基于家族遗传算法的虚拟机放置策略

提出一种基于家族遗传算法的虚拟机放置策略FGA-VMP(family genetic algorithm based virtual machine place-ment).采用一个自调节的变异算子(mutation operator)避免普通遗传算法的早熟问题;把整个种群划分为多个家族,将这些家族的进化操作并行处理,...     

基于文化算法多种群协作SVM选择集成算法

针对离散二进制粒子群(binary particle swarm optimization,BPSO)算法在解决SVM集成选择问题时容易早熟的问题,提出了一种文化算法架构下的多种群协作算法(Ca-MultiPop).结合BPSO算法的快速演化能力,利用遗传算法(genetic algorithm,GA)增加种群的多样性;在两种进化算法中使用不同的适应度函数,兼顾了集成精度和基分类器之间的差异性.仿真结果表明,该算法在计算精度方面相对于BPSO算法在解决SVM集成选择问题时有所提高.     

基于改进遗传算法优化BP神经网络的土壤湿度预测模型

我国是农业大国,在进行农业生产过程中,对土壤的湿度进行精准预测具有非常重要的意义.针对传统BP(back propagation)神经网络在预测过程中会出现局部最小化以及收敛速度慢的问题,本文将改进的遗传算法(genetic algorithm)应用到传统BP神经网络模型当中,提出了一种自适应遗传算法优化BP神经网络的...     

多云协同辅助车辆计算的资源管理策略

针对高质量车载应用海量增长的问题,结合车辆自身资源受限以及传统云计算资源使用成本高和时延高的问题,定义一种多云协同辅助车辆计算(multi-cloud collaboratively assisting vehicle computing,MCAVC)范式,提出基于对编码、交叉和变异操作做出改进的遗传算法(genetic algorithm,GA)的节点选择和资源分配联合优化方案,目标是使任务完成时间和使用计算资源的货币成本降到最低.实验结果表明,所提方案在时间和资源成本的加权和方面优于现有方案,改进算法相比实数编码GA和传统GA性能更优.     

基于信道排序的认知频谱分配算法

针对认知传感网中均衡能耗的频谱分配问题，提出了一种适应信道的改进遗传算法(Adapt channel improved genetic algorithm, ACGA)进行频谱分配。为改良遗传算法中传统交叉方法运用于频谱分配问题时面临的交叉失效等问题，采用一种基于信道排序的交叉方案，以信道排序的增益作为交叉的限制，并利用个体相似度进行交叉基因的选取。为增加遗传变异的可靠性，采用了一种混合变异方案，利用博弈对个体进行良性变异，同时组合传统变异以控制种群的整体进化方向。仿真实验表明，相比传统的遗传算法，所提算法有着良好的寻优能力，可以有效降低网络的周期能耗。     

差异工件平行机批调度问题的SAGA*

为了求解差异工件平行机批调度问题,提出了一种模拟退火遗传算法 (simulated annealing genetic algorithm,SAGA)。将模拟退火算法（simulated annealing,SA）的状态转移操作引入基于最优保留的遗传算法(genetic algorithm,GA)中,作为局部搜索算子,以避免算法陷入局部最优,也有效地发挥了SA和GA在局部搜索与全局搜索能力方面的优势。为了解决GA迭代后期适应函数难以区分一些适应度接近的个体这个问题,SAGA分两阶段标定适应函数,在进化后期     

动态种群划分量子遗传算法求解几何约束

几何约束问题的约束方程组可转化为优化模型,因此约束求解问题可以转化为优化问题。针对传统量子遗传算法个体间信息交换不足,易使算法陷入局部最优的缺点,提出了动态种群划分量子遗传算法（dynamic population divided quantum genetic algorithm,DPDQGA）,并将其应用于几何约束求解中。该算法种群中的个体按照一定规则自发地进行信息交换。在每一代进化的开始阶段,分别对两个初始种群中的个体计算个体适应度。将两个种群合并,使用联赛选择的方法为种群中的个体打分,并按照得分对种群进行排序。最后将合并的种群重新划分为两个子种群。实验表明,基于动态种群划分的量子遗传算法求解几何约束问题具有更好的求解精度和求解速率。     

