基于改进遗传算法的权重发现技术

范例推理的关键步骤在于相似范例的检索，而范例库中的特征项权重起到重要的作用。文章讨论了用遗传算法来获取范例库上的特征项权重，并用两种改进的遗传算法来发现范例库上的特征项权重，给出了具体的算法，分析了实验结果。该方法可用于权重发现。     

差异容量平行批机器环境下基于弱选择约束的调度算法

研究动态到达的差异工件在容量不同的平行批处理机环境下,最小化制造跨度的调度问题,并提出一种有效的元启发式算法.给出一个下界以评价算法的性能,针对所构建批的第1个工件的选择提出弱约束标准及两个基于弱约束的首工件选择策略,并引入到蚁群优化算法.最后通过仿真实验将所提出的改进蚁群算法与已有算法和使用传统选择策略的蚁群算法进行比较,实验结果表明,在建批过程中使用首工件弱约束策略和弱约束下工件尺寸大高概率选择策略是有效的,所提算法的搜索性能较其他算法具有明显优势.     

改进型遗传算法及其在数据挖掘中的应用

文中在简单遗传算法的基础上，利用改进的算法进行关联规则的发现和数据库中特征项权重的发现，通过对农业气象数据库的实验，力求解决遗传算法中的早熟等问题。     

用遗传算法挖掘范例库中的特征项权重的方法

范例推理的关键步骤在于相似范例的检索，而范例库中的特征项权重起着重要的作用。文章着重讨论了应用于范例库上获取特征项权重的数据挖掘算法，并提出用遗传算法发现范例库上特征项权重的过程与算法，然后进行了实验与讨论。     

数据挖掘技术在构造范例库中的应用

将基于范例的推理应用于实际系统中，一个很关键的问题是如何构造一个丰富而高效的范例库。采用了数据挖掘技术， 提出了一个综合算法，从传统数据库中构造范例库，以提高知识获的自动化程度。     

遗传算法在决策支持系统和数据挖掘中的应用

决策支持系统和数据挖掘技术的应用已深入到企业管理、金融、办公及日常生活等各个领域。使用原先决策支持系统中的传统方法已远远不能满足决策者的需要，从而出现许多新技术新方法来辅助和完善决策支持过程。文中在介绍遗传算法的基础上，提出了一种将遗传算法与决策支持系统相结合的观点，阐述了基于遗传算法的决策支持系统的模型设计，且深入讨论了遗传进化技术在数据挖掘中的应用。     

基于禁忌遗传算法的权重发现技术

相似范例的检索是范例推理的关键步骤之一，为了准确表达范例之间的本质特征，采用带有权重的特征项方法对范例检索起到重要的作用。在讨论了带有权重的最近邻算法的基础上，提出了一种禁忌遗传算法来获取范例库上的特征项权重，通过利用禁忌算法的自适应性和具有记忆功能的优点来改善遗传算法的全局搜索能力和提高其收敛速度。实验结果表明将这种方法应用于范例推理的案例检索过程中具有可行性，并且可以得到较高的分类精度和搜索效率。     

用遗传模拟退火算法挖掘特征项权重的研究

能否在范例库中检索和选择出最为相似的范例决定了范例推理系统性能。文中介绍了遗传算法和模拟退火算法,比较了两种算法的特性,提出一种混合遗传模拟退火算法。该算法不但具有强的局部搜索能力,还缩短了搜索时间。将该算法用于发掘范例库上特征权重,理论分析和实验结果表明了这种混合遗传模拟退火算法优于普通的遗传算法。     

基于禁忌搜索与遗传算法的案例检索技术

案例的检索和提取是案例推理系统的一个关键步骤，案例检索结果的优劣直接影响到案例重用、修改以及整个系统的性能。遗传算法是一种基于进化思想的全局优化方法，但是存在搜索速度慢以及早熟收敛等问题；禁忌搜索是一种局部优化技术，具有搜索速度快等优点。文中将禁忌算法和遗传算法结合在一起提出了一种新的聚类方法，并将该聚类方法引入大型案例推理系统的案例检索过程中。实验结果表明使用这种方法能够达到较理想的搜索效果。     

用遗传模拟退火算法挖掘特征项权重的研究

能否在范例库中检索和选择出最为相似的范例决定了范例推理系统性能。文中介绍了遗传算法和模拟退火算法，比较了两种算法的特性．提出一种混合遗传模拟退火算法。该算法不但具有强的局部搜索能力．还缩短了搜索时间。将该算法用于发掘范例库上特征权重，理论分析和实验结果表明了这种混合遗传模拟退火算法优于普通的遗传算法。