遗传模拟退火算法在EXCEL上的编程实现

针对遗传算法和模拟退火算法的互补特点,提出用遗传模拟退火算法来求解最优化问题。使用Excel的VBA语言来编程实现该算法,将遗传模拟退火算法与Excel的数据处理相结合,方便用户在Excel上建立模型,解决最优化问题。最后给出一个实例,运行结果证实了遗传模拟退火算法在求解最优化问题上优于遗传算法。     

遗传模拟退火算法在MATLAB上的编程实现

遗传算法和模拟退火算法均为启发式搜索算法,结构互补,可将两者结合,使用遗传模拟退火算法来求解最优化问题。使用MATLAB语言来编程实现该算法,将遗传模拟退火算法与MATLAB强大的数据处理相结合,方便用户在MATLAB上建立模型,解决最优化问题。最后给出一个实例,运行结果证实了遗传模拟退火算法在求解最优化问题上优于单一的遗传算法。     

算法框架:算法重定位的一种可操作的方法

算法框架是实现算法重定位的一种可操作的方法.文章给出了算法重定位的定义,讨论了如何通过选择操作和组合操作来设计算法框架.然后给出了定义选择操作和组合操作的一种方法.由文章所定义的算法框架得到求解某一问题的算法模式,从该算法模式就可以生成求解该问题的算法.文章最后讨论了算法框架和算法模式以及模块化算法之间的关系.研究算法重定位及其可操作的方法对软件自动化和机器学习有着重要的意义.     

基于RF5框架的XDAIS标准算法封装与调用

介绍了TI DSP算法标准XDAIS(TMS320 algorithm standard)和算法参考框架RF5(Reference Framework 5),分析了XDAIS算法接口的实现和RF5框架中数据元素的操作流程。通过建立标准算法库,并在实例工程中基于RF5框架实现标准算法的封装与调用,较大地提高了算法性能。     

钣金CAD中一个较优的排料算法

为了解决钣金设计、制造过程中排料工序效率低,周期长的问题,根据最优化理论,在网络算法的基础上设计并实现了一个在钣金ＣＡＤ中较优的排料方案,分析了排样算法的性能,构造了一个实例,说明该算法的界是可以达到的。     

鲁棒并行设计的模型与算法

提出一种基于约束网络的鲁棒设计方法,该方法能用约束网络对并行设计中的一类不确定性参数进行有效的描述和处理。提出了反映该问题需求的数学模型,设计了通用的一致性求解算法框架,得到了满足该框架的算法都是弧一致的充分条件以及推论,并利用区间算法对该框架进行实现。飞行器布局设计实例说明了该方法的有效性。     

进程同步的资源管理模型构建与应用

针对进程同步算法的设计实现要求,运用模型化的研究思路,依据资源定义、资源申请、资源释放的资源控制模式,结合信号量及其P、V操作,为计算机软件设计中常见的进程同步问题构建一个较通用的设计实现模型,提供一个算法设计实现的解决方案,并给出进程同步实例的应用实现.研究由问题分析、模型框架定义、内部算法设计、实例应用几个部分构成.结果表明,该研究采用的技术方案和结果具有一定通用性,可适用于解决一般难度的同步问题.同时,模型化的设计思路和研究方法,也可应用于解决系统与应用软件开发的相关问题,用以辅助在教学和科研工作初期,快速建立正确的设计实现的框架和思路.     

遥感卫星数据编程的技术研究与实现

研究推导了遥感卫星数据编程的核心算法,以及基于此算法的遥感卫星数据编程原型系统的实现,并介绍了其主要功能、整体框架、实现流程和主要技术,最后对该系统进行了误差分析并展示了一个应用实例。     

一种数据挖掘算法子系统的设计及实现方法

本文描述了一种数据挖掘算法子系统的设计及实现方法,该方法应用设计模式(工厂模式和模板方法模式)和插件技术,实现了一个可扩展的算法框架,并定义了一些算法接口。使用工厂模式实现不同算法的扩展性,使用模板方法模式实现同一种类算法的不同版本的扩展性,最后使用插件技术将上述两部分连接成整个子系统。．     

基于改进PMS算法的多视点立体视图优化算法

针对多视点视图匹配存在的不足,提出一种多视点法平面与视差空间及聚合成本最优化的改进PMS算法.设计多视点视图优化框架,推导出视点聚合成本函数;结合多视点聚合成本函数最优化方法,设计法平面与视差及聚合成本最优化的改进PMS算法,给出算法步骤;对提出的算法在不同噪声下的角度误差、相同噪声不同视点数的角度误差和相同噪声不同视点数的执行时间等方面,进行仿真实验.实验结果表明,所提出的改进PMS算法具有一定的优越性.     

