LQ逆问题解的一种有效算法

本文研究了LQ最优控制逆问题解的参数化表示结果和基于这一参数化表示结果的矩阵变换解法。研究的对象是线性时不变离散时间系统。此外,文中还给出了不求解代数矩阵Riccati方程确定系统的最优状态反馈系数矩阵K的方法。     

一种求解TSP问题的离散蝙蝠算法

蝙蝠算法是一种新型的群智能优化算法,在求解连续域优化问题上取得了较好的优化效果,但在离散优化领域的应用较少。研究了求解TSP问题的离散蝙蝠算法,设计了相关操作算子实现算法的离散化,并引入逆序操作使算法跳出局部最优。对TSPLIB标准库中若干经典实例进行测试并与粒子群和遗传算法进行对比分析,结果表明设计的离散蝙蝠算法无论在求解质量还是求解效率上都有明显优势,是一种高效的优化算法。     

车辆路径问题的一种遗传算法求解方法

对车辆路径问题(VRP)进行了描述,通过构造其染色体表达,并对染色体进行可行化影射,建立了此问题的遗传算法.实验结果表明,此算法可以有效求得车辆路径问题的优化解或近似优化解,是求解车辆路径问题的一个较好的方案.     

基于遗传算法求解TSP问题的一种算法

主要研究了用遗传算法求解TSP问题。阐述了简单遗传算法的设计方法、基本原理和基本步骤。描述了简单遗传算法在TSP问题中的应用现状。根据种群个体的多样性和分布情况,提出了判定遗传算法的截止代数。简单遗传算法具有易于陷入局部最优解、收敛速度慢的特点,针对这些特点,通过改进交叉算子,加入初始化启发信息,提高了遗传算法解的精度和收敛性。     

一种求解TSP问题的多种群并行遗传算法

遗传算法是一种基于自然群体遗传机制的有效搜索算法,由于它在搜索空间中同时考虑许多点.减少了收敛于局部极值的可能,也增加了处理的并行性.因此可以利用并行遗传算法研究典型的TSP问题的求解.提出一种有效的多种群并行算法求解旅行商(TSP)问题,应用多种群遗传并行进化的思想,并在种群之间进行遗传信息交流,以解决经典遗传的收敛到局部最优值问题.仿真实验结果表明,方法在解的精度上以及解的质量上优于经典的遗传算法.     

基于遗传算法求解TSP问题的一种新方法

针对基于遗传算法求解TSP的效率问题,提出了一种基于位操作编码技术,并给出了基于位操作的交配、变异等基本操作的实现方法,有效地提高了计算过程中的空间利用率和计算效率。     

一种基于遗传算法求解TSP问题的优化算法

旅行商问题是组合优化的一个经典问题,也是评价算法好坏的一个标准,它要求在给定的一张图中寻找一条哈密尔顿回路,使得该回路在所有的回路中长度最短。然而,该问题是一个NP完全问题,其求解时间会随着问题规模的扩大急剧上升。因此,只能希望在允许的时间内寻求问题的一个较优的解来替代。本文借助生物学的相关理论与思想采用遗传算法对该问题进行求解,最后通过对遗传算法的进一步分析,提出了一种可行的改进算法,达到了获得较优解的目的。     

求解背包问题的一种改进遗传算法

讨论了遗传算法在问题求解中的早熟现象,引进一个参数用以衡量种群中染色体的相似程度,用以增加种群的多样性;在杂交和变异运算过程中,混合了模拟退火思想作为新个体的接受准则;通常的变异算子需要扫描每一个染色体中每一个等位基因,提出一种新的变异方式,大大提高了算法搜索效率。通过实际计算比较表明,该改进遗传算法在背包问题求解中具有很好的收敛性、稳定性和计算效率。     

基于遗传算法求解TSP问题的一种算法

TSP问题是一个经典的NP难度的组合优化问题，遗传算法是求解TSP问题的有效方法之一。利用交换启发交叉算子实现局部搜索加快算法的收敛速度和利用变换变异算子维持群体的多样性防止算法早熟收敛，给出了一种求解TSP问题的遗传算法。仿真实验结果表明了该算法的有效性和可行性。     

一种求解TSP问题的新型遗传算法

TSP问题是一个典型的NP问题,虽然传统遗传算法可以较好的解决此类问题,但是依然存在早熟、收敛速度慢,收敛精度不够等问题.本文分别在种群初始化、交叉、变异3个阶段对算法进行优化,通过多样式的初始化,交叉、变异方法较大的提升了算法的性能.实验结果表明,改进遗传算法在收敛精度和收敛速度上均优于传统遗传算法.     

