基于遗传算法的虚拟企业伙伴选择及优化

伙伴选择是组建虚拟企业的关键,运用遗传算法进行伙伴选择是选择优秀伙伴的一种良好的方法.主要介绍了虚拟企业的基本概念,以及虚拟企业中伙伴选择的原则及其影响因素,随后介绍了遗传算法及其解题步骤,最后着重说明了基于遗传算法的虚拟企业伙伴选择的过程及优化模型,并且用事例加以说明.     

基于遗传算法的虚拟企业伙伴选择及优化

伙伴选择是组建虚拟企业的关键,运用遗传算法进行伙伴选择是选择优秀伙伴的一种良好的方法。主要介绍了虚拟企业的基本概念,以及虚拟企业中伙伴选择的原则及其影响因素,随后介绍了遗传算法及其解题步骤,最后着重说明了基于遗传算法的虚拟企业伙伴选择的过程及优化模型,并且用事例加以说明。     

虚拟企业伙伴选择支持系统框架研究

针对虚拟企业伙伴选择问题,应用决策支持系统理论及开发方法,设计了虚拟企业合作伙伴选择支持系统总体框架,并对系统进行了内部结构设计．该系统保证了选择过程的客观性、适用性和操作便利性,为虚拟企业迅速有效地选择合作伙伴提供了强有力的工具．     

虚拟企业伙伴的选择与优化

针对虚拟企业伙伴选择最优化问题,分析了伙伴选择过程中应考虑的因素及应遵循的原则,在此基础上给出了伙伴选择的各种定性和定量方法,并介绍了使用层次分析法以及遗传算法模型进行伙伴选择的方法与过程.     

虚拟企业合作伙伴的选择与双边博弈

给出虚拟企业的概念，从虚拟企业发起人和参与者的角度讨论了发起人的评判策略和参与者的竞选策略，引入信息亲疏系数和双边博弈的概念，对于虚拟企业合作伙伴选择过程进行了分析，得出了发起人和候选人终止选择过程的不同经济条件。     

基于自适应遗传算法的粗糙集属性约简方法

针对遗传算法在全局优化问题中出现的早熟收敛和后期收敛速度较慢的现象,提出了一种基于自适应遗传算法的粗糙集属性约简方法。该算法基于自适应交叉概率算子和变异算子,根据进化代数和群体的适应值,动态调整各个个体的交叉概率和变异概率,优化了各个个体被选择的概率。实验表明,该方法能够明显地改善全局寻优能力,并大大加快了收敛速度。     

基于遗传算法的网络联盟企业伙伴选择问题的研究

为了适应市场竞争的全球化，必须研究新的企业生产模式．网络联盟企业的提出就是一种对传统企业如何适应全球化竞争的研究和尝试．在阐述了组建网络联盟企业中合作伙伴选择过程后，着重探讨基于遗传算法的网络联盟企业伙伴选择的模型和算法．     

一种分阶段的制造网络联盟伙伴选择方法研究

为合理地对大规模网络联盟企业进行合作伙伴的选择,提出了一种分阶段的伙伴选择算法.将伙伴选择过程分成粗选和最后决策两个阶段.在粗选阶段,考虑各子任务之间的约束,利用成本最小原则建立了该问题的数学模型,用遗传算法对所建立的模型进行求解,得到一组解,缩小了选择的范围;在决策阶段,进行综合决策分析,考虑多个影响因子,利用专家的经验从缩小的范围内确定出合适的合作伙伴.该方法利用数学和经验知识解决了大规模的伙伴选择问题.     

基于GA的BOT项目投标伙伴选择模型

选择舍适的投标伙伴组成投标联盟进行BOT项目投标能增加中标的概率、降低投标风险、避免无序竞争。基于此，结合投标联盟伙伴选择决策特点，建立投标伙伴评价模型，提出基于GA算法的BOT项目投标联盟伙伴选择模型，给出了算法设计的详细步骤及算例。算法具有全局寻优能力、快速性和鲁棒性。     

基于遗传算法的粗糙集混合数据属性约简

为了对现实中既含有离散数据又有连续数据,甚至还有模糊数据的决策系统进行属性约简,基于模糊等价关系建立粗糙集模型,用熵来度量粗糙集中的不可分辨能量并定义约简.提出用遗传算法来求解含混合数据的决策系统的约简,论述了适应度函数的选择,给出了算法的具体实现.对经典数据集和UC I机器学习数据库中5个数据库约简的结果证明了算法的有效性和可行性.     

