基于MATLAB遗传算法优化工具箱的优化计算

采用Matlab语言编制的遗传算法工具箱（GAOT）可实现二进制编码和真值编码的模拟进化计算，此工具箱在遗传操作方面非常灵活。介绍了用遗传算法工具箱解决了连续优化问题和旅行商问题，并给出了两个实例。     

基于遗传算法的计算机网络可靠性优化设计

随着通信网络技术的飞速发展,系统的可靠性的越来越受到人们的重视。智能化的大容量光纤传输系统和高速的交换技术已经得到了广泛的应用,越来越多的企业集中于使用更少的节点和线路,有效提高计算机网络通信的效率。本文主要就遗传算法的计算机通信网络可靠性的优化进行研究,有效提高计算机网络通信的安全性和可靠性。     

基于改进遗传算法的计算机网络可靠性优化设计

计算机网络可靠性,是对计算机的性能进行综合性衡量的一项主要的指标,计算机网络的传统化系统具有庞大和复杂性质,同时容易受到众多方面不良因素的严重影响,对系统容易造成不稳定的现象,进而使整个网络面临极大风险.面对这种情况,在针对计算机网络进行设计方案的深入分析的基础上,对计算机网络可靠性的新型优化模型的实际建立以及网络成本...     

基于进化遗传算法的优化计算

针对经典遗传算法在优化计算中存在的弊端,提出进化遗传算法.在染色体基因位编码方式、交叉与变异算子、适合度函数设计、候选解染色体选取方式及收敛准则等方面做了改进.通过对极难优化的Shekel类函数等的优化计算,说明该算法具有良好的全局搜索能力和较快的收敛速度.     

流网络可靠度的计算算法综述

A flow network is usually used to describe real world systems such as telecommunication system,computer system and so on. Given the demand d ,the system reliability is defined as the maximum flow of the network is not less than d. The researchers in the field have presented many algorithms on the reliability evaluation of flow-networks. In this paper ,classfies of flow-networks and the properties of each algorithm ,mainly those algorithms based on MPs and MCs,are summarized.     

基于网络遗传算法的全局优化

本文在分析当前全局优化方法研究现状的基础上,提出了一种改进的遗传算法――网络遗传算法,应用简单实例说明了网络遗传算法的具体操作,同时应用大量数值实例证明了网络遗传算法解决全局优化问题的可行性、正确性、有效性。     

基于遗传算法优化BP神经网络的线损计算研究

为了准确计算低压台区配电网的线损,提出遗传算法优化BP神经网络的配电网理论线损计算。通过电网线路获取线路特征参数,对特征参数建立BP神经网络的预测模型;根据BP神经网络的拓扑结构中的权值和阈值来确定染色体长度;通过遗传算法来确定BP神经网络的参数,拟合影响线损的特征参数和线损的复杂关系。该算法减少了线损计算误差,计算时间少,稳定性增强。     

计算机网络可靠性优化设计探究

数字信息技术的高速发展,使得计算机网络在当今社会的应用越发普遍且深入,同时人们对计算机网络可靠性提出了更高的要求。计算机网络可靠性不仅取决于其运行过程中表现出的稳定性,还受到计算机网络安全的影响。基于此,文章以计算机网络可靠性优化设计原则的阐述为出发点,辨析其可靠性优化的内容及呈现,从体系结构、遗传算法等不同角度围绕计算机网络优化设计进行探究。     

一种改进的计算机网络k-划分优化遗传算法

本文运用无向图多划分优化的方法研究计算机网络k-划分优化问题，结合问题本身的特点，设计了一种启发式遗传算法，从适应度函数设计，遗传操作算子以及参数选取等方面对经典遗传算法进行了改进，实验研究验证了算法的正确性和高效性。     

基于改进遗传算法的优化计算

针对经典遗传算法在优化计算中存在的弊端,提出改进遗传算法。该算法考虑了优化问题的全局性要求—结合区间压缩方法,而这往往比局部最优理论和方法困难的多;同时通过对变异算子改进,对遗传算法早熟收敛性方面得到有效控制,最后,给出算法的收敛性证明及收敛性准则。实验表明该算法是有效的。     

基于遗传算法的工程项目资源优化

基于遗传算法建立了面向工程项目的资源优化模型。通过在模型中构造一个能反映“资源分配”和“资源均衡”两方面优化程度的适应度函数,并在复制操作中,对群中个体先进行分类再选择复制,有效地解决了多种资源的综合优化问题。给出了利用遗传算法对资源优化问题的求解设计思路,阐述了算法的实现流程,并通过实例验证了该模型的可行性。     