基于多分类支持向量机的优化算法智能推荐系统与实证分析

算法智能推荐是超启发式算法研究领域一个重要分支,其目标是从众多"在线"算法中自动选择出最适于当前问题的算法,从而大大提升解决问题的效率。基于此提出并验证了一种优化算法智能推荐系统,理论依据是无免费午餐定理和Rice算法选择框架,并假设问题特征与算法性能表现之间存在潜在关联关系,从而可以把算法推荐问题转换为一个多分类问题。为了验证假设的成立,以多模式资源约束项目调度问题为测试样本数据集,以粒子群、模拟退火、禁忌搜索和人工蜂群等元启发式优化算法为推荐对象,以支持向量机多分类策略实现算法的分类推荐。交叉验证结果表明,推荐准确率均在90%以上,各项评价指标表现优秀。     

正交文化算法及其在布局优化问题中的应用

布局优化问题是工程应用中普遍存在的一种组合优化问题,属于NP完备问题。针对布局优化问题,将差异演化算法和郭涛算法融入文化算法的框架,利用正交设计方法初始化种群,提出了一种正交文化算法。通过对一个带约束的和一个较大规模的不带约束的布局优化问题进行性能比较,验证了该算法的可行性和有效性。     

Memetic算法在智能组卷问题中的应用

Memetic算法是一种启发式搜索方法,常用于解决一些NP问题。本文通过对遗传Memetic算法的改进与优化,结合智能组卷问题的特点,提出一套完整的解决方案。算法使用Memetic算法框架,全局搜索策略采用分段实数编码的遗传算法,融合了算法的交叉变异操作,局部搜索策略采用模拟退火算法,有效解决陷入局部最优问题。通过不同算法的对比实验表明,本文提出的Memetic算法能够快速高效地解决智能组卷问题,大大提升试卷生成质量,减少迭代次数,可快速获得最优解。      

公交车和驾驶员集成调度算法研究

为解决公交车及驾驶员调度优化问题,本文给出了一种基于免疫计算的调度优化方案。设计了公交车和驾驶员调度问题的数学模型,给出了非劣邻域支配的多目标免疫优化算法的框架、基于实数编码的比例克隆算子和领域变异算子以及支配抗体的拥挤距离公式,并在仿真环境下进行了实验。实验结果表明,本文算法能有效地解决公交车及驾驶员调度优化问题,具有较好的应用价值。     

基于非局部低秩和自适应量化约束先验的HEVC后处理算法

经高效视频编解码标准HEVC压缩后的视频在高压缩比、低码率的情况下存在明显的压缩效应。针对该问题,提出了一种基于非局部低秩(Non-local Low-rank, NLLR)和自适应量化约束(Adaptive Quantization Constraint, AQC)先验的HEVC后处理算法。该算法首先构造在最大后验概率框架下的优化问题,然后利用解码后的压缩视频和量化参数QP获取非局部低秩和自适应量化约束先验信息,最后利用split-Bregman迭代算法来解决所提的优化问题,从而有效去除压缩效应,提升重建视频质量。其中,非局部低秩先验通过构建基于相似块聚类的非局部低秩模型来获得;自适应量化约束先验通过联合不同量化参数QP下的约束特性与视频的DCT域块活动性来获得。实验结果表明,在同等码率的情况下,与HEVC标准相比,所提算法在帧内编码模式下可以达到平均0.259 7 dB的PSNR提升,在帧间编码模式下可以达到平均0.282 8 dB的PSNR提升。     

垃圾分类收运路径问题的新型混合蚁群算法求解

针对垃圾分类收运路径问题,考虑车辆装载容量约束、硬时间窗约束、装载率对成本的影响等条件下,以最小化运输成本和车辆固定成本为目标建立了数学模型。将考虑时间吻合度因子和车容量利用率因子的改进蚁群算法与混沌电磁场优化算法进行动态融合,并结合2-opt和两点交换的局部搜索方法,提出一种以改进蚁群算法为外部框架,混沌电磁场优化算法为内部模块的新型混合蚁群算法对城市生活垃圾分类收运问题进行求解。根据算法间优势互补的思想,利用两种算法的优点来弥补单个算法的缺陷,使其成功应用于该问题。最后,用车辆路径问题标准测试集和上海市杨浦区的数据作为实例进行测试与对比,验证了模型的正确性以及算法的有效性与优化能力。     

用混合遗传算法进行工程智能优化的方法研究

智能优化是从诸多新兴学科衍生出来的前沿科学,遗传算法是智能优化的重要工具之一。该文针对遗传算法存在的不足,用混合遗传算法解决了工程智能优化问题,弥补了遗传算法存在的缺陷,在工程实践中证明了混合遗传算法在性能和质量方面的优越性。     

免疫克隆算法求解公交发车频率问题*

为解决公交发车频率问题,给出了一种基于免疫克隆算法的公交发车频率优化方案。设计了公交发车频率问题的数学模型,给出了求解多目标优化的非劣邻域支配免疫克隆算法框架,并与文献中的算法进行了对比实验。实验结果表明,该算法能有效地解决公交发车频率问题,具有较好的应用价值。     

Multi-operator based evolutionary algorithms for solving constrained optimization problems

Over the last two decades, many sophisticated evolutionary algorithms have been introduced for solving constrained optimization problems. Due to the variability of characteristics in different COPs, no single algorithm performs consistently over a range of problems. In this paper, for a better coverage of the problem characteristics, we introduce an algorithm framework that uses multiple search operators in each generation. The appropriate mix of the search operators, for any given problem, is determined adaptively. The framework is tested by implementing two different algorithms. The performance of the algorithms is judged by solving 60 test instances taken from two constrained optimization benchmark sets from specialized literature. The first algorithm, which is a multi-operator based genetic algorithm (GA), shows a significant improvement over different versions of GA (each with a single one of these operators). The second algorithm, using differential evolution (DE), also confirms the benefit of the multi-operator algorithm by providing better and consistent solutions. The overall results demonstrated that both GA and DE based algorithms show competitive, if not better, performance as compared to the state of the art algorithms.