模糊神经网络的DNA算法训练

提出了基于DNA计算和遗传算法的DNA遗传算法,给出了DNA遗传算法的结构，讨论了遗传操作算子,利用DNA遗传算法对FNN进行学习，比采用梯度型算法和遗传算法有更高的学习精度和更快的收敛速度,该算法有全局收敛性避免了采用梯度型学习算法训练FNN时固有的局部收敛问题，同样，该算法加速了FNN的训练，能够在线应用．     

DNA免疫遗传算法及其应用

在研究T-S模糊RBF神经网络的基础上,提出了一种基于DNA生物机理和结构的免疫遗传算法,用于优化设计T-S模糊RBF神经网络的规则后件参数。该方法采用基于抗体浓度的更新策略调节机制,能有效地保持抗体的多样性,避免早熟收敛。应用于延迟焦化汽油干点的软测量建模,实例仿真结果表明DNA免疫遗传算法在T-S模糊神经网络系统的优化设计中是有效的,可获得较高精度的模型。     

一种最优模糊神经网络控制器

基于最优控制的思想,通过对控制系统的过程模拟,提出一种最优模糊神经网络控制器的设计方案,首先利用基于十进制编码机制的遗传算法寻找最优的控制器结构,然后利用基于浮点数编码机制的遗传算法寻的最优的控制器参数,仿真结果表明该控制器优于常规模糊控制器。     

基于文化遗传算法的DNA编码序列设计

DNA编码问题是DNA计算的关键,然而,它已被证明为NP困难问题,通常采用优化算法求解。针对传统遗传算法缺乏有效指导,容易陷入局部极值的缺点,结合文化算法采用种群空间和信念空间的双层进化结构进行寻优,提出了一种基于遗传算法和文化算法的混合优化算法用于解决DNA编码问题。仿真结果表明该混合算法能有效地用于DNA编码序列设计。     

基于混沌DNA遗传算法的模糊递归神经网络建模

本文受生物DNA分子遗传机制和混沌优化算法的启发,提出了一种混沌DNA遗传算法,用于优化T-S模糊递归神经网络（FRNN）.该方法使用碱基序列表示T-S模糊递归神经网络的前件部分参数,包括模糊规则数,隶属度函数中心点和宽度;设计更为复杂的遗传操作算子来改进遗传算法的寻优性能;利用混沌优化算法优化种群中的较差个体.同时使用递推最小二乘法（RLS）来辨识T-S模糊递归神经网络的后件部分参数.最后,采用基于混沌DNA遗传算法的T-S模糊递归神经网络对一种典型的pH中和过程进行建模。通过与其他建模方法的比较,仿真实验结果表明了所建模型的有效性.     

模糊遗传算法及其应用研究

针对多目标遗传算法的特点,基于模糊集理论,提出模糊遗传算法的概念及其算法将系统设计的要求转化为模糊遗传算法的约束条件,利用模糊遗传算法对其进行优化设计,具体的设计示例说明了该算法的有效性。     

基于理性遗传算法的模糊系统辨识

针对模糊系统辨识的复杂问题,提出基于理性遗传算法的模糊系统辨识。模糊系统辨识包括前件结构、参数辨识和后件结构、参数辨识,在利用模糊系统的通用逼近性的基础上,采用理性遗传算法对模糊模型进行辨识,并给出仿真结果,其结果表明理性遗传算法在进行离线辨识中是一种十分有效的方法。     

基于DNA遗传算法的曲面最短路径问题

DNA遗传算法采用遗传算法的整体结构,借助生物学DNA技术,利用DNA双螺旋结构和碱基互补配对原则进行编码运算,继承了遗传算法全局搜索的能力,提高了算法的有效性和收敛速度,避免了经典的遗传算法容易出现的“早熟收敛”和“收敛速度慢”的难题,求解了曲面最短路径规划问题。数值仿真实例证明了该算法的有效性和实用性。     

模糊遗传算法综述

本文介绍了遗传算法发展的一个新方面一基于模糊逻辑的模糊遗传算法，分两方面加以综述：用模糊逻辑控制遗传算法的遗传操作及参数设置的思想和方法，模糊编码及模糊交叉的策略。同时指出了各种方法的特点以及今后的研究方向。     

基于SDNA-GA 优化的模糊神经网络控制

针对最新的生物DNA研究,病毒中同一DNA碱基顺序可以编码出2条或者3条不同的多肽链.在此基础上分析与模仿了重叠基因和重叠密码的机理,得到一种新的基于重叠基因编码框架,从而提高了问题求解的效率;同时,得到一种移码解读框架的DNA遗传算法(SDNA-GA)计算模型,并将其应用于一类广义隶属度型T-S模糊神经网络控制器(GTS-FNNC)的优化设计,实现了GTS-FNNC的在线学习.     

