一种面向工程的遗传规划

传统遗传规划常因树复杂度的无节制增大,导致运行时间过长而不能直接在工程应用中使用。文章在遗传规划中引入了多目标优化方法,寻求在解的性能和复杂度之间的均衡。该方法不仅提供了一种在随机搜索过程有效控制树结构长度的方法,而且产生精度更高的最优结果。通过对符号归问题的应用实例,验证得到了较好的结果。     

一种基于多目标优化的遗传规划模型

遗传规划常因进化过程中层次树的复杂度无节制的增大，导致运行时间过长而难以直接在工程上应用．本文在传统遗传规划中引入多目标优化原理，这种基于多目标优化的遗传规划模型不仅产生精度更高的最优结果，而且提供了一种在随机搜索过程中有效控制树结构长度的方法．通过对符号回归问题的实验验证，得到了较好的结果．     

一种新型多目标遗传优化算法及其应用研究

文章针对一般约束多目标优化问题，在设计了新的适应度函数和选择算子的基础上，提出一种新型多目标遗传算法。将其应用于集群目标靶场效能优化问题，验证了算法的有效性。     

一种改进的遗传规划算法

遗传规划的实质是用广义的层次化计算机程序描述问题．比较适合于求解一类由于各种不确定因素导致的复杂非线性问题。该文采用了一种改进的遗传规划算法,建立了相应的预测模型,将其与Weka里的GP算法在标准数据集上进行对比测试,结果表明该改进的遗传规划算法是有效的、可行的。     

一种求解车间调度问题的混沌遗传规划方法

作业车间调度问题是制造业的一个经典NP-hard组合优化难题。提出一种基于混沌遗传规划的调度算法,利用遗传规划进行染色体的结构设计,采用混沌序列改善初始种群质量,利用混沌扰动来维持进化群体的多样性,并自适应调整个体权重,使算法具有优良的综合求解性能。实验表明,算法对典型的标准调度测试问题具有较强的全局搜索能力,甘特图表明其获得的最优解优于当前已知的最优解历史记录,对比结果表明了该方法的有效性。     

一种混合策略的Pareto演化规划

提出一种多目标演化算法--混合策略Pareto演化规划(Mixed Strategies Pareto Evolutionary Programming,MSPEP).借鉴强度Pareto Ⅱ演化算法的个体比较技术,通过计算个体位序的Pareto强度值进行比较排序,混合策略变异机制用于指导算法有效搜索过程.标准测试函数的实验结果验证算法的通用性和有效性.算法搜索的解集能快速逼近Pareto最优前沿.     

经费分配中基于多目标优化的遗传规划模型

在传统遗传规划中引入多目标优化原理,探索新的经费分配方法和管理模式,建立了一种多目标优化的非线性遗传规划模型,提出了一种先进的基于正交试验的新型混合遗传算法来求解该问题.对求解过程中的选择算子、交叉算子和变异算子等进行正交试验,得到的种群个体明显优于基本遗传算法的个体.这种基于多目标优化的遗传规划模型能产生精度更高的最优解,通过对经费分配问题的实验验证,得到了较好的结果.     

一种有效的VLSI布图规划算法

提出了一种有效的基于遗传算法的VLSI布图规划方法，在染色体的表达中，对软模块不同形状和硬模块的布局方向进行了编码，并采用了有效的启发式解码方法进行解码，测试结果表明，本算法比已有算法得到了更优的结果。     

面向应急物资调度的一种灰色规划模型*

为了科学合理地进行救援物资的调度,考虑在满足处置突发应急事件需求的同时,所耗物资降到最低限度,并且从总体上最大限度地降低处置突发应急事件物资运输调度的费用。在现有研究成果的基础上引入了灰色理论的知识,建立了应急开始时间最短、出救点个数最少以及需求约束偏爱度最大的多目标灰色规划模型,并通过算例用遗传算法实现该问题的求解,通过测试优选了种群数目、交叉率和变异率三种控制参数值以提高算法性能。实验所得的数据值越大,说明调度方案越好。实验结果表明,同限期最大量算法相比,在所有物资供应点提供的物资总量一定的情况下,应急地点所需的物资数量较少时,遗传算法针对该模型的求解体现更强的优化能力,其所得适应值更高,遗传算法对于求解应急物资调度灰色规划问题的适应性较强。     

遗传规划在精馏系统综合中的应用

提出采用遗传规划求解精馏系统综合问题,制定了一套独特的编码方案和求解策略,可以利用树状结构代码直观地表达各类精馏流程,而且算法能够灵活表达任意可行的塔间热集成结构。同时,结合分离工程领域知识指导代码生成和进化操作,以保证代码的有效性,从而明显提高了算法的进化速度。在不必给定精馏系统超结构的前提下,算法成功实现了可行域的自动搜索,从中快速求解出最优精馏结构。计算表明,该算法能够快速准确地求解大规模精馏系统最优综合问题,为工业生产中精馏流程的最佳设计和优化操作提供准确依据。     

