计算机通信网络中容量与流量分配的优化研究

为了改进计算机通信网络的性能并降低其运营费用，采用改进的并行遗传算法，对计算机网络中容量与流量分配问题进行了优化，比较了不同算法所得到的网络运营费用．大量的计算机仿其实验结果表明，该算法能较迅速地求出全局近似最优解，并且与传统的方法相比较，解的质量能大幅度地提高．这对于减少网络运营费用及合理利用同络资源等方面部具有重大意义，在计算机通信网络及其它网络的规划设计、性能优化及评估中具有重要的理论和实用价值以及广阔的应用前景．     

基于贝叶斯网络的并行分布估计算法研究

在传统的遗传算法中，不合适的参数设置会降低所得解的质量，于是在解决一些优化问题时传统的遗传算法被分布估计算法所取代。对传统的遗传算法和分布估计算法EDAs(Estimation of Distribution Algorithms)，及其各自的并行模式进行了对比，重点介绍了基于贝叶斯网络的并行EDA算法。     

一种基于自适应迁移策略的并行遗传算法

分析了传统并行遗传算法的局限性,针对其迁移固定不变盲目性等缺点,提出了一种适合在当前多核计算机上运行的基于自适应迁移策略的并行遗传算法(AMPGA),该方法将遗传算法同当前个人计算机体系结构相结合,使新的并行遗传算法在主流计算机上并行执行,加快算法的收敛速度,充分挖掘出计算机的计算能力,很大程度地提高了传统并行遗传算法的计算性能。数据仿真实验表明,该算法与传统并行遗传算法相比,收敛速度快、求解精度高,并行效率也明显提升。     

动态变异遗传算法

遗传算法是根据达尔文生物进化理论而提出的一种优化算法。该文提出了一种新的遗传算法,理论分析显示,它不仅能保持遗传种群的多样性,而且能快速收敛。计算机仿真实验证明了改进后的遗传算法能够有效地克服不成熟收敛、进而搜索到全局最优解,并将这种新遗传算法用于BP网络的拓朴结构的优化和连接权值的训练,实例表明了该算法的有效性和可行性。     

基于TriBA结构和改进迁徙策略的并行遗传算法

为了提高并行遗传算法解决大规模问题的寻优效率,本文基于粗粒度并行遗传算法模型,提出了一种基于TriBA结构和改进迁徙策略的并行遗传算法,给出了TriBA并行遗传算法的分配策略和迁徙方式,并将改进的迁徙策略引入评价算子,通过评价算子,反映当前种群的局部收敛程度,当收敛程度满足设定的评价算子时,进行迁徙操作,并使用并行计算机对基于TriBA拓扑结构和改进迁徙策略的并行遗传算法进行模拟仿真.仿真结果表明,改进后的迁徙策略的并行遗传算法的寻优效率比传统迁徙策略的并行算法效率更高.该算法有效地提高了算法的寻优速度,增强了算法的寻优稳定性.     

基于遗传-神经网络算法的函数优化求解

提出了一种优化求解的遗传 神经网络算法 ,该算法综合遗传算法的全局性和神精网络算法的并行快速等特点 ,可克服传统数学方法不能精确求解、遗传算法最终进至最优解较慢和神经网络易陷入局部解的缺陷。实验结果表明具有全局性和收敛性     

基于混合并行遗传算法和阈值限定法的基因调控网络构建

为了解决传统基因调控网络构建算法准确度不高的问题,提出了一种基于混合并行遗传算法和阈值限定法的新型基因调控网络构建算法。该算法分缩小解空间和参数拟合两部分,缩小解空间阶段先用奇异值分解法限定数学上可行的基因调控网络,减少不必要计算,然后用阈值限定法将每个基因的控制基因限定到一定规模,提高计算效率的同时更合乎生物信息学规则。参数拟合部分先用并行遗传算法在整个解空间快速寻优,而后采用爬山法进行小范围细致求解,提高计算精度。实验部分将本文算法应用于人类复杂疾病的皮肤黑色素瘤和2型糖尿病基因调控网络的构建上。本文计算结果与真实网络作对比,验证了本文算法的有效性。同时将本文计算结果与传统遗传算法,粒子群算法进行比较,证明本文算法具有更高的执行效率。     

