一种GASA混合优化策略

结合遗传算法的并行搜索结构和模拟退火的概率突跳性,提出了一种高效的GASA混合优化策略,基于典型TSP问题的仿真研究表明,混合策略的优化性能较单一算法和启发式算法有很大改善。     

基于混合迁移策略的生物地理学优化算法

为提高生物地理学优化算法(BBO)的性能,提出一种基于混合迁移策略的生物地理学优化算法(HMBBO)。该算法通过动态选取待迁出种群个体,平衡对解集搜索过程中的选择压力。采用混合迁移策略改进迁移机制,增强算法对解的搜索能力,避免引起过早收敛。并加入分段Logistic混沌机制对个体进行变异,提高算法的收敛精度。基于标准测试函数的仿真实验表明,HMBBO算法可有效避免早熟收敛,在收敛速度和收敛精度上较标准BBO算法有较大提高。     

基于混合预测策略与改进社会学习优化算法的动态多目标优化方法

近年来,国内外学者针对基于预测的动态多目标优化算法开展了深入研究,并提出了一系列有效的算法,然而已有的研究工作通常采用单一的预测策略,使得算法不能有效地应对剧烈的环境变化。针对上述问题,提出了一种基于混合预测策略与改进社会学习优化算法的动态多目标优化方法。具体地,当环境发生变化时,该方法首先基于代表性个体预测策略生成一部分群体;其次,基于拐点预测策略生成一部分新群体,特别地,为了提高种群的多样性,根据算法迭代的历史信息和环境变化情况随机地生成一定数量的新个体;为了提高问题的求解效率,对社会学习优化算法进行了改进,为每个进化空间设计了适用于动态多目标优化问题的算子;最后,将混合预测策略与改进的社会学习优化算法结合,构成了一种新的动态多目标优化方法。以FDA、DMOP和F函数集作为实验测试函数集,与四种代表性算法进行了性能对比;并以反向世代距离(inverted generational distance, IGD)对该方法的性能进行了深入的分析。实验结果表明所提方法具有较好的收敛性和鲁棒性。     

基于网络模型的集装箱预翻箱问题研究

集装箱翻箱问题涉及集装箱装卸工作的顺畅与否。以此为研究对象,首先建立了基于网络模型的集装箱翻箱模型,并用算例进行了计算试验。在此基础上,对约束进行了改正,建立了改正的集装箱预翻箱模型,并进行了计算验证,证明了其在计算时间上的压缩。根据实际的单贝集装箱堆存情况,进行了实际堆存状态翻箱的计算试验,取得了阶段性成果。对单贝集装箱的堆存数与翻箱次数的关系进行了研究,发现在堆存数达到17时有较好的堆场利用率和较少的翻箱次数。     

混合优化策略统一结构的探讨

算法混合已成为提高优化性能和效率的一个重要而有效的途径。围绕meta-heuristic算法，通过对混合优化算法及其结构的归类与综述，提出了混合优化算法的一种统一结构，并对基若干问题进行分析探讨，为混合算法的设计与应用提供一定的指导性原则。     

基于启发式算法的集装箱预翻箱问题仿真研究

关于根据已知的集装箱配载图对堆场的集装箱进行预翻箱速度优化问题,为减少倒箱量,缩短船舶在港时间,以集装箱预翻箱过程为研究对象,对其进行仿真研究,达到提高集装箱码头装船效率的目的,提出了相应的启发式算法,并通过算例验证了算法的有效性.利用eM-plant软件分别建立了单贝位和多贝位的预翻箱仿真模型,通过对预翻箱过程仿真时间的统计验证了仿真模型的有效性,并与现有的启发式算法效能进行了比较,效果更好.仿真结果表明,改进方法可为解决目前集装箱堆场预翻箱问题提供了更有效的决策依据.     

基于侧步爬山策略的混合多目标粒子群算法研究

为提高多目标粒子群算法(MOPSO)的收敛性与解集多样性,提出一种基于侧步爬山策略的混合多目标粒子群算法(H-MOPSO).通过建立局部搜索与粒子群优化的混合模型,在该模型中后期引入基于侧步爬山策略的局部搜索,周期性代替粒子群搜索并优化混合参数,使粒子根据距离前沿的远近朝下降或非支配方向搜索,加快粒子群收敛并改善其分布.同时采用非均匀变异算子和线性递减的惯性权重策略,避免算法早熟.通过标准测试函数的对比实验表明,该算法整体上比MOPSO、NSGA-II和MOEA/D具有更好的多样性与收敛性.     

一种基于全局劣汰策略的混合粒子群优化算法

提出一种改进的粒子群优化算法--基于全局劣汰策略的混合粒子群优化算法(GTPSO).GTPSO在保持PSO算法快速收敛的基础上,以郭涛算法(GuoA)的寻优机制确保种群的多样性和算法的坚韧性.数值计算结果表明,对于高维(维数≥10)复杂非凸多峰函数的数值优化问题,GTPSO算法的计算结果均优于GuoA算法和粒子群优化算法.     