一种基于遗传规划的软件成本估算方法

成本估算是可行性分析的重要依据，是实施项目管理与控制的重要前提。没有软件成本估算，或者很不准确的成本估算，都是造成软件开发失败的原因之一。在过去的几十年间，出现了许多模型用于软件成本估算，如算法模型、专家估算法、德尔菲法、类推法、帕金森估算法、价格策略法等。     

基于遗传模糊控制的多机器人避碰规划

设计了一种基于遗传算法优化的模糊逻辑控制的多机器人避碰规划方法,采用简化的三层行为结构:躲避机器人、躲避静态障碍物和趋向目标点,三个行为分别独立推理,将不同传感器信息作为输入,机器人动作作为输出,再通过优先级和加权的方法对三个行为输出进行综合.随后,针对模糊控制中构造全部的模糊规则比较复杂的问题,采用遗传算法对模糊规则的隶属度函数宽度和中心值进行优化,实现模糊控制器的离线自寻优,得到一组最优参数.从最终的仿真效果看,通过遗传算法优化提高了机器人的自导航性能.     

遗传正交试验算法及其应用

遗传算法是一种能够在较大的参数空间中搜索到问题最优解的方法,在解决非线性问题时具有全局收敛性,但收敛性能差。论文提出一种结合遗传与正交试验两种算法优点的新混合遗传算法,应用表明该算法收敛能力强、寻优能力强及能产生大量次优解,是一种值得信赖的算法。     

多目标规划模型的研究

优化问题是数学建模中的一类大问题,在历年全国大学生数学建模竞赛赛题中几乎离不开优化方法。多目标规划是大规模优化问题中最常见的一种,在现实的决策过程中,决策者面临的往往是一些具有多个目标的决策问题。多目标规划恰恰就是解决这类问题的理想方法,因而有着广泛的应用前景。本文从多目标规划的意义,发展现状,研究内容,技术难点,关键技术,研究方法,市场前景及社会效益等方面进行论述,使多目标规划模型在应用上更具有普遍性。     

一种遗传进化规划

本文提出一种遗传进化规划,该方法结合了遗传算法和进化规划两种算法的优点,在进化过程中遗传算法的交换率、变异率和进化规划的变异规则均根据种群的进化信息而自适应变化。该方法不仅能够加快算法的收敛速度,而且能够有效地保持种群的多样性。用该方法求解混合非线性整数规划问题,计算机仿真实验结果表明是非常有效的.     

面向区域的电子侦察卫星规划系统设计与实现

电子侦察卫星对区域目标的覆盖侦察在反恐及海上搜救等领域发挥着极其重要的作用。针对电子侦察卫星区域覆盖探测需求,综合考虑各种星地资源使用约束,提出了一种面向区域覆盖的电子侦察卫星多目标规划方法,并设计实现了相应的规划仿真系统。对问题建模进行了深入分析,设计了系统的组成结构及运行流程,并详细介绍了各功能模块中的关键技术,包括基于多目标进化机制的侦察序列求解算法和基于并行车间调度模型的数传序列求解算法。最后给出了一个应用实例及仿真规划结果,从侦察规划和数传规划两方面验证了系统的有效性与适应性。该系统的运行效果已在实际项目中得到检验。     

基于遗传规划的SAR图像目标识别

针对SAR图像目标的特征,采用新的Hu不变矩和仿射不变矩的组合作为特征矢量,设计了一种基于遗传规划的SAR图像目标识别算法。该方法不需要数据先验知识,通过自身的学习就能快速发现数据和数学表达式之间的联系。通过对MSTAR数据中的3类目标进行仿真实验,获得了较好的识别率。     

遗传规划在测量数据拟合中的应用

针对测量数据问题，提出了一种根据遗传规划来寻求最匹配曲线的新方法。与传统的曲线拟合方法相比，该方法只需给定数据点及允许误差即可得到匹配的曲线方程。对于自由曲线用传统的方法是无法拟合的，而遗传规划却可以轻而易举地做到。     

遗传规划中的正交试验研究

提出用正交试验的方法来优化选择遗传规划的参数,对于不同领域的优化问题,用此方法进行一次参数优化组合,就可以用遗传规划对具体问题进行优化。它在一定程度上可以避免遗传规划中参数选取的盲目性。通过对两个符号回归问题的验证,说明此方法是合理可行的。     

一种解决多目标优化问题改进的进化规划算法

目前,大多数多目标进化算法采用非优超排序的方法逼近Pareto前沿,此方法存在的一个致命弱点是需要花费大量的时间检验非劣解,效率很低。论文提出了一种新的多目标进化规划算法,将初始群体划分为可替换部分与不可替换部分,并用外部文件存储进化过程中得到的非劣解,大大减少了检验非劣解所需的工作,加快了算法的收敛速度。仿真试验表明,与传统的基于非优超排序的多目标进化规划算法相比,该算法在效率上有很大的改善,并能更好地逼近Pareto前沿。