毕达哥拉斯模糊交叉影响集成算子及其决策应用

定义毕达哥拉斯模糊数的交叉影响加法、数乘、乘法及幂运算,提出毕达哥拉斯模糊交叉影响加权平均算子(PFIWA)、毕达哥拉斯模糊交叉影响有序加权平均算子(PFIOWA)、毕达哥拉斯模糊交叉影响加权几何算子(PFIWG)及毕达哥拉斯模糊交叉影响有序加权几何算子(PFIOWG),推导出它们的数学表达式,并研究其性质.提出基于毕达哥拉斯模糊交叉影响集成算子的决策方法,并通过决策实例验证所提出方法的稳定性和有效性.     

遗传算法中交叉算子的改进及其在钢管在线分检系统中的应用

交叉算子是遗传算法中的一个很重要的算子，本文通过对其在搜索寻优计算前期所表现出的近亲交叉问题的分析，解释了其存在的原因，并提出了一种修正算子，最后利用宝山钢铁公司钢管厂的钢管在线分检系统为例证明了该算子的优越性。     

FH-OWA算子及其在模糊多属性决策中的应用

现实中,绝大多数的决策是模糊决策,而决策结果很大程度上取决于聚合算子的选取。为了使信息聚合更加科学合理,研究了H-OWA算子（Heronian ordered weighted averaging operator）。鉴于H-OWA算子的优点和局限性,提出了基于三角模糊数的FH-OWA算子（fuzzy Heronian ordered weighted averaging operator）,并研究了其幂等性、单调性、有界性及交替性。最后,将FH-OWA算子应用于模糊多属性决策中,并与原文献进行了比较和分析,结果表明FH-OWA算子在信息聚合时侧重所有决策者意见的“一致性”,而不是个别专家的权威性。     

遗传算法中的交叉算子的述评

交叉算子是遗传算法中的一种重要算子,对遗传算法中较成熟的交叉算子进行了简单介绍,在此基础上结合文献内容,从理论应用以及作用机理等几个方面对遗传算法中改进的交叉算子进行了分析和讨论,可以发现改进后的交叉算子能在一定程度上克服传统遗传算法的缺点,提高其搜索效率和精度,有效避免过早收敛。进一步提出遗传算法中交叉算子的未来研究方向,为今后遗传算法的应用和发展奠定了基础。     

基于改进的选择算子和交叉算子的遗传算法

为了有效解决遗传算法中收敛速度与局部最优解的矛盾,文中提出了一种具有改进的选择算子和改进的交叉算子的遗传算法。使用文中改进的选择算子,能够增加算法收敛于全局最优解的概率,从而不容易陷入局部最优,也就增加了找到最优解的概率,使用文中改进的交叉算子可以加快算法的收敛速度,从而缩短寻找最优解的时间。实验证明,这两种改进算子的结合能以较快速度收敛于全局最优解,因此能很好地解决遗传算法中收敛速度与局部最优解之间的矛盾。     

三角模糊数直觉模糊Bonferroni平均算子及其应用

针对决策信息为三角模糊数直觉模糊数(TFNIFN)且属性间存在相互关联的多属性群决策(MAGDM)问题,提出了一种基于三角模糊数直觉模糊加权Bonferroni平均(TFNIFWBM)算子的决策方法。首先,基于TFNIFN的运算法则和Bonferroni平均(BM)算子,定义了三角模糊数直觉模糊BM算子和TFNIFWBM算子;然后,研究了这些算子的一些性质,建立基于TFNIFWBM算子的MAGDM模型,结合排序方法进行决策。最后通过MAGDM算例验证了该算子的有效性与可行性。     

基于改进的选择算子和交叉算子的遗传算法

为了有效解决遗传算法中收敛速度与局部最优解的矛盾,文中提出了一种具有改进的选择算子和改进的交叉算子的遗传算法。使用文中改进的选择算子,能够增加算法收敛于全局最优解的概率,从而不容易陷入局部最优,也就增加了找到最优解的概率,使用文中改进的交叉算子可以加快算法的收敛速度,从而缩短寻找最优解的时间。实验证明,这两种改进算子的结合能以较快速度收敛于全局最优解,因此能很好地解决遗传算法中收敛速度与局部最优解之间的矛盾。     

交叉算子的探索能力

文中对遗传算法中常用的交叉算子的搜索能力进行了讨论,综合考虑了交叉算子对染色体的双重作用,给出了染色体在交叉算子作用下数量和分布范围的变化规律,得到了模式变化的极限性能,证明了交叉算子在演化代数增加的时候能够使模式内部各基因趋于独立,并且只要组成模式的各个基因都存在。则该模式一定能够被搜索到,此时模式的极限概率等于组成该模式各基因的初始概率（也就是基因的极限概率）的乘积,并且与模式的定义长度无关,     