基于遗传算法的彩色图象分割

遗传算法是一种模拟生物自然选择与进化过程的随机、并行搜索算法，该算法已用于解决工程问题．文章根据遗传算法的思路和熵的概念，提出了基于遗传算法的彩色图象最佳熵阀值分割方法，给出了算法的主要步骤并分析了算法及实验结果，实验表明遗传算法能有效地对彩色图象进行分割，也存在一些缺点需进一步改进．     

一种结合改进遗传算法和BP神经网络的图像压缩算法

针对LM（Levenberg—Marquardt）算法的缺陷,提出一种使用改进的遗传算法和LM算法优化神经网络的混合学习算法（GA-LMbp）。该算法先通过改进的遗传算法粗调得到一组全局最优近似解（即BP网络的初始权值和阈值）,再以该近似解为初值,用LM算法优化BP网络进行图像压缩处理。实验结果表明,新算法提高了网络的学习能力和收敛速度,避免了LMbp陷入平坦区或局部极小值。     

改进分区蚁群算法在Ad Hoc网络路由中的应用

本文针对当前AdHoc网络路由的特点,在AdHoc路由优化算法基础上提出一种改进的蚁群算法。该算法首先将影响蚁群算法性能的参数作为遗传算法中的染色体,通过迭代找出最优的参数组合,然后对区域节点采用动态邻域分解的同时进行并行优化计算,最后将各子区域进行邻域全局连接得到最优解,该算法体现＂分而治之＂的思想。实验仿真结果表明,改进算法有效地提高了网络传输性能和通信效率,在性能上较基本蚁群算法有更大的优势。     

CARP问题混代并行遗传算法的研究

遗传算法因为具有直接对结构对象进行操作、具有内在的隐并行性和更好的全局寻优能力、自适应地调整搜索方向等优点,已被人们广泛地应用于组合优化、函数优化、机器人学、信号处理等领域.但是随着传统遗传算法暴露出来的收敛速度慢且具有最优值无趣的缺陷等缺点,并行遗传算法得到了广泛的研究与发展.本文在现有CARP遗传算法基础上进行并行性改进,提出并实现全新的并行遗传算法——混代并行遗传算法（MGPGA算法）,理论分析及实验结果表明：并行遗传算法较非并行遗传算法有更快的求解速度,混代并行遗传算法可行且更有效.     

基于遗传算法在车间作业调度

研究了遗传算法在车间作业调度问题中的应用，以遗传算法作为优化工具，给出了车间作业调度算法，最后给出了计算机仿真结果，并与启发式算法求得的结果作了比较，证明了该算法解的有效笥和优越性。     

基于模拟退火并行算法的二维熵多阈值分割

针对二维熵法在多阈值分割时计时长、复杂性高等问题,引入模拟退火并行遗传算法对该算法实行优化,构造模拟退火并行遗传算法搜索二维最大熵值中的最优阈值,对二维熵法在多阈值分割经模拟退火并行遗传算法搜索改进前后的结果进行说明及对比。此优化算法比传统的模拟退火算法时间缩短了71.5%,说明此算法大大提高了分割效率,不仅能保证图像分割精度,而且能加快获得最佳阈值的速度,是一种有效且实用的图像分割方法。     

解并行机提前/拖后调度问题的一种新并行遗传算法

针对交货期窗口非等同并行机提前／拖后调度问题,设计了一个基于向量组编码的新的遗传算法．此算法特点是编码方法简单,能有效地反映实际调度方案,即清楚反映出每台机器加工工件的代号和顺序,并能保证交叉和变异后个体自动满足约束条件,收敛速度快．同时为了更好地适应调度实时性和解大型此类问题的需要,在基于遗传算法自然并行性特点的基础上,实现了主从式控制网络模式下并行遗传算法．仿真结果表明,此算法是有效的,优于普通的遗传算法,具有较高的并行性,并能适用于解大型这类调度问题．     