A neurofuzzy system based on rough set theory and genetic algorithm

This paper presents a hybrid soft computing modeling approach for a neurofuzzy system based on rough set theory and the genetic algorithms ( NFRSGA ). The fundamental problem of a neurofuzzy system is that when the input dimension increases, the fuzzy rule base increases exponentially. This leads to a huge infrastructure network which results in slow convergence. To solve this problem, rough set theory is used to obtain the reductive rules, which are used as fuzzy rules of the fuzzy system. The number of rules decrease, and each rule does not need all the conditional attribute values. This results in a reduced, or not fully connected, neural network. The structure of the neural network is relatively small and thus the weights to be trained decrease. The genetic algorithm is used to search the optimal discretization of the continuous attributes. The NFRSGA approach has been applied in the practical application of building a soft sensor model for estimating the freezing point of the light diesel fuel in a Fluid Catalytic Cracking Unit (FCCU) , and satisfying results are obtained.     

敏捷制造中面向盟友选择问题的遗传算法

为解决敏捷制造中组建动态联盟的盟友选择问题,在分析传统盟友选择方法局限性的基础上,设计求解敏捷制造中面向盟友选择问题的遗传算法,建立算法模型,论述遗传算法的个体编码及初始群体产生方法、概率淘汰与轮盘赌相结合的选择方法以及编码循环取值的变异算子设计方法,实例分析验证了算法的稳定性、可靠性及高效的收敛速度.验证结果表明算法能给相关研究提供参考,亦可用于动态联盟盟友选择问题的指导.     

基于粗集理论的数据约减算法及其改进

在分析基于信息系统的粗糙集理论的基础上，详细地描述了一种基于核的约减算法，接着从降低约减算法计算复杂度角度出发，提出度量单个条件属性对系统概念贡献程度的关联度的概念，修改了属性约减算法，并简要计算算法修改前后计算复杂度，实验结果表明，修改后的算法在降低时间复杂度的同时能求出次优属性集约简．     

基于粗糙集移动机器人微种群路径规划算法

针对机器人的路径规划,提出了一种将粗糙集和微种群遗传算法相结合的路径规划算法.该算法采用栅格法划分机器人的工作空间,十进制路径编码方式.在粗糙集生成初始路径的基础上,通过运用微种群遗传算法对这些初始路径进行优化后,得到了一条最优或近似最优路径.在Matlab环境进行的机器人路径规划仿真实验中,笔者用到的微种群遗传算法与一般遗传算法相比,具有优化效果明显,环境适应性强等优点,能够有效地提高机器人路径规划速度,结果表明作者提出的方法是正确和有效的.     

基于自适应多种群遗传算法的特征选择

针对标准遗传算法早熟收敛和局部搜索能力弱的缺点,提出了一种自适应多种群的遗传算法(AMGA),包含了多种群规划模型(MPP)和动态选择操作算法(DSA),应用于特征选择处理,从多维特征集合中寻找最优的特征子集。该方法扩展了搜索空间,自适应地调整多个种群的运行状态,有效地控制早熟收敛,增强了局部搜索能力。最后,将本文方法与标准遗传算法的试验结果进行比较,表明本文算法选择的特征数量较少、分类精度较高,可广泛应用于特征选择领域。     

基于粗糙集图像分层算法的研究

提出了一种基于粗糙集的图像分层新算法,首先从数字图像中提取色彩信息和空间信息构造条件属性集,分析经典的图层信息构造决策属性集,然后运用粗糙集理论进行数据挖掘,从而得到从条件属性集到决策属性集的强规则,运用这些规则对数字图像进行智能分层。最后,用实例证明了该算法的正确性。