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。     

计算机网络中路由选择的优化研究

为了改进计算机网络的性能，提出了一种改进的并行遗传算法，采用多群体并行进化与自适应地改变遗传参数，对计算机网络中路由选择问题进行了优化，比较了不同算法所得到的链路利用率及网络的平均时延。计算机仿真实验结果表明，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，证明此改进的并行遗传算法是行之有效的。     

基于GPU的并行遗传算法在时频差估计中的应用

互模糊函数可以估计时频差参数,但在弱信号条件下,需要大量采样点才能获得较好的估计结果,面临巨大的计算压力,现有算法大都基于遍历思想进行时频二维搜索,实时性较差。针对此问题,提出基于GPU加速的并行遗传算法进行时频差快速估计,该算法针对互模糊函数的特点,结合GPU设计高速并行的遗传进化架构,通过对适应度函数的并行化计算,选择、交叉、变异的并行化操作,提升算法的执行效率。实验表明,文章设计的GPU加速算法能够带来较大的速度提升,可以快速得到时频差估计结果.     

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.     

一种基于APGA的移动机器人路径规划算法

提出了基于自适应并行遗传算法的移动机器人路径规划算法,其基本思想是结合多种群并行进化及自适应调整控制参数,提高了搜索的范围和效率,缓解了传统遗传算法早熟收敛问题,从而克服了使用单种群遗传算法进行路径规划的不足．实验结果表明了该算法在移动机器人路径规划中的可行性和有效性．     

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。     

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.     

在子集条件约束下的最大熵分布及其应用

介绍了有关熵的概念及计算方法,并将其应用于构建一类新的分布估计算法(EDAs)。该类分布估计算法用基于最大熵估计种群中的模式概率分布和从最大熵分布中抽样取代遗传算法(GA)的交叉和变异,产生新的种群。在该类算法中,二阶连接模式算法由于只使用了连接模式,在解决变量之间相互作用趋向于发生在串中相互靠近的变量之间的一类问题时,比遗传算法更好。     

OFDM系统符号定时估计算法

正交频分调制(OFDM)是一种高效的数据传输技术，具有良好的抗衰落能力，可实现并行传送。但是OFDM对同步误差十分敏感，特别是符号同步误差。传统的MLE算法虽对符号定时估计很有效，但计算复杂度较高。而经改进的MC算法计算复杂度虽降低了，但其估计性能却大大下降。为了降低符号定时估计的计算复杂度和提高估计的性能，在MLE算法的基础上，提出了一个计算复杂性比MLE算法、MC算法都有不同程度降低的新的符号定时估计算法。同时通过Matlab的模拟仿真表明，在信噪比较高时，新的算法定时估计性能更优于MC算法。     

基于Web的选课系统的设计与实现

Web应用程序的开发方法已经从早期的手工作坊式转向基于面向对象的方法设计。应用UML建模可降低系统复杂性,提高系统设计的可重用性和系统的可维护性。对网上选课系统进行了分析和研究,利用UML技术完成系统的分析和设计,并给出具体的实现方法。     

对求解0-1背包问题的混合遗传算法的改进

将启发式搜索算法贪心算法与基本遗传算法相结合构成的混合遗传算法在求解大规模0-1背包问题时．其性能较基本遗传算法和贪心算法都有很大的改善。在这种混合遗传算法的基础上作进一步的改进．使算法性能获得进一步的提高。     

基于遗传算法的结构优化方法

介绍了结构优化的数学模型和遗传算法的改进,同时分别用简单遗传算法和改进的遗传算法对算例进行了计算比较。计算表明,改进的遗传算法能加快收敛速度,提高精度。最后通过编制VC＋＋来实现遗传算法程序,并结合算例对其进行了分析,证明了本程序是正确的。     

基于进化算法的 HFC 网的无源分配网设计

双向 HFC 网是有线电视网络升级改造的趋势, 在建设 HFC 网中遇到的一个问题是同轴无源分配网络的设计, 人工设计很困难, 且不易达到最优效果. 因此, 引入智能进化算法来解决无源同轴分配网络的设计问题, 建立了基于遗传算法和分布估计算法的模型, 并重点对遗传算法进行了讨论. 网络模型以塔楼结构为主进行讨论. 仿真结果显示, 该方法能以较快速度收敛, 得到较为理想的器件参数选择, 有效弥补了现有的辅助设计软件不适应我国复杂楼栋的缺点, 减轻了对有经验设计人员的依赖, 满足了工程要求.     

基于遗传算法的PID参数整定

提出了一种基于遗传算法的PID控制器参数优化设计方法．通过仿真研究和加热炉实验表明遗传算法应用于PID参数整定可提高系统的稳定性和动态特性，与传统的整定方法相比明显地改善了整定的速度和准确度。     

工程网络资源平衡的改进型遗传算法研究

对工程网络资源平衡的遗传算法的缺陷进行了分析,提出了聚类分析优化遗传算法。通过种群优化分类,使搜索半径不断缩小,实现了自适应连续优化搜索,较大提高了网络优化收敛速度、解的精度及全域寻优能力。通过分析和实例验证,表明该算法对大型工程网络具有明显的优越性,是一种可用于工程施工的实用型方法。     

一种全局优化的计算方法——遗传算法

遗传算法是搜索复杂最优解的一种并行计算方法,本简述了遗传算法的基本思想,并介绍了其来源、发展,指出了遗传算法存在的问题。     

混合遗传蚁群算法的改进及在TSP问题中的应用研究

蚁群算法（ACA）与遗传算法（GA）都属于仿生型优化算法,是解决组合优化问题的强有力工具,并都分别成功应用于旅行商问题（TSP）中。本文将两种算法进行融合,并给出了新的融合方式。实验结果表明,新的遗传蚁群混合算法有效地改进了算法的全局收敛性,并加快了收敛速度。     

求解多目标优化问题的分布估计算法

通过对多目标优化方法研究现状的分析,针对多目标优化问题的特点提出一种基于联合正态分布的求解多目标优化问题的分布估计算法。该算法将不同目标函数的自变量作为不同的随机变量,用联合正态分布对扩充的解空间进行估计,并用投影的方式将采样点映射到解空间中。仿真结果表明了该算法的有效性。     

可扩展数据清理软件平台的研究

提出一种可扩展的数据清理软件平台,该软件平台具有开放的规则库和算法库,规则库用来存放清理规则,算法库用来存放清理算法,算法库中包含多种算法,并可对其扩展;通过在规则库中定义清理规则以及从算法库中选择合适的清理算法,可使该软件平台适用于不同的数据源,从而使其具有较强的通用性和适应性;通过多种算法的清理,提高了数据清理的综合效果。最后,通过实例验证了该平台的效果及可行性。