突发公共卫生事件应急物资无接触式配送路径优化

为解决突发公共卫生事件下大批量应急物资配送问题，研究了“卡车-无人车”联合配送模式。针对多约束客户点聚类问题，设计了防止K值变动偶然性的改进K-means++聚类算法；根据紧迫度大的客户点优先配送的原则，提出2类客户点并行配送的无人车调度方案，构建以配送时间最短为目标的路径优化模型。结果表明：改进K-means++算法得到的聚类数量K更为稳定；相同聚类结果的情况下，改进多种群遗传算法迭代次数更少、最优解更佳；改进后的算法组合最优解远优于其他3种组合算法。     

函数优化问题的动态并行量子遗传算法

针对传统量子遗传算法在解复杂连续函数优化中存在的早熟收敛、收敛速度慢、计算时间长的问题,提出一种解复杂连续函数优化问题的动态并行量子遗传算法(DPQGA)。采用多种群协同进化,每个子种群按照各自的进化目标在不同的搜索区域进化,形成并行搜索方式,加快算法收敛速度,避免早熟收敛;同时设计了一种新的动态量子旋转角的更新策略及量子门调整策略,减少算法的迭代次数;在最优解连续数代无变化时引入灾变算子,使种群保持良好的多样性。通过对5个测试函数的仿真,结果表明,该算法搜索到的最优解较QGA算法更优。与已有算法相比,该算法在收敛速度、迭代次数、全局寻优能力上都有了较大的改进和提高。     

一种解TSP问题的混合算法

把经典启发式算法与遗传算法相结合,构造了一种混合式算法．这种算法通过加入2-opt算法改进了边重组算法,兼有2-opt算法和边重组遗传算法的优点．对于小于80个城市的旅行商问题,能收敛到全局最优解．     

基于混合搜索策略的Job Shop调度研究

目的 提出基于遗传算法和禁忌搜索算法的混合算法，解决单一算法求解JobShop调度问题存在的不足，提高求解质量．方法 采用遗传算法作为全局搜索算法，禁忌搜索算法作为局部搜索算法．根据JobShop调度问题解的特征。提出基于关键工序的邻域选择方法，将基于这种邻域选择方法的禁忌搜索算法作为变异算子，加强了遗传算法邻域解的搜索能力．结果 混合算法在较短时间内，找到了FT10、LA24、LA36等典型benchmarks问题的最优解，得到的makespan的平均值较并行遗传算法（PGA）提高3．84％、较TSAB算法提高4.66％．结论 采用的禁忌搜索算法改善了遗传算法的局部搜索能力，说明提出的混合搜索策略是有效的．     

基于遗传算法和蚂蚁算法求解函数优化问题

针对遗传算法求解精度低以及蚂蚁算法求解速度慢的问题，提出一种基于遗传算法和蚂蚁算法的混合算法.该混合算法利用了遗传算法快速随机的全局搜索能力的优点，设计了编码与适应度函数，进行了种群生成与染色体的选择，并通过设定交叉算子和变异算子， 生成了信息素分布.该混合算法利用了蚂蚁算法正反馈以及具有分布式并行全局搜索能力的优点，通过确定吸引强度的初始值，建立了强度更新的模型，从而求得精确解.并将该算法应用于求解函数优化问题.结果表明，该混合算法与遗传算法和蚂蚁算法相比，收敛速度快，寻优性能好.     

基于改进的遗传神经网络入侵检测系统

针对单独使用遗传算法不能在短时间内寻找到接近最优解的问题,采用改进的遗传算法来优化神经网络权值,能很好地与BP算法结合。用Matlab进行仿真实验,实验结果表明:改进的BP神经网络在入侵检测中有着巨大的应用潜力,识别率普遍达95%以上。