基于记忆库拉马克进化算法的作业车间调度

多种群遗传算法相比遗传算法在性能上能够有所提高,但对具有较多局部最优解的作业车间调度问题,多种群遗传算法仍然难以改善易陷入局部最优解和局部搜索能力差的缺点.因此,提出了一种求解作业车间调度问题的新算法MGA-MBL(multi-population genetic algorithm based on memory-base and Lamarckian evolution for job shop scheduling problem).MGA-MBL在多种群遗传算法的基础上通过引入记忆库策略,不但使子种群间的个体可以进行信息交换,而且有利于保持整个种群的多样性;通过构造基于拉马克进化机制的局部搜索算子来提高多种群遗传算法中子种群进化的局部搜索能力.由于MGA-MBL采用了全局寻优能力较强的模拟退火算法对记忆库中的个体进行优化,从而缓解了多种群遗传算法易陷入局部最优解的问题,并提高了算法求解作业车间调度问题的性能.对著名的benchmark数据进行测试,实验结果证实了MGA-MBL在求解作业车间调度问题上的有效性.     

多核CPU下基因库的多种群遗传算法

近年来,多种群遗传算法被广泛地应用到各领域中,鉴于该算法的有效性,在其基础上提出了一种用于在多核CPU环境下求解TSP问题的多种群遗传算法,利用接收到的最优个体构建基因库,种群之间通过共享基因库来实现种群间信息的交流.通过对TSP问题求解的数值实验表明:提出的算法提高了求解质量,而且在效率上也具有很大的优势.     

双精英协同进化遗传算法

针对传统遗传算法早熟收敛和收敛速度慢的问题,提出一种双精英协同进化遗传算法(double elite coevolutionary genetic algorithm,简称DECGA).该算法借鉴了精英策略和协同进化的思想,选择两个相异的、高适应度的个体(精英个体)作为进化操作的核心,两个精英个体分别按照不同的评价函数来选择个体,组成各自的进化子种群.两个子种群分别采用不同的进化策略,以平衡算法的勘探和搜索能力.理论分析证明,该算法具有全局收敛性.通过对测试函数的实验,其结果表明,该算法能搜索到几乎所有测试函数的最优解,同时能够有效地保持种群的多样性.与已有算法相比,该算法在收敛速度和搜索全局最优解上都有了较大的改进和提高.     

用分层关联方法求有向图中所有Hamilton回路的算法

首先建立了有向图中初级通路的关联关系,并对初级通路的关联关系进行了分析,得到了关于初级通路关联关系的一些重要结果．然后,对初级通路的关联关系进行了分级分层．在此基础上,设计了求有向图中所有Hamilton回路的算法．该算法利用长度为k的初级通路及其分层关联关系逐步求长度为k＋1的初级通路及其分层关联关系的方法,求得有向图的所有Hamilton回路．通过理论分析可以看到,所设计的算法与已有的求有向图的所有Hamilton回路的算法相比,避免了大量的重复计算,从而降低了算法复杂度,为求解Hamilton回路问题提供了新思路．     

基于聚类和微粒群优化的基因选择新方法

鉴于传统的基因选择方法会选出大量冗余基因从而导致较低的样本预测准确率,提出一种基于聚类和微粒群优化的基因选择算法。首先采用聚类算法将基因分成固定数目的簇;然后,采用极限学习机作为分类器进行簇中的特征基因分类性能评价,得到一个备选基因库;最后,采用基于微粒群优化和极限学习机的缠绕法从备选基因库中选择具有最大分类率、最小数目的基因子集。所选出的基因具有良好的分类性能。在两个公开的微阵列数据集上的实验结果表明,相对于一些经典的方法,新方法能够以较少的基因获得更高的分类性能。     

Existence and construction of Hamiltonian paths and cycles on conforming tetrahedral meshes

This paper addresses the existence and construction of Hamiltonian paths and Hamiltonian cycles on conforming tetrahedral meshes. The paths and cycles are constrained to pass from one tetrahedron to the next one through a vertex. For conforming tetrahedral meshes, under certain conditions which are normally satisfied in finite-element computations, we show that there exists a through-vertex Hamiltonian path between any two tetrahedra. The proof is constructive from which an efficient algorithm for computing Hamiltonian paths and cycles can be directly derived.     