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。     

自交叉算子

研究表明交叉算子对染色体具有破坏和重构的双重作用,从而在进化代数增加的时候能够使模式内部各基因趋于独立,并且只要组成模式的各个基因都存在,则该模式一定能够被搜索到,此时模式的极限概率就等于组成该模式各基因的初始概率（也就是基因的极限概率）的乘积,与模式的定义长度无关,在对交叉算子性能深入认识的基础上,我们提出了一种新的交叉算子-自交叉算子,实际的算例显示算法的性能得到明显改善。     

基于遗传算法和语言算子的模糊控制器优化研究

用单片机实现模糊控制策略是一种常用的重要的方法,它是根据误差和误差的变化率隶属度函数表,离线计算得到一张模糊控制查询表,用单片机实现查询功能。该方法应用十分广泛,因此优化离散形式的隶属度函数表具有重要的意义。该文提出了一种优化离散形式的隶属度函数表的新方法:即用遗传算法优化模糊集合中的语气算子H,从而优化离散形式隶属函数表。经优化后的隶属函数更能客观地反映控制对象真实特性,从而达到了优化模糊控制器的目的。文章用一个具体的实例以仿真的形式验证了该方法是正确的、有效的。     

一种新的遗传算法交叉算子及其在GNSS星座选择中的应用

针对全球导航卫星系统（GNSS）星座选择的需要,分析了多星座卫星导航定位系统选星问题的数学描述形式,根据选星问题的实质要求,将选星问题转换为单约束组合优化问题。而在采用遗传算法求解诸如选星求解类组合优化问题时,由于其对1基因（或0基因）的数量有特别的约束要求,已有的一些交叉算子不能满足该约束要求。针对基因数约束条件,提出了一种新的交叉算子——变异交叉,新的交叉算子仅以1基因或0基因为交换对象实现交叉操作来产生原始后代、以变异作为辅助方式来实现后代的合法化。实验结果表明,所提出的交叉算子能有效应用于遗传算法实现多星座卫星导航定位系统选星求解,且运算量较少,可以实现简单、快速求解,满足实时选星要求。     

区间犹豫梯形模糊Bonferroni Mean算子及其应用

结合犹豫模糊集和区间梯形模糊数,提出了区间犹豫梯形模糊集的概念;针对信息集成过程中需要考虑输入变量之间的相互影响,提出了区间犹豫梯形模糊Bonferroni Mean（IVHTrFBM）算子和区间犹豫梯形模糊几何Bonferroni Mean（IVHTrFGBM）算子,并讨论了它们的性质和特例;根据输入变量的重要程度不同,提出了区间犹豫梯形模糊加权Bonferroni Mean（IVHTrFWBM）算子和区间犹豫梯形模糊加权几何Bonferroni Mean（IVHTrFWGBM）算子。最后,提出了基于IVHTrFWBM算子和IVHTrFWGBM算子的区间犹豫梯形模糊多属性决策方法,并通过实例进行验证。     

一种基于模糊遗传神经网络的信息融合技术及其应用

在基于广义模糊加权型推理的模糊神经网络基础上,融合非一致性自适应遗传算法,建立了一种模糊遗传神经网络,并将其应用于科研智能管理专家系统中.实际应用表明了网络模型和算法的有效性,并取得了令人满意的效果.     

嵌套式模糊自适应遗传算法

针对简单遗传算法(SGA)收敛速度慢和早熟收敛现象,将模糊逻辑理论应用于遗传算法,并采用两级嵌套的遗传算法,随主遗传算法GA1求解优化问题的进化进程用模糊控制的方法自适应地调整遗传算法的交叉概率和变异概率;利用另一个遗传算法GA2优化模糊规则库,实现了一种嵌套式模糊自适应遗传算法(NFAGA)。仿真结果表明,这种算法的全局搜索收敛速度和解的质量明显优于SGA和一般的自适应遗传算法(AGA)。     

遗传算子概率在约束优化问题上的自适应探讨

提出两种算子概率自适应方案:基于连续两代间解的收敛状况变化的群体性方案、基于群体代间及当代表现的个性化方案.在带转包受限经济批量问题上,进行了变异概率调整方法的仿真试验,与文献中的其它变异概率调整方案进行了比较.结合试验结果和文献中的相关研究,指出在群体中存在不可行个体情况下,算子概率自适应的调整机理及理论分析仍是一个有待解决的问题.     

基于遗传算法的模糊聚类在高校绩效考核中的应用

介绍了将改进的遗传算法与模糊聚类的分类方法相结合,使其更加适用于成人高校绩效考核问题中。深入研究了绩效考核问题,掌握国内外研究现状,并对绩效考核问题的各要素进行分析建模,进一步构建出模糊聚类的绩效考核模型。     

遗传算法中几种常用的选择算子在C语言中的实现

主要利用C语言编写了遗传算法中几种常见的选择算子,并在一最优化问题上进行了测试。