用遗传算法解决点状要素的自动注记问题

文章针对点状要素的自动注记问题,提出了一种改进的自适应遗传算法,并详细地分析了它的实现方法和步骤。通过实验求解表明,该方法是解决点状要素自动注记问题的有效方法,很好地解决了点注记的冲突、压盖和位置优先级问题。     

基于遗传算法的文本分类技术

针对常用的文本分类算法参数难以确定的问题,该文引入遗传算法,在编码方案、种群的初始化、适应度函数和停止标准等方面进行优化,得到更好的文本分类结果.通过三种文本分类算法的对比实验,该文提出的算法效果最好.     

PC ARC／INFO地理信息系统汉字注记的探讨

ARC/INFO地理信息系统(GIS)是美国环境系统研究所(ESRI)推出的通用型地理信息系统。在国际上十分流行,已有1万多用户。它有三种类型:一种是用于IBM、VAX、SUN等小型机的;一种是用于工作站的;另一种是适用于微型机的PC ARC/INFO。1990年ESRI向     

遗传算法求解背包问题

遗传算法属于改进式启发算法。实践证明,遗传算法作为现代最优化的手段,它应用于大规模、多峰多态函数、含离散变量等情况下的全局最优化问题是合适的,在求解速度和质量上远超过常规方法,因而是一种高速近似算法。此文介绍如何用遗传算法解决传统的背包问题。     

基于遗传算法及概率论的文本分类算法

本文意在提高文本分类的准确度和速度。利用tf 算法对特征项进行初步赋予权值,再使用屏蔽词对特殊非实 意词进行屏蔽。本文独创概率论分布法,使用L-E 算子进行加权,使得特殊位置与分布广泛的特征项,呈指数形式加权,较优 结果能更快收敛。本文利用遗传算法,采用交叉算子和变异算子,采用适宜的目标函数,加快了检索速度,并有更大概率得到 最优结果。采用混合算法,可以排除同义词和非特征项的干扰。     

应用遗传算法求解排课问题

给出了排课问题的描述和五元组定义.针对排课问题的关键因素,根据遗传算法的特点,设计了排课问题的编码方式,对求解的目标进行了优化,满足了实际应用.     

求解特征值问题的遗传算法

特征值问题是一个在诸多科学与技术领域中有关键应用的重要问题,而已有的传统的方法只能对不同类别情形有不同程度的实现,本文基于遗传算法设计的新算法具有通用性,算法的稳定性也大大提高。     

基于量子遗传算法的文本特征选择方法研究

特征选择方法是文本自动分类中的一项关键技术,提出了一种基于量子遗传算法的文本特征选择新方法,该方法用量子比特对文本向量进行编码,用量子旋转门和量子非门对染色体进行更新,同时,针对信息过滤的特点,对适应度函数进行了改进,充分考虑了特征权值、文本相似度和向量维数等。实验证明,该方法可以极大地降低文本的维数,提高分类的准确率。     

电子地图中动态注记方法的研究实现

本文基于MAPGIS讨论了在GPS汽车导向系统的电子地图中汉字注记的信息缺损,注记压盖,即时显示及平滑浏览时的屏幕闪烁等问题。采用一种快速而实用的方法－再分段求匀注记汉字,来解决信息缺损,注记压盖等问题;采用内存缓冲平滑移动图形策略解决了因地实时移动而出现的屏幕闪烁问题,使地图注记能动态更新,实现了平滑浏览的功能。     

基于遗传算法的指派问题求解

提出了利用遗传算法来解决指派问题．主要将每项任务作为一个基因位。形成染色体。然后借助遗传操作的选择、交叉和变异等操作来对问题进行优化操作。实验结果表明该算法是有效的。     

WebGIS中地图点状要素标注算法设计

提出针对WebGIS的地图点状要素标注算法，该算法适用于WebGIS中基于会话模式的地图浏览服务。首先应用基于规则的静态点状要素标注算法得到在某一比例尺下的初始结果，当用户在地图上浏览并申请服务时，在初始标注结果基础上采用增量标注算法完成用户请求。增量算法大大降低了服务处理开销，从而可以满足大量用户并发申请。该算法已经成功应用于基于位置的信息服务系统中。     

