一种改进的混合遗传算法

针对遗传算法爬山能力差的弱点，对传统的遗传算法进行改进，构造出新的重组策略，提出用禁忌搜索作出变异算子，对典型函数的测试表明，改进的遗传算法提高了遗传算法的爬山能力。     

遗传算法收敛性的动力学分析及其应用

遗传算法的收敛性，特别是交叉算子的作用，一直缺乏深入的理论分析，当系统动力学的方法被应用于遗传算法的运行机理分析时，可以探讨在没有变异算子情况下遗传算法的收敛性问题，从而，明确了局部极值点的含义，指出了局部极值点的存在性和存在条件，证明了遗传算法在局部极值点附近的收敛性，并针对遗传算法的各种改进给出了理论上的依据，提出了遗传算法改进的方向。     

免疫遗传算法在系统可靠性最优分配中的应用

分析了免疫遗传算法的原理，并将免疫遗传算法应用于复杂系统可靠性最优分配，同时将其仿真计算结果与模拟退火算法、遗传算法仿真结果进行了比较，证明了免疫遗传算法求解该类问题更有效。     

自适应遗传算法的改进与应用

针对遗传算法易出现早熟现象，通过对标准遗传算法和自适应遗传算法的分析研究，本文对自适应遗传算法进行了改进。即在保留以往自适应遗传算法优点的同时，设计了与种群个体分布及种群规模的波动情况相关的自适应遗传算子。实验结果表明：该算法不易陷入局部极值，收敛速度快。     

遗传算法中选择策略的分析

遗传算法是一种基于生物自然选择与遗传机理的随机搜索与优化方法。近年来，由于遗传算法求解复杂优化问题的巨大潜力及其在工业工程领域的成功应用，这种算法受到了国内外学者的广泛关注。本文介绍并讨论了最能体现遗传算法“自然选择、适者生存”特点的选择算子的多种操作策略，提出一些可以进一步改进和完善遗传算法选择算子的研究方向，可提高遗传算法的性能，从而扩大遗传算法在各个领域的应用。     

遗传算法研究综述

遗传算法是一种基于生物自然选择与遗传机理的随机搜索与优化方法。近年来，由于遗传算法求解复杂优化问题的巨大潜力及其在工业工程领域的成功应用，这种算法受到了国内外学者的广泛关注。本文介绍了遗传算法的研究现状，描述了它的主要特点和基本原理，概述了它的理论、技术和应用领域，讨论了混合遗传算法和并行遗传算法，指出了遗传算法的研究方向，并对遗传算法的性能作了分析。     

基于知识库求解TSP问题的改进遗传算法

旅行商问题是一个典型的、易于描述却难以处理的np完全问题，快速有效地解决旅行商问题具有重要的理论和实际意义。该文提出了一种改进的遗传算法求解旅行商问题。该算法将遗传算法和知识库结合起来，利用遗传算法全局搜索能力强和知识库具有存储记忆功能的特点，提高了遗传算法求解旅行商问题的效率。并通过实验数据对基本遗传算法和改进遗传算法的求解结果进行比较，证明改进遗传算法的可行性和有效性。最后给出了改进遗传算法的重要问题和新的研究方向。     

多亲遗传算法的理论分析及其应用研究

多亲遗传算法是在保持了传统遗传算法一些特性的基础上，对传统遗传算法的交叉算子进行了改进。在介绍了多亲遗传算法的基础上，对其进行了理论分析，证明了多亲遗传算法满足Holland的模式定理；提出了一种称为群体中心交叉的多亲交叉算子，最后将这种多亲交叉算子的多亲遗传算法应用到了数据聚类问题中，取得了良好的实验结果。     

基于遗传算法的神经网络性能优化

遗传算法是一种典型的进化算法。文中分析了遗传算法的特点和神经网络的特点，从而得出了把两种算法结合起来进行应用的思想。运用理论对比的方法，阐明了用遗传算法进行神经网络性能优化的原因，并得出结论，认为用遗传算法进行神经网络性能优化促使了神经网络更进一步的应用。阐述了遗传算法优化神经网络的两种主要方法，论述了遗传算法和神经网络的发展现状和将来的研究动向。     

应用遗传算法估算溶液热力学模型参数

应用遗传算法估算溶液热力学模型参数，并对标准遗传算法中的变异策略和竞争方式作了适当的改进，得到改进的遗传算法。举DMF（二甲基甲酰胺） water体系的溶液热力学模型参数的估算为例，并与POWELL法比较。计算结果表明，遗传算法比POWELL法具有更强的寻优能力，而本文所提出的改进的遗传算法比标准遗传算法的寻代速度明显较快。对解决溶液热力学模型这类复杂的非线性函数的参数估算问题，本文所提出的改进的遗传算法是一种较好的寻优算法。     

