DNA计算求解连续空间优化问题

首先构造了二进制编码的网络空间,其两个节点连接权的四条边对应到DNA编码,设计了相应的算子起到DNA计算酶的作用,该算法设计使得DNA计算能够求解连续空间优化问题。通过测试函数表明该算法具有较好的收敛速度和稳定性,求解结果非常好。     

一种改进的双项自适应总体变差去噪模型

研究经典总体变差去噪模型及其改进的自适应去噪模型,提出一种基于预处理图像局部信息的双项自适应模型。利用空间自适应保真项缓解二阶非线性滤波对细节的过度平滑,通过自适应正则化项减少阶梯效应,使数值更稳定和收敛。实验结果表明,与原方法相比,改进方法具有更好的鲁棒性,在噪声较高的情况下仍能取得较好的去噪效果。     

一个协同进化计算模型

针对遗传算法的早熟现象、模式欺骗和局部搜索能力弱等缺陷提出了一个协同进化计算模型.该模型在基本遗传算法基础上引入多种群协同进化,利用性别特征改进交叉算子,采用小生境技术保持多样性.通过将问题求解转变为有向图遍历提出了染色体基因定位算子,使得问题求解和染色体中基因定位结合起来,提高问题求解的质量.在定位过程中可以和模拟退火等局部搜索能力强的启发搜索算法结合.通过几个非常容易陷入局部最优的测试函数和多峰函数测试,表明几乎所有的峰值都得到了理论值.     

二进制蚁群进化算法

从生物进化角度将群体中的每只昆虫看成一个神经元，彼此之间通过随机、松散的连接组成一个神经网络；然后类似于人工神经网络模拟蚂蚁群体智能, 提出了一个二元网络. 由于采用二进制编码对单个蚂蚁的智能行为要求比较低，对应的存储空间相对较少，使得算法的效率有较大的提高. 通过测试函数优化和多维0/1 背包问题结果表明该算法具有较好的收敛速度和稳定性，非常好的求解结果.     

基于道路网络不确定移动对象的连续概率Skyline查询

Skyline查询是基于位置服务工13S的一项重要操作,其目的是发现数据集中不被其它点支配的点的集合。对道路网络环境下移动对象的连续概率Skyline查询进行了研究。在对道路网络和移动对象建模的基础上,定义了基于道路网络的数据间支配概率和Skyline概率的表示方式,提出了两类可能引起p-Skyline集合变动的event事件,并提出4条剪枝方案进行优化。在此基础上,设计了对网络受限的不确定移动对象进行连续概率Skyline查询的动态增量算法U-CPSQRN。该算法通过对event的跟踪计算实现了对p-Skyline的连续更新操作,减少了算法的查找和计算开销。实验结果显示了算法的有效性。     

具有灾变的动态蚁群算法

尽管蚁群算法在优化计算中得到广泛应用,在求解大规模问题时它仍然存在的运行时间较长和容易产生过早收敛的缺点,本文在基本蚁群算法基础上,通过引入灾变、双向搜索、整段2-交换法、分段保存和对信息素等参数进行动态更新等策略改进算法,TSPLIB的一些实例求解结果均超过或达到记录的最好解,表明算法改进的效果是非常好的.     

求解TSP问题的一种混合遗传算法

文章针对TSP问题的特点,设计了一个求解TSP问题的混合遗传算法。该算法中设计了贪婪子路交叉算子,引入2OPT算子增强遗传算法的局部搜索能力,在选择算子设计中引入稳定状态选择机制。通过KroB100、pr136、pr144、kroB150、CHC144…问题的求解结果表明该遗传算法设计在求解TSP问题中是高效的。     

一种求作业调度问题的改进遗传算法

该文根据JSP问题的特点设计了较为直观的矩阵编码及其相应的交叉和变异操作,对其选择策略中增加用最佳个体来替换一个致死因子,并提出了一个启发修正算子。通过对两种不同模型下的生产作业调度模型的求解,取得了令人满意的结果。     

基于进化稳定策略的单亲遗传算法求解组卷问题

在组卷问题中为了解决传统遗传算法易陷入早熟收敛的问题，在单亲遗传算法基础上，引入基于进化稳定策略．该策略的核心突变算子的构造，有目标地对最优个体进行突变操作，以达到快速扩大搜索空间、稳定群体中个体多样性的目的。实验结果表明，由该算法产生的试卷是令人满意的。     

基于二元蚁群算法的多层前馈神经网络

提出了一种基于二元蚁群算法的多层前馈神经网络,同时为了避免二元蚁群算法陷入局部最优引入了拥挤交通组织策略。将二元蚁群算法和神经网络混合,可兼有神经网络广泛映射能力和二元蚁群算法快速全局收敛能力,通过在函数逼近实验表明取得了较好的结果。