求解2D条带矩形Packing问题的迭代启发式算法

为求解二维矩形条带装箱问题,提出了一种新颖而有效的启发式算法.算法主要包括矩形装载适应度的计算规则和树型迭代搜索规则,通过选择最高适应度的矩形来装载空间.对大量国际上公认的Benchmark问题实例的计算结果表明,相对于当前的很多著名算法,提出的算法更加有效.     

适应度平均选择的离散差分演化算法

如何将差分演化算法用于离散领域是该领域的一个重要问题.提出一种适应度平均选择的离散差分演化算法,提出的算法中每个个体有均等的机会被选择用于引导算法的进化,这种选择方式有助于克服贪婪选择操作导致的种群多样性下降过快而使算法易陷入局部最优的问题.最后在多维背包问题上的实验结果表明提出的算法具有良好性能.     

一种基于置信度的代表点选择算法

代表点选择是实现缩减数据集规模的有效途径,可以提高分类的准确率和执行效率.为此,通过引入分类置信度熵的概念,提出适应度评价函数,用于评估代表点的选择效果,以此找到最优的代表点集.该方法可与其他代表点选择方法结合,得到性能更优的代表点选择方法.与多个经典代表点选择方法进行实验比较,结果表明基于置信度的代表点选择方法在分类准确率和数据降低率上有一定优势.     

基于多尺度并行免疫克隆优化聚类算法

针对无监督分类问题,提出一种多尺度并行免疫克隆优化聚类算法.算法中,进化在多个子群之间并行进行,不同子群的抗体根据子群适应度采用不同变异尺度.进化初期,利用大尺度变异子群实现全局最优解空间的快速定位,同时变异尺度随着适应值的提升逐渐降低;进化后期,利用小尺度变异子群完成局部解空间的精确搜索.将新算法与其他聚类算法进行比较,所得结果表明新算法具有较好的聚类性能和鲁棒性.     

一种非线性约束优化的微粒群新算法

通过对标准微粒群算法(PSO)改进,采用动态罚函数的方法,提出了一种求解非线性约束优化问题的新算法.由于使用了一种新的适应度函数,该算法具有很强的全局寻优能力.     

改进遗传算法在燃气管网布局优化中的应用

燃气管网布局优化对整个系统经济性起着重要作用.以树状燃气管网为研究对象,以管线总长度最短为优化目标建立数学模型,设计了基于遗传思想的燃气管网优化布局的搜索过程.并对基本遗传算法进行改进,设计了单亲交叉算子、倒位算子以及相应的适应度函数.应用改进的遗传算法进行树状管网布局优化能够得到一组最优或次优的布局形式.计算表明,与传统方法相比,遗传算法具有很大的优越性和实用价值.     

遗传算法在自动组卷中的应用

给出了利用遗传算法的全局寻优和收敛速度快的特点,解决组卷问题的方法,重点阐述了自动组卷问题中的染色体编码方法、适应度函数和遗传算子的设计。     

基于改进回溯算法的计算机排课系统

计算机排课算法一直是一个没有被完美地解决的NP难题，国内外都在对它进行广泛的研究.基于一个中专院校的自动排课系统的实现，通过对当前各种算法的研究、对比、总结，发现当前的排课算法可以分为构造型算法和改进型算法两类，并且这两种算法有着各自的优缺点.为此吸取了遗传算法(改进型算法)和回溯法(构造型算法)的优点，在回溯法中引入了拟人策略和遗传算法中的评价、惩罚机制，经过实际应用的验证，该算法特别适合应用在实际的排课系统中.     

基于最大最小适应度函数的多目标粒子群算法

针对多目标优化问题提出了一种基于最大最小适应度函数（F_maximin）的粒子群算法，将此算法简称为IMPSO。它在求解多目标问题的非劣解前沿（Pareto Front）时表现出很好的性能。通过经典测试函数计算表明该算法保证收敛到多目标优化问题的Pareto最优前沿；同时，使用两个性能指标（GD和Diversity）验证了此算法优于其他的多目标粒子群优化算法。     

大型水泵机组的遗传BP神经网络算法

利用BP神经网络在处理非线形问题上的优势来处理大型水泵机组的传递函数的非线形。并结合遗传算法寻找适合机组传递函数的最佳网络拓扑结构，为了控制的实时性要求网络的结点尽可能的少，因此在遗传算法的适应度函数中将时间的因素考虑进去。结果是，考虑时间的算法得到的网络结构要优于不考虑时间的算法所得到的网络结构。