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。     

混合遗传算法在Job-shop调度问题中的应用

首先建立了Ｊｏｂ－ｓｈｏｐ调度问题的神经网络模型，根据这种模型的特点，提出了求解复杂Ｊｏｂ－ｓｈｏｐ调度问题的混合遗传算法．仿真结果表明了本文方法的有效性，在运行时间和最优率方面具有较好的优势．     

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.     

非线性最小二乘全局解的混合计算智能算法

通过在遗传算法中嵌入牛顿算子，并定义适当的适应度和数据结构，从而得到可结合遗传算法和牛顿法两者长处，既有较快收敛性，又能以较大概率求得非线性最小二乘全局解的混合计算智能算法．数值结果表明了该方法显著优于遗传算法和牛顿法．     

利用LQ逆问题参数化解研究鲁棒控制系统稳定界

研究了具有非线性扰动控制系统鲁棒稳定界的定义、优化等问题,而且分析了鲁棒控制稳定界与Riccati矩阵方程解的关系,给出了基于LQ最优控制逆问题参数化解的极大化鲁棒控制稳定界的优化算法.通过对上述问题的研究,使得约束条件下鲁棒控制系统稳定界与IQ最优控制逆问题的解法相联系.     

遗传算法在操作力问题中的应用

本文首次提出并行机器人工作空间的操作力问题；并针对操作力问题的求解特点，提 出优化模型，将遗传算法用于求解中，得到保守意义下杆的最大出力，算例证明收敛速度很 快，说明将遗传算法用于这个问题中是一个很有效的手段．     

特殊工艺约束下最小完工时间调度问题的新并行遗传算法

针对在特殊工艺约束下非等同并行机最小完工时间调度问题,设计了一个基于向量组编码的新的遗传算法。此算法的编码方法简单,能有效地反映实际调度方案,并能保证交叉和变异后染色体满足约束条件,收敛速度快。同时为更好地适应调度实时性和解决大型企业此类问题的需要,在基于遗传算法自然并行性特点的基础上,实现了主从式控制网络模式下并行遗传算法。仿真结果表明,此算法是有效的,优于普通的遗传算法,具有较高的并行性。     

一种混合局部搜索算法的遗传算法求解旅行商问题

针对遗传算法容易产生早熟现象以及局部寻优能力较差的缺点,提出一种求解旅行商问题的高效混合遗传算法。该算法首先用加权最近邻法产生初始种群,对种群中相同的个体,用K-近邻法产生新的个体代替相同的个体,然后淘汰适应性较差的个体,用交叉操作产生新的个体,最后,对部分个体进行3-opt优化变异,对种群中优秀个体用改进的Lin-Kernighan算法进行优化。对TSPLIB中部分实例的仿真结果表明,所提出的混合局部搜索算法的改进遗传算法在求解TSP问题时可以高效地获得高质量的解。     

基于八方向跟踪算法的迷宫问题新解

本文提出了一个基于八方向跟踪算法的破解迷宫问题的新方法,避免了用深探法或广探法求解迷宫问题的诸多问题,它不仅为计算机的解题提供了一个快捷的算法,而且也为人工或机器人破解提供了一个无需记忆的简便方法。另外,本文还给出了迷宫次佳通路和最佳通路（即捷径）的求解算法;岔道剔除算法和最佳八连通选择算法。本文的所有方法尽管是针对求解单通路迷宫提出采的,但算法对多通路和有环的迷宫也同样有效。     

一种求解图着色问题的蚁群遗传算法

遗传算法在图着色问题上已经得到广泛的应用,但对于顶点数较多的图,使用此类算法进行着色的结果就显得不够理想,运行效率也不够高。由于遗传算法具有全局收敛性,蚁群算法具有局部收敛性,因此,将遗传算法和蚁群搜索算法融合,提出一种新的解决图着色问题的蚁群遗传算法。该算法先利用蚁群算法快速地为遗传算法搜索到较好的初始解,然后利用遗传算法进一步遗传优化,同时在优化解上加强信息素强度,并反馈给蚁群搜索。实验结果表明,改进的算法在解决顶点数较大的图着色问题上有明显的优势。