基于分层抽样的模拟禁忌混合智能优化算法TSⅡ

将分层抽样随机模拟与禁忌搜索结合，构造了TSⅡ模拟禁忌混合智能优化算法。随机模拟采用缩减方差、加速收敛的分层抽样技术，保证抽样遍布于整个搜索空间，避免禁忌搜索路径往返重复，克服禁忌搜索对初始解的依赖，算法同时使用禁忌表与希望表，将分散搜索与集中搜索相结合，增强算法的并行处理能力，提高寻优的效率与精度。Benchmark问题评测结果显示出了该算法的有效性。     

数据结构之查找实例演示系统的设计与实现

本系统是算法实例演示系统的一部分,设计的主要内容：静态查找（顺序查找、折半查找、分块查找）,动态查找（二叉排序树的查找、二叉平衡树的查找）以及基于哈希表的查找（开放地址法、再哈希法、链地址法）。通过实例形象地把查找过程给演示出来,突出教与学的交互性。系统在教学中得到实践检验,效果较好。     

数据结构之查找实例演示系统的设计与实现

本系统是算法实例演示系统的一部分,设计的主要内容:静态查找(顺序查找、折半查找、分块查找),动态查找(二叉排序树的查找、二叉平衡树的查找)以及基于哈希表的查找(开放地址法、再哈希法、链地址法)。通过实例形象地把查找过程给演示出来,突出教与学的交互性。系统在教学中得到实践检验,效果较好。     

智能交通系统中的公交运营优化调度研究

城市公交系统是一个巨系统,其相关的模型和方法都非常复杂,为此,本文引入了高性能计算来提高智能算法的优化质量和收敛速度。有机结合遗传算法GA(Genetic Algorithm)和禁忌搜索法TS(Tabu Search)两者优点,构成混合遗传算法HGA(Hybrid Genetic Algorithm)。针对公交车辆调度现状及所处的运营环境,运用HGA的智能化特征,进行了公交车辆智能调度研究。研究表明,基于GA-TS的混合遗传算法优化公交车辆运营调度,能够有效地改善原有公交车辆运营调度的不足,提高动态运营决策效率和服务质量。     

水族箱智能控制系统的设计与实现

本文基于单片机技术,设计了一套基于时间控制与多线程技术的水族箱智能控制系统。通过一台arduino mega 2560单片机作为系统的处理器,控制控温模块,换水模块,时间显示模块,自动喂食模块,水位控制模块等。总体基于时间控制,用时钟芯片提供整体的系统时间,系统按照预先设定好的时间顺序依次运行,除非触发中断点,否则无限循环。本控制系统功能多、成本低,能够实现对水族箱的智能控制。     

试题库系统中随机抽题算法的设计与实现

针时职业教育精品网站的特点,提出适应于网络教育的以知识点为核心的自动组卷算法.该算法把题型难度比例、题型个数作为主要控制目标,从而按知识点选题组卷,并运用适当的随机算法组卷策略优化组卷结果.实验表明,该算法依据不同的组卷策略自动生成的试卷,组卷效率、成功率和知识点覆盖率均比较理想.     

智能母婴监护系统的设计与实现

母婴监护系统现已成为产科产前、产时行之有效的监护手段,能通过胎心率曲线诊断胎儿的健康状况,对提高出生人口素质,减少残疾婴儿的出生具有重要作用。传统的母婴监护系统体积较大、操作比较复杂、实时性差、价格比较昂贵。因而设计了一种智能母婴监护系统,根据嵌入到无线智能传感器中的算法提取出稳定的胎心率,将胎心率以及孕妇其它监护数据以无线的方式发送到本地或远程监护中心,本地监护设备或远程的监护中心将各项数据进行实时处理、分析、显示或报警,辅助医生或将信息及时反馈回来通知孕妇进行诊治。     

智能母婴监护系统的设计与实现

母婴监护系统现已成为产科产前、产时行之有效的监护手段,能通过胎心率曲线诊断胎儿的健康状况,对提高出生人口素质,减少残疾婴儿的出生具有重要作用。传统的母婴监护系统体积较大、操作比较复杂、实时性差、价格比较昂贵。因而设计了一种智能母婴监护系统,根据嵌入到无线智能传感器中的算法提取出稳定的胎心率,将胎心率以及孕妇其它监护数据以无线的方式发送到本地或远程监护中心,本地监护设备或远程的监护中心将各项数据进行实时处理、分析、显示或报警,辅助医生或将信息及时反馈回来通知孕妇进行诊治。     

基于Lucene 3．5搜索技术的研究与实现

介绍Lucene及这些年来的发展和重大变化以及性能提升。然后通过图例介绍Lucene的架构，做一个Lucene3．5版本的演示程序，来帮助读者更好地了解Lucene。     

SCADA智能报警设计与实现

油田监控中有大量需要定期设置报警限的参数,利用SCADA实时数据库技术对监控点近期运行状况进行数学分析,通过内部逻辑算法集成,自动生成监控参数报警限,使系统发出警报,有利于监控人员迅速判明现场情况,及时采取应对措施.采用SCADA智能报警技术,在自动设置报警限和智能报警方面取得了很好的成效,有效提高了系统报警的直观性和准确性.     

改进型遗传算法智能组卷系统的设计与实现

本文介绍了改进型遗传算法智能组卷系统的需求分析,然后根据分析结果来设计和实现具有良好的通用性和可扩展性一套智能组卷系统,其中组卷算法的关键点给出了具体的实现代码。