在基于Agent的调度系统中应用DNA遗传算法

本文研究了基于 DNA生物机理提出的 DNA遗传算法 ,该算法是常规遗传算法的发展 ,是基于遗传基因和自然选择的全局搜索算法 ,并将其应用于基于 Agent的调度系统中 ,针对 6× 6 Job- shop调度问题的仿真试验说明了该算法的有效性和先进性 .     

采用DNA进化算法优化设计TS模糊控制器

The DNA evolutionary algorithm(DNA-EA)and the DNA genetic algorithm(DNA-GA)based on a new DNA encoding method are propsed based on the structure and the genetic mechanism of biological DNA. The DNA-EA and the DNA-GA are applied into the optimal design of TS fuzzy control system. The simulation results show the effectiveness of the two DNA algorithms, excellent self-learning capability. However, the DNA-EA is superior to the DNA-GA in the simulation performance.     

基于DNA的连续优化算法

用遗传算法进行函数优化已得到了较好应用。与遗传算法相比,DNA的编码更具丰富性,译码更具多样性,基因级操作更灵活,且更容易用DNA计算机实现。鉴于基于DNA的函数优化研究还较少,提出了一种基于DNA的连续优化算法。该算法用表示DNA的基本元素符号进行碥码,用其对应的密码子表征变量参数,用DNA的复制、重组、变异和倒位等操作实现对解空间的搜索。在这些过程中,参考了精英保留策略和模拟退火算法等思想方法,采取了若干加快收敛、同时满足搜索多样性要求的措施,以使算法加快收敛且不易早熟和陷入局部最优。计算机仿真实验表明该算法具有收敛快,精度高等特点,效果令人满意。     

利用DNA遗传算法求解Flow-Shop调度问题

由于经典遗传算法在求解调度问题尤其是处理复杂的、混淆的和多任务问题时不够灵活且计算速度慢,论文引入DNA技术借助生物学理论对其进行改进。DNA遗传算法继承了遗传算法全局搜索的能力,同时利用DNA双螺旋结构和碱基互补配对原则进行编码运算,提高了算法的有效性和收敛速度,从而很好地解决了NP-hard性质的Flow-Shop调度问题。     

基于DNA遗传算法的复杂网络社区结构发现

复杂网络社区结构划分日益成为近年来复杂网络的研究热点,到目前为止,已经提出了很多分析复杂网络社区结构的算法。但是大部分算法还存在一定的缺陷,而且有些算法由于其时间复杂度的过高导致其不合适应用于对大型网络的分析。提出了一种基于DNA遗传算法的复杂网络社区结构分析的方法。该方法无须预先知道社区内结点的数量以及任何门限值。该算法的可行性用Zachary Karate Club和College Football Network模型进行验证。     

Robust adaptive spot segmentation of DNA microarray images

The rapid advancement of DNA chip (microarray) technology has revolutionalized genetic research in bioscience. However, the enormous amount of data produced from a microarray image makes automatic computer analysis indispensable. An important first step in analyzing microarray image is the accurate determination of the DNA spots in the image. We report here a novel spot segmentation method for DNA microarray images. The algorithm makes use of adaptive thresholding and statistical intensity modeling to: (i) generate the grid structure automatically, where each subregion in the grid contains only one spot, and (ii) to segment the spot, if any, within each subregion. The algorithm is fully automatic, robust, and can aid in the high throughput computer analysis of microarray data.     

基于DNA编码遗传算法构造广义决策树的研究

决策树是归纳学习和数据挖掘的重要方法,主要用于分类和预测。文章引入了广义决策树的概念,实现了分类规则集和决策树结构的统一。同时,提出一种新颖的基于DNA编码遗传算法构造决策树的方法。先用C4．5算法对数据集进行分类得到初始规则集,再通过文章中算法优化规则集并由此构建决策树。实验证明了该方法有效地避免了传统决策树构建过程的缺点,且有较好的并行性。     

基于DNA计算的混合遗传算法研究*

提出一种混合遗传算法。该算法从微观策略和宏观遗传策略两方面考虑,在微观方面将DNA计算引入到交叉算子和变异算子中;在宏观方面提出一种以遗传算法流程为基础,引入改进的小生境模拟退火操作,构造合理的混合框架。典型算例的实验结果表明,该算法有效,收敛性好。