基于动态疫苗库的免疫遗传算法解决车间调度问题

为了求解车间调度这一NP问题,提出了基于动态疫苗库的免疫遗传算法。本算法改变了以往的基于工序的编码方式,采用基于优先权的编码方式,设计了相应的交叉和变异方式。同时,在不断地调整基因库和进行疫苗接种的过程中来判断基因库中基因片段的优劣,以此来不断动态地调整疫苗库,使得更好的疫苗进入疫苗库中,更好地指导种群的进化。仿真实验表明,该算法是高效的。     

The hybrid genetic algorithm with two local optimization strategies for traveling salesman problem

Traveling salesman problem (TSP) is proven to be NP-complete in most cases. The genetic algorithm (GA) is improved with two local optimization strategies for it. The first local optimization strategy is the four vertices and three lines inequality, which is applied to the local Hamiltonian paths to generate the shorter Hamiltonian circuits (HC). After the HCs are adjusted with the inequality, the second local optimization strategy is executed to reverse the local Hamiltonian paths with more than 2 vertices, which also generates the shorter HCs. It is necessary that the two optimization strategies coordinate with each other in the optimization process. The two optimization strategies are operated in two structural programs. The time complexity of the first and second local optimization strategies are O(n) and O(n³), respectively. The two optimization strategies are merged into the traditional GA. The computation results show that the hybrid genetic algorithm (HGA) can find the better approximate solutions than the GA does within an acceptable computation time.     

Homogeneous genetic algorithms

A new type of genetic algorithm (GA) is developed to mitigate one or both of the following two major difficulties that traditional GAs may suffer: (1) when the number of ‘active genes’ needs to be held constant or kept within some prescribed range, and (2) when the set of genes is much larger than the set of active genes of feasible solutions under consideration. These homogeneous GAs use (unordered) sets to represent ‘active genes’ in chromosomes rather than strings, and a correspondingly natural crossover operator is introduced. ‘Homogeneous’ refers to the fact that, in contrast to traditional GAs where pairs of genes that are ‘close’ have better chances of being preserved under crossover, there is no notion of proximity between pairs of genes. Examples are provided that will demonstrate superior performance of these new GAs for some typical problems in which these difficulties arise.     

k元组合的Hamiltonan回路快速搜索算法

通过定义k元组合的方式给出了一个逐步搜索图（有向或元向）的全部Hamiltonan回路的新算法和判定图的哈密顿特性的充要条件。使用该算法可准确地求出Hamiltonan图的全部Hamiltonan回路,不必生成基本回路。     

Evolutionary algorithm for a genetic robot’s personality based on the Myers–Briggs Type Indicator

The genetic robot has many configurable genes that contribute to defining the robot’s personality. The large number of genes allows for a highly complex system, however it becomes increasingly difficult and time-consuming to ensure reliability, variability and consistency for the robot’s personality while manually initializing values for the individual genes. To overcome this difficulty, this paper proposes MBTI-EAGRP. It is a fully autonomic gene-generative algorithm for a genetic robot’s personality in a mobile phone. After grasping the user preferences through MBTI assessment using the neural network algorithm, the evolutionary algorithm generates and evolves a gene pool that customizes the robot’s genome so that it closely matches a simplified set of personality features preferred by the user. Finally, an evaluation procedure for individuals is carried out in a virtual environment using tailored perception scenarios and real MBTI measurements.     

基于EDA算法的机械手最优轨迹

遗传算法在机械手轨迹优化过程中存在一定的缺陷,为了获得较理想的运动轨迹,提出了基于EDA优化算法的机械手运动轨迹优化算法。由于EDA算法中仅使用选择和基因池重组算子,因而常会过早收敛。为了改变这种不足,提出一种改进的EDA算法(IEDA),IEDA算法中使用了小生境技术来保持解的多样性,斌使用簇的方法保存优良个体。通过实验仿真,所得优化轨迹令人满意,且表现出优良特性。     

基于自适应遗传算法的软件测试用例自动生成

在软件测试中,测试成功的关键是快速、高效的生成测试用例.遗传算法是一种通过模拟自然界生物进化过程搜寻最优解的一种算法,算法通过选择、交叉和变异操作引导算法搜索方向,逐步接近全局最优解.传统遗传算法由于具有较好的全局搜索能力,因此被很多科研人员应用于测试用例生成.但遗传算法的固有缺陷"早熟收敛",容易导致算法收敛于局部最优.针对这种情况,提出一种自适应遗传算法,该算法交叉算子和变异算子可根据程序变化自动调整,随后,将改进后的算法应用于一程序的测试用例生成中.测试结果表明该算法在测试用例生成的效率和效果方面优于传统搜索算法和普通改进算法.