less     

APA：类比自动程序设计系统

自动程序设计系统APA使用类比推理技术,向过去经验学习编写新的LISP程序.本文首先给出了它的知识表示和系统结构,然后讨论怎样发现与新问题相似的已解问题,怎样沿着相似推导构作新问题的程序.APA是[1,2]中类比推理理论的一个实验系统.     

多机相关任务均匀衡调度问题的复杂性与新算法

本文讨论了多处理机系统中的一种相关任务均衡调度问题 ,证明了该问题是 NP完全问题 ,并给出了一个新的启发式算法。该算法克服了现有算法的不足。数值实例和仿真结果表明 ,该算法有令人满意的优化效果     

网络新技术引起的公共信息安全问题研究

网络新技术引发的公共信息安全问题已经成为现代网络的主要问题,影响了网络安全的发展。分析公共信息安全问题的类型及危害,对互联网新技术、新趋势、新特征进行分类和分析,以及对网络新技术引起的公共信息安全问题的探讨,为维护国家公共信息安全提出新对策。     

解非线性规划的多目标遗传算法及其收敛性

给出非线性约束规划问题的一种新解法。它既不需用传统的惩罚函数,又不需区分可行解和不可行解,新方法把带约束的非线性规划问题转化成为两个目标函数优化问题,其中一个是原约束问题的目标函数,另一个是违反约束的度函数,并利用多目标优化中的Pareto优劣关系设计了一种新的选择算子,通过对搜索操作和参数的合理设计给出了一种新型遗传算法,且给出了算法的收敛性证明,最后数据实验表明该算法对带约束的非线性规划问题求解是非常有效的。     

整数规划的新算法

整数规划是NP困难的经典问题之一，将传统的二分搜索方法推广应用到整数规划的解空间中，提出一种求解整数规划的新算法。当问题变量数固定时，算法的时间复杂性为0(Llog^L)，其中L为问题实例的输入规模，理论分析和实验结果表明：新算法不仅初步解决了目前求解系数呈指数增长的整数规划问题时存在的实质性困难，可直接用于此类大规模问题的求解，同时由于其特剐适合并行处理的算法结构，可望为一般大规模整数规划问题的精确求解提供新的途径。     

一类动态非线性约束优化问题的新解法

动态非线性约束优化是一类复杂的动态优化问题,其求解的困难主要在于如何处理问题的约束及时间（环境）变量。给出了一类定义在离散时间（环境）空间上的动态非线性约束优化问题的新解法,从问题的约束条件出发构造了一个新的动态熵函数,利用此函数将原优化问题转化成了两个目标的动态优化问题。进一步设计了新的杂交算子和带局部搜索的变异算子,提出了一种新的多目标优化求解进化算法。通过对两个动态非线性约束优化问题的计算仿真,表明该算法是有效的。     

基于相似历史信息迁移学习的进化优化框架

现有进化算法大都从问题的零初始信息开始搜索最优解, 没有利用先前解决相似问题时获得的历史信息, 在一定程度上浪费了计算资源.将迁移学习的思想扩展到进化优化领域, 本文研究一种基于相似历史信息迁移学习的进化优化框架.从已解决问题的模型库中找到与新问题匹配的历史问题, 将历史问题对应的知识迁移到新问题的求解过程中, 以提高种群的搜索效率.首先, 定义一种基于多分布估计的最大均值差异指标, 用来评价新问题与历史模型之间的匹配程度; 接着, 将相匹配的历史问题的知识迁移到新问题中, 给出一种基于模型匹配程度的进化种群初始化策略, 以加快算法的搜索速度; 然后, 给出一种基于迭代聚类的代表个体保存策略, 保留求解过程中产生的优势信息, 用于更新历史模型库; 最后, 将自适应骨干粒子群优化算法嵌入到所提框架, 给出一种基于相似历史信息迁移学习的骨干粒子群优化算法.针对多个改进的典型测试函数, 实验结果表明, 所提迁移策略可以加速粒子群的搜索过程, 显著提高算法的收敛速度和搜索效率.     

矩形件优化排样问题的混合遗传算法求解

利用遗传算法结合剩余矩形排样法求解矩形件正交排样问题。通过遗传算法将矩形件正交排样问题转化为一个排列问题,并引入剩余矩形排样算法来惟一确定每一个排列所对应的排样图(即排样方案),两者结合用于求解矩形件排样问题。最后用此混合遗传算法对文献[1]中的两个算例进行了验证,表明了其有效性。     

协同过滤算法中冷启动问题研究

为了解决传统协同过滤算法的冷启动问题,提高算法的推荐质量,本文针对协同过滤算法中的冷启动问题进行研究,提出了两种改进的算法.新用户冷启动：融合用户信息模型的基于用户的协同过滤算法;新项目冷启动：采用层次聚类的基于项目的协同过滤算法.将新算法在网络开源数据集MovieLens上进行实验验证,比较改进算法和传统算法在查全率和查准率上的差异,结果表明改进算法能够有效地提高算法的推荐质量,缓解新用户和新项目的冷启动问题.