结合免疫功能的遗传算法及其在技能模糊控制中的应用

技能模糊控制系统的自动化是模糊控制范畴的一个重要研究方向，其意义在于这种控制普遍存在于生产过程和人类的日常生活中．但是，如何依靠运动参数而不是运动或行为规则来进行控制，这个课题一直未能很好的解决．本文提出利用基于免疫机制的遗传算法进行隶属度函数的学习，同时简化运动方程，并通过实例验证了该方法的有效性．     

基于模糊关系的信息检索系统设计方法

传统的信息检索方法只能在“检索语”与“索引语”完全一致时有效,而无法解决二者只有部分一致或意义相近时的信息检索.为此,利用模糊关系设计了信息检索系统,实验证明该方法可以把检索者所需要的信息尽可能地查出;并给出每个信息的重要度,以便检索者对信息进行舍取.     

基于模糊模式与免疫功能的模糊控制系统设计方法

模糊控制系统的设计面临着两个难题，一是模糊控制规则的适应性问题；二是稳定性分析问题．为解决这两个问题．受经典控制利用控制对象的数学模型分析系统稳定性的启示，构造模糊对象的模糊模式来分析模糊系统的稳定性，并提出免疫功能，用以解决通常搜索算法在模糊模式系统辨识中完备性与健全性的不充分问题．     

模糊控制系统的辨识及稳定性保证问题

模糊控制系统的设计面临着两个难题,一是隶属度函数及模糊控制规则的适应性问题;二是稳定性分析问题。为解决这两个问题。受经典控制利用控制对象的数学模型分析系统稳定性的启示。构造模糊对象的模糊模式来分析模糊系统的稳定性,并提出型式控制GA,用以解决模糊模式的系统辨识问题。     

组合优化问题中GA性能分析及多样性评价

随着生产调度、机器学习、最优规划等组合优化问题的大规模化，复杂化，传统的基于运筹学的搜索算法已显得无能为力．具有广域搜索能力的遗传算法(GA)也因“完备性”与“健全性”的不充分不能有效地对应上述问题．为此，本文提出了保证GA上述两个性质地方法，使其能有效地解决复杂组合优化问题．     

二维装箱问题的一种实现方法

遗传算法(GA)是基于自然淘汰地遗传机制的搜索算法，近年来利用遗传算法解决组合优化问题的研究十分普遍。二维装箱问题是典型的组合优化问题，也是时间复杂度非常高的NP问题之一，如何实现有效的算法流程一直是该类问题的难点，本文在BL算法的基础上，提出一种改进的算法结构和流程，并分析了用GA实现过程中编码的健全性和完备性以及多样性评价问题。     

基于最优保留的CGA及其在TSP欺骗问题中的应用

本文在对CGA算法分析说明的基础上,运用改进CGA的方法来解决TSP欺骗问题。虽然CGA能够“快速、简单”的解决一些优化问题,但是由于其概率向量中基因的独立性,使得它在进化计算中会丢失基因之间的关联信息,从而可能无法解决如欺骗函数等复杂、困难问题。文中通过对CGA在TSP算法上的改进,以一定遗传尺度保留竞争最优个体,从而有效地解决TSP欺骗问题,并通过仿真结果验证了该算法,给出解决该类组合优化问题的一个有效例证。     

基于模式记忆的免疫遗传算法

免疫遗传算法在传统遗传算法的全局随机搜索的基础上,借鉴生物免疫机制中的抗体的多样性,能有效提高群体的多样性,同时其具有记忆功能能够有效地提高搜索效率。但是在函数优化问题的解决上,免疫记忆功能一直没有能很好的实现。该文提出在免疫遗传算法中引入模式控制的方法来解决复杂函数优化的问题。基于免疫遗传机制,利用免疫记忆库记忆优秀免疫遗传模式,它能有效地加速优化过程,并且克服通常函数优化无缺乏记忆的功能。通过一个复杂函数的仿真实例证明了该方法的有效性。     

遗传算法多样性测度问题研究

对个体多样性测度方法做了比较详细的概括，对于基因型遗传进化过程，还从编码层次上讨论了它对多样性的影响．以相对顺序欺骗函数和Rastrigin函数为例，讨论了交换和变异操作对多样性的影响．同时，探讨了增强多样性的方法，验证了参数自适应控制方法对顺序编码的控制和对二进制问题的多样性控制方法，提出了对二进制编码的适值自适应调整方法，并通过仿真验证了该方法的有效性．     

引入型式构造和适值自调整的遗传算法及其在送配水调度中的应用

遗传算法,是模拟自然界生物进化过程与机制求解极值问题的一种有效方法,作为 “适者生存”评判标准的适应值,在遗传算法寻优种起到了巨大的作用,本文利用含有型式 构造和适值自调整的遗传算法,用以解决收敛方向的控制问题,并通过其在生产调度中的应 用实例显示了该方法的有效性．