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。     

基于Apriori算法的改进算法

挖掘关联规则是数据挖掘中一个重要的课题,产生频繁项目集是其中的一个关键步骤。提出了一种改进算法,并将该算法与Apriori算法进行了比较。该算法只需要对数据库扫描一遍,并且存放辅助信息所需要的空间也少,结果表明该算法对关联规则挖掘较为有效。     

一种改进的基于遗传算法的模糊C-均值算法

把遗传算法搜索的随机性和并行性引入到模糊聚类中,克服了模糊C-均值聚类的局部性和对初始聚类中心的敏感性;该改进算法中采用了适合于模糊聚类的树型编码方案,且在遗传算法中采用了适合于模糊聚类的树型编码方案。同时详细设计了该方法,将该算法引入仓储物害虫的模式识别分类系统中,实验结果表明了该算法的可行性和有效性。     

算法框架:算法重定位的一种可操作的方法

算法框架是实现算法重定位的一种可操作的方法.文章给出了算法重定位的定义,讨论了如何通过选择操作和组合操作来设计算法框架.然后给出了定义选择操作和组合操作的一种方法.由文章所定义的算法框架得到求解某一问题的算法模式,从该算法模式就可以生成求解该问题的算法.文章最后讨论了算法框架和算法模式以及模块化算法之间的关系.研究算法重定位及其可操作的方法对软件自动化和机器学习有着重要的意义.     

递归算法与高效算法

文章通过实例给出了采用母函数法同时解决递归算法的两个问题:复杂递归算法的时间复杂度的求解问题和递归算法到高效算法的转化问題,并由此设计出高效的组合算法.     

排序合并Join算法的新结果

Join操作是数据库中最昂贵和最常用的操作.排序合并Join算法是实现Join操作的重要算法,得到了普遍接受并广为应用.在重新研究了排序合并Join算法后发现,同时对两个Join关系进行外排序是不必要的,会带来很大的额外开销.针对这个问题,提出了一种基于单关系外排序的分治Join算法,并在该算法的基础上提出了基于单关系外排序的并行分治Join算法.理论和实验结果证明,基于单关系排序的分治Join算法高于排序合并Join算法.特别是在并行计算环境下,基于单关系排序的并行分治Join算法的效率远远高于排序合并     

Q-learning算法优化的SVDPP推荐算法

为进一步改善个性化推荐系统的推荐效果,通过使用强化学习方法对SVDPP算法进行优化,提出一种新的协同过滤推荐算法。考虑用户评分的时间效应,将推荐问题转化为马尔科夫决策过程。在此基础上,利用Q-learning算法构建融合时间戳信息的用户评分优化模型,同时通过预测评分取整填充和优化边界补全方法预测缺失值,以解决数据稀疏性问题。实验结果显示,该算法的均方根误差较SVDPP算法降低了0.005 6,表明融合时间戳并采用强化学习方法进行推荐性能优化是可行的。     

一种改进的OPBM快速算法

在对大规模通信网络中的最优带宽分配算法(OPBM)的实现及其性能的研究过程中发现影响呼叫阻塞概率(CBP)的因素包括两部分预留带宽的影响和非预留带宽的影响,而预留带宽对CBP的影响要大过非预留带宽的影响。基于此发现,该文在OPBM方法的基础上,提出了一种改进式的OPBM算法,与原算法进行了对比,改进OPBM算法的误差很小并且运算速度加快。     

基于FCM算法的隐写分析算法综合评估

从与图像隐写分析算法评估相关的问题入手,分析隐写分析算法评估的指标,利用FCM算法实现对各种隐写分析算法的性能评估和比较。该评估算法不仅能对现有隐写分析算法进行评价,以选出最优算法,也适合对新的隐写分析算法进行性能评价。实验结果表明,该评估算法是有效的。     

于遗传算法和CLARANS的一种改进聚类算法

阐述了CLARANS（Clustering Large Applications based on RANdomized Search-基于随机搜索的大规模应用聚类）聚类算法的工作原理,同时为了解决CLARANS聚类挖掘算法效率低,费时长等问题,本文将遗传算法的思想引入CLAR-ANS算法,利用遗传算法的隐并行性对其进行改进,提出一种GA-CLARANS算法,有效地降低了聚类所花费的时间。实验证明GA—CLARANS算法在运行效率方面相比CLARANS算法有较好的表现,是可行且有效的。