用遗传算法解带时延及时延抖动约束的组播路由优化问题

带约束条件的组播路由是网络应用的发展所提出的新的问题,根据不同的约束条件有不同的变种,该文讨论了带时延及时延抖动约束的组播路由优化问题,给出了该问题的数学模型,提出了求解该问题的一种基于候选路由库的遗传算法,并对该算法的仿真结果与前人的结果进行了比较。结果证明,用遗传算法解决这类问题是有效的。     

基于偏序关系的遗传算法求解多峰函数优化问题

该文设计了基于偏序关系的演化算法求解多峰函数优化问题新算法。并从偏序关系的性质出发,从理论上为该算法的收敛性提供了一定的依据,进而为其搜索操作提供了明确的方向,避免了演化搜索过程中的盲目性。     

用于分类规则提取的演化算法分析与设计

在知识发现流程中,分类规则是主要的挖掘任务之一。针对传统的基于统计分析的挖掘算法在保证知识的有趣性方面的缺陷,提出了利用演化计算这种智能计算模型的全局搜索特性和完全适应值导向特性来进行分类知识的自动挖掘和处理,不需要先验知识,以确保知识的有趣性。提出了用IF-THEN这种高层次的知识表示形式来提高知识的可理解性。并给出了个体表示,遗传操作和适应值评估等几个在演化算法中起重要作用的成分的设计原则和方法。     

基于PVM的并行算法研究

随着数据库规模的增长，数据挖掘技术变得非常重要，而且从数据库中挖掘隐藏的规则也变得十分必要．提出了一种在数据库中发现关联规则的并行Apriori算法，并在并行虚拟机(PVM)环境下实现了该算法．该算法是通过在处理器间分割数据来实现数据的并行化的．     

基于演化算法的一类时间表问题的自动求解

本文给出了一种有效的基于演化算法的求解大学的时间表总理２（编排课程和考试）即在很强的资源约束条件下将一些事件（课程或考试）安排到时间段和空间位置的总理２的方法,此方法有杉直接的时间表编码表示和启发式深化算子,并通过惩罚函数保证对约束条件的满足,计算实验表明方法在求解大学考试时间表问题中是有效的。     

用演化算法求解抛物型方程扩散系数的识别问题

基于演化算法给出了一类求解参数识别反问题的一般方法,该方法表明只要找到好的、求解相应的正问题的数值方法,演化算法就可以用于求解此类反问题。设计有效的求解反问题的演化算法的关键是寻找一种适合反问题的解空间的编码表示形式、适当的适应值函数形式以及有效的计算正问题的数值方法。该文结合算法、传统的求解反问题的工方法和正则化技术,设计了一类求解参数识别反问题的方法。为验证此类方法,将其用于求解一维扩散方程的     

基于Java的代码组件重用技术JavaBeans

文章深入地研究了基于Ｊａｖａ的代码组件重用技术ＪａｖａＢｅａｎｓ。首先系统地总结了ＪａｖａＢｅａｎｓ中代码组件Ｂｅａｎ的特性,然后简要地描述了ＪａｖａＢｅｎａｓ的代码组件模型,最后详细地介绍了如何重用代码组件Ｂｅａｎｓ。     

高阶非线性微分方程的并行演化建模算法

文章提出了动态数据的高阶非线性微分方程的并行演化建模算法。动态系统的传统模型多采用线性模型,不能充分描述复杂系统的动态行为,建立高阶非线性微分方程模型更具普遍意义。我们通过将建模过程分解为可以分布并行的、模型结构选择和“模型参数优化”二个步骤,在异构网络环境中用CORBA实现了高阶微分方程建模的并行演化算法。实验表明,新的并行演化算法对于复杂动态系统的建模是十分有效的。     

动态系统的常微分方程组建模—基于不同搜索技术的实验研究

以人口模型和化学反应模型为例,通过大量实验研究比较了分别采用基于两种传统的搜索方法即局部搜索算法和模拟退火算法、遗传算法（简称GA）四者相结合的14种不同算法建立动态系统的常微分方程组模型的实验结果,得到了有关各算法性能比较的一些新的结论。两个实例的实验结果表明：在14种算法中,GP＋GA＋LS－MU算法（即在采用GP的模型结构的优化过程中嵌入采用GA的模型参数的优化过程,并且在每一演化代对种群中的部分个体进行基于GP的标准变异算子产生邻域解的局域搜索过程）是目前解决常微分方程组建模问题的最好算法。     

求解多峰函数全局最优解的混合演化算法

1引言 多峰函数优化问题有着广泛的实际应用背景,而传统的搜索策略往往只能找到局部最优解,难以满足需要.遗传算法作为一种全局搜索策略,结合了达尔文适者生存的原则和随机搜索的思想[2,3],与传统搜索方式相比,既消除了解中的不适应因素,又利用了原有解中已有的知识,以极强的解决问题的能力和广泛的实用性渗透到科研和国民经济等各个领域.