基于优化遗传算法的FCM

针对FCM算法容易收敛于局部极小点的缺陷,将一种优化的遗传算法应用于FCM上,很好地解决了算法的抗局部收敛性。实验结果表明,改进后的算法不仅保留着原FCM算法的快速收敛优势,还很好地控制了局部收敛,提高了算法的全局搜索能力,具有更好的聚类性能。     

基于量子遗传算法的非线性无约束优化方法

量子遗传算法(QGA)是量子计算和遗传算法相结合的产物,量子遗传算法将量子比特和量子旋转门表示引入到遗传算法中,具有比遗传算法更好的搜索效率和收敛性。非线性无约束优化是典型的工程应用问题,而复杂非线性函数的优化结果往往不能令人满意,如陷入局部最优等。利用量子遗传算法强大的搜索能力,可以很好的解决复杂非线性函数的无约束优化问题,实验表明量子遗传算法在该类问题中的有效性和可行性。     

计算机网络可靠性优化探析

随着计算机技术的快速发展,计算机网络已经深入到了社会的各个行业,同人们的生产、生活息息相关。近年来,计算机网络技术在提高工作效率的同时,其网络的安全可靠性问题已经成为社会公众广泛关注话题。可靠性对于计算机网络到至关重要,也是衡量计算机网络综合性能的一项关键性数据指标。本文在对计算机网络可靠性的定义、影响因素进行深入阐述的基础上,提出了计算机网络可靠性优化设计的相关策略。     

一种实现网络k—划分优化的改进遗传算法研究

自动实现网络k-划分优化问题,属于组合优化的范畴。经典遗传算法求解这类问题效率不高。本文运用图的多划分理论对该问题加以分析,同时结合该问题本身的特点提出了一种改进遗传算法,该算法从编码方式、遗传操作、以及参数选取上对经典遗传算法进行了改进。最后将该算法应用到计算机网络的k-划分优化问题中,实际研究结果表明,该算法实现了自动网络划分优化的目的,且算法效率优于经典遗传算法。     

基于免疫遗传算法的关系型数据库查询优化技术

本文引入结合免疫系统原理和遗传算子自适应调整的算法,即免疫遗传算法。该算法具有可防止未成熟收敛和保证种群的多样性等优点。在使用此算法搜索最优解时,可防止陷入局部寻优情况的出现。经过实验计算,免疫遗传算法对多连接查询优化有很好的效果,优化后的查询代价较遗传算法有很大的降低。     

基于免疫遗传算法的关系型数据库查询优化技术

在关系型数据库的查询过程中,表的不同连接次序是执行计划多样性的最主要原因。查询优化器必须能够通过一定的算法确定一个好的连接的次序,以便对查询路径进行优化。遗传算法的出现为求解查询优化问题提供了新的工具。但是遗传算法具有局部搜索能力不强、个体多样性差及早熟现象等缺点,导致解的质量不够理想。针对遗传算法的缺陷,本文引入结合免疫系统原理和遗传算子自适应调整的算法,即免疫遗传算法。该算法具有可防止未成熟收敛和保证种群的多样性等优点。在使用此算法搜索最优解时,可防止陷入局部寻优情况的出现。经过实验计算,免疫遗传算法对多连接查询优化有很好的效果,优化后的查询代价较遗传算法有很大的降低。     

基于遗传算法的物流配送路径优化问题研究

遗传算法是一种基于自然进化原理的全局搜索随机算法。遗传算法在选址问题、配送问题、调度问题、运输问题、布局问题方面意义重大。在建立物流配送路径优化问题数学模型的基础上,构造了求解该问题的遗传算法。该遗传算法采用常用的二进制编码,在个体选择上结合使用最优个体保留策略和轮盘赌法。最后以这种方法进行了实验计算,通过计算结果表明,用遗传算法进行物流配送路径优化,可以方便有效地求得问题的最优解或近似最优解。     

随机优化问题基于假设检验的遗传算法

为了有效解决具有不确定性和多极小性的随机优化问题 ,提出了一类基于假设检验的遗传算法 .该方法通过多次评价来进行解性能的合理估计 ,利用遗传操作来进行解空间的有效搜索 ,采用假设检验来增加种群的多样性和算法的探索能力 ,从而避免遗传算法的早熟收敛 .基于典型的随机函数优化和组合优化问题 ,仿真研究了假设检验、性能估计次数、噪声幅度对算法性能的影响 ,验证了所提方法的有效性和鲁棒性     

基于遗传算法的神经网络性能优化

遗传算法是一种典型的进化算法。文中分析了遗传算法的特点和神经网络的特点，从而得出了把两种算法结合起来进行应用的思想。运用理论对比的方法，阐明了用遗传算法进行神经网络性能优化的原因，并得出结论，认为用遗传算法进行神经网络性能优化促使了神经网络更进一步的应用。阐述了遗传算法优化神经网络的两种主要方法，论述了遗传算法和神经网络的发展现状和将来的研究动向。