改进的混合粒子群算法

从研究分析粒子群算法和郭涛算法的特点出发,提出一种综合两算法优点的混合算法。新算法改变了粒子的更新方式,以子空间搜索和串行搜索相结合的多点并行搜索,扩大了算法的搜索范围,减少了粒子对初值的依赖,增强了算法跳出局部最优的能力;通过后代较优个体变异产生子群,提高了算法局部寻优能力;实验证明,该算法正确高效。     

求解约束优化问题的自适应演化算法

提出一种基于高斯柯西变异算子的多父体杂交自适应演化算法,并用于求解约束函数优化问题。算法的特点：在随机搜索过程中引入三种新的多父体杂交算子加速收敛;基于高斯柯西变异算子提出一种新的产生新个体的方法;提出一种根据演化的进度能自动调整搜索范围的自适应机制。分析与实验表明,与其他算法相比,算法更具有通用性、高效性、鲁棒性,算法收敛速度和算法稳定性有明显改进。     

基于遗传算法的最优小波滤波器构造

本文基于遗传算法对小波滤波器的构造方法进行了研究，重点在于解决对图象进行压缩处理所需要的最优小波滤波器的构造．有效的染色体编码方案和适应值函数以及遗传算法的全局寻优性能，使得该方法在处理图象压缩优化问题上有其独特的优点。     

基于动态熵值的随机数生成方法

研究加密系统安全问题,一般软件生成随机数算法都存在递推函数固有的相关性,使得其生成的随机序列值离散度不高,难以运用于信息安全领域.利用二进制生成空间来构造随机序列;在以二进制空间为缓冲区域的基础上,引入了'调用间隔'和'负载中断',根据系统自身的动态熵值参数,来减小生成函数固有的相关性,提高了输出随机序列的离散度.并在算法中增加了后台间断性注入数据和跳跃读取数据的方法,实现了随机序列生成,并据有高密度特性.经仿真测试表明,方法所生成的随机序列的质量较传统方法更高,输出方式也更加丰富,能够应用于信息安全的领域.     

非均匀演化的动态遗传算法

针对传统遗传算法的缺陷,提出一种基于基因位置分布差异而进行演化的改进算法.该算法利用2进制编码位置的差异性,在评价机制的基础上对种群进行动态的划分,并针对各个不同子种群的特点,使用动态的演化参数进行独立的演化操作,使得算法种群的构成类型能够保持多样性的发展,有效地抑制了“早熟”现象的发生.通过后续多个测试函数的对比实验结果表明,该算法在收敛速度、精度及稳定性上有所提高.该算法简单、易于实现、具有较强的通用性,是一种有效解决优化问题的方法.     

基于移动Agent的IP网络管理系统设计

采用简单网管协议SNMP和管理信息库MIB的集中式网管技术在解决基于IP互连的动态变化的Internet网络管理上面临许多困难。文章提出了移动代理系统原型和网管框架,网络管理器根据用户要求和实际网络状态选择适当功能的网管移动agent发送到网络中,完成预期网管功能;移动agent不仅收集而且能够处理数据,从而增强了网管智能性,加快响应速度。     

解非线性方程自适应变搜索区间的遗传算法

叙述了解非线性方程的一种自适应变搜索区间的遗传算法(GANE)。数值实验表明该算法大大增强了一般遗传算法的性能;在求解非线性方程(组)时,克服了传统方法的某些局限性,完全不需要考虑初始值的选取以及初始区间的确定,甚至在有多个根的任意区间内也可以高效地搜索到精度较高的各个根。     

具有调和特性的蚁群改进算法

蚁群算法是一种仿生类算法,该文首先介绍了蚁群算法及发展,并分析它易于收敛于局部最优解及收敛速度比较慢的原因。然后给出了一个基于调和特性的改进蚁群算法,通过对蚁群结果的变异和调和过程的操作来克服蚁群算法的缺点。最后通过实例得到满意的结果。     

应用LK算法求解旅行商问题的混合蚂蚁算法

目前求解TSP问题效果最好的混合算法是最大最小蚂蚁算法和局部搜索算法,文章通过对几种局部搜索的灵活运用,并结合改进的接受准则接受局部优化解,提出了一种高效的混合蚂蚁算法。算法前期使用3-opt这种简单高效的局部搜索的解初始化信息素矩阵,加快收敛速度,后期采用改进的Lin-Kernighan算法生成局部优化解然后依Metropolis接受准则概率接受,有效地避免陷入局部最优,理论分析和TSPLIB中部分实例仿真结果表明,此算法能比其他改进蚁群算法具有更多优越性。     

改进的遗传算法

文章指出了传统遗传算法具有收敛速度慢及易于陷入局部最优值误区的缺陷,分析了它们产生的原因,提出了解决这些缺陷的方法。通过增加外族个体来增大种群的多样性,加快种群的收敛速度,提出了一重演化和二重演化的新结构,给出了二重演化的步骤。