蚁群算法在连续空间寻优问题求解中的应用

将蚁群算法引入连续空间的函数寻优问题求解，通过将传统群算法中的“信息量留存”过程拓展为连续空间中的“信息量分布函数”，定义了相应的求解算法，对多极值函数和非线性连续函数的寻优实例仿真取得了良好的结果，显示了蚁群处在连续空间优化问题中的应用前景。  

基于免疫算法的TSP问题求解

描述了免疫算法的一种框架结构，并给出了用此免疫算法求解ＴＳＰ问题的具体实现方法，求解结果体现了免疫算法的良好性能。  

基于学习的遗传算法及其在布局中的应用

布局问题属于具有很强应用背景的组合优化问题，除其内在的NP完全的计算复杂性，布局还包括约束复杂性问题和布局物体与空间的形状复杂性问题。针对布局求解中存在的问题，该文进行了基于全局优化的布局求解方法研究。布局问题中有一类关于复杂分片光滑连续函数全局优化算法，但目前的各种遗传算法的效率和精度不能令人满意。文中从生物可以从环境中学习生存技巧、自主的趋利避害的思路出发，增加了学习算子，引用函数的局部信息，构造拟牛顿方向，令每个个体在当前状态下有目的地搜索，最有效的向局部最优点趋进。通过典型测试函数与传统遗传算法，模拟退火算法，复合形法进行比较验算，表明该算法具有优良的求解质量和较好的求解效率；并以旋转卫星舱布局的简化模型为背景，建立多目标优化数学模型，与传统遗传算法和乘子法的计算结果比较，该算法求解的质量和效率更优。该文研究表明，基于学习的遗传算法在布局优化中具有应用潜力；启发式随机搜索策略和局部优化算法相结合的求解方案是解决复杂函数优化的有效途径。  

基于免疫遗传算法的装箱问题求解

装箱是一类典型的ＮＰ完全问题．本文用一种免疫遗传算法来研究装箱问题的求解．免疫遗传算法在传统遗传算法的全局随机搜索基础上，借鉴生物免疫机制中抗体的多样性保持策略，大大提高了算法的群体多样性，实验表明，免疫遗传算法具有很好的全局收敛性，能有效解决装箱问题．  

Internet上的数据库联合查询优化

Ｉｎｔｅｒｎｅｔ是一个大型１自治的分布式系统，其结点正日益成为数据库系统，Ｉｎｔｅｒｎｅｔ形成的新环境要求重新考虑现行分布式数据库技术的许多概念，文中对Ｉｎｅｒｎｅｔ上－－类重要的查询－－联合查询作了代娄分析，指出联合查询的优化是一个ＮＰ完备问题，然后提出酌情处理较低的启发式查询优化算法，采取“扩展半连接”的思路降低通信费用，以“本地析取、异地合取”的策略减少响应时间。  

旅行商问题(TSP)的一种改进遗传算法

传统的序号编码遗传算法(GA)使用PMX、CX和OX等特殊的交叉算子，这些算子实施起来很麻烦。针对TSP问题的求解，提出了一种新的改进遗传算法：单亲进化遗传算法(PEGA)，PEGA是利用父体所提供的有效边的信息，使用保留最小边的方法进行个体的进化。与传统的遗传算法相比，PEGA算法弥补了它们的不足之处，简化了遗传算法。给出了PEGA算法的数值算例，仿真实验表明了该算法对于对称的TSP和非对称的TSP问题，都具有收敛速度快的特点，证明了该算法的有效性。  

基于蚁群算法的中国旅行商问题满意解

蚁群算法是基于群体合作的一类仿生算法，适合于解困难的离散组合优化问题。本文对其做了适当的改进，以克服其求解速度过慢、容易出现停滞的缺陷，并将其用于解决中国旅行商问题。找到了目前巳知的最好的解，同时指出了进一步提高蚁群算法效率还需解决的问题和方向。  

TSP问题次优化求解方法的比较

针对几种次优化求解了ＴＳＰ的方法，通过计算机仿真对优化性能，时间性能，波动性进行了比较研究，并归纳出各方法的特点和适用域。对大规模网络优化问题提出了分区分层化的思路，并通过仿真说明其可行性。  

混合优化策略统一结构的探讨

算法混合已成为提高优化性能和效率的一个重要而有效的途径。围绕meta-heuristic算法，通过对混合优化算法及其结构的归类与综述，提出了混合优化算法的一种统一结构，并对基若干问题进行分析探讨，为混合算法的设计与应用提供一定的指导性原则。  

基于空间分解的集装箱布局启发式算法及布局空间利用率规律

针对集装箱布局提出了一种利用三叉树结构表达三维矩形物体布局状态空间的方法。通过将布避空间依据分割，每次放入相对于当前布局空间来说是满足特定折最优布局块，将该布局块定位于当前布局空间后部的左下角，来完成不同大小的三维矩形全的布局方案的确定，并给出试验结果。