Using Genetic Algorithms for Solving Hard Problems in GIS

Genetic algorithms (GAs) are powerful combinatorial optimizers that are able to find close-to-optimal solutions for difficult problems by applying the paradigm of adaptation through Darwinian evolution. We describe a framework for GAs capable of solving certain optimization problems encountered in geographical information systems (GISs). The framework is especially suited for geographical problems since it is able to exploit their geometrical structure with a novel operator called the geometrically local optimizer. Three such problems are presented as case studies: map labeling, generalization while preserving structure, and line simplification. Experiments show that the GAs give good results and are flexible as well.     

遗传布局算法

VLSI门阵列模式布局是一类NP完全问题，传统的分析、研究方法和求解策略不能提供优化布局。文中将遗传算法应用于门阵列模式布局，提出了遗传布局算法，设计了相应的选择函数、交叉算子和变异算子，使布局的构形更趋合理。模拟结果表明，应用遗传布局算法能在较短的时间内提供优化解，为解决大规模、复杂的布局问题提供了广阔的前景。     

Tabu Search Heuristic for Point-Feature Cartographic Label Placement

The generation of better label placement configurations in maps is a problem that comes up in automated cartographic production. The objective of a good label placement is to display the geographic position of the features with their corresponding label in a clear and harmonious fashion, following accepted cartographic conventions. In this work, we have approached this problem from a combinatorial optimization point of view, and our research consisted of the evaluation of the tabu search (TS) heuristic applied to cartographic label placement. When compared, in real and random test cases, with techniques such as simulated annealing and genetic algorithm (GA), TS has proven to be an efficient choice, with the best performance in quality. We concluded that TS is a recommended method to solve cartographic label placement problem of point features, due to its simplicity, practicality, efficiency and good performance along with its ability to generate quality solutions in acceptable computational time.     

混沌在遗传算法中的应用

通过对由差分方程生成的混沌序列的分析,利用混沌序列内在的伪随机性,将混沌引入到遗传算法的初始种群的生成、交叉算子、变异算子中,由此得到了混沌遗传优化算法。该算法在克服基本遗传算法中的早熟收敛方面显示了有效性,对大多数检测函数的检测结果表明,算法令人满意。     

遗传布局中的交叉算子

针对遗传算法解决门阵列模式的布局问题时,传统的遗传交叉算子操作后出现了不可行的布局方案,因而寻找了3个新的交叉算子来避免产生这种冲突,通过实例对这3个算子的优越性进行了比较。     

基于遗传算法的控制系统的系统辨识

研究了自动控制系统的系统辨识，并给出了基于遗传算法辨识系统的结构参数的各个要素和软件实现。     

实值多种群遗传算法求解动态规划问题

研究利用遗传算法求解动态规划问题.实验采用实值多种群遗传算法,绕过复杂的数学推导,求解推车系统的最优控制序列u*(k).在遗传算法迭代过程中,染色体采用实值编码、多种群、多目标并行搜索,并利用留优策略加速搜索收敛速度,求解得最优控制序列u*(k).计算的目标函数值和数学解析解极值完全一致,证明了该方法的准确、高效.     

遗传算法的性能分析

以几个典型的函数优化问题为例,比较,分析几种不同策略下遗传算法的全局收敛性及收敛速度,发现了以往理论分析与实际问题之间的不一致,提出以寻找最优解或最优解组的角度衡量算法收敛性能的观点及标准,定义了一个更为直观地反映算法收敛过程的测度函数及部分在线特性。     

基于遗传算法的任务分配问题求解

分布式计算系统中的一个根本问题是任务模块在处理器上的合理分配,以使总费用最小。针对随机试探法对初始条件敏感的不足,本文利用改进的遗传算法,通过设计合理的遗传算子寻求该任务分配问题的最优解。实验结果表明,本文的方法对初始条件不敏感,对具有不同拓扑结构的一致性及非一致性任务分配问题,其平均总费用降低约２％ ,此外,在大多数情况下也能使完成费用降低。