基因-表现型的布谷鸟算法求解旅行商问题

布谷鸟搜索（Cuckoo Search,CS）算法在求解连续优化问题时表现出了较好的性能,但现有的CS算法在求解旅行商问题（Traveling Salesman Problem,TSP）时收敛较慢且未能体现Levy飞行的特点,针对这些不足提出了一种新的基因-表现型的布谷鸟算法（Genotype-Phenotype Cuckoo Search,GPCS）,GPCS算法首先赋予每个城市一个整数部分为城市编号的随机小数编码即基因,而此基因所表现的内容由小数和整数共同决定,小数决定城市的访问次序,整数部分代表某个城市,两个部分组合起来构成Levy飞行的邻域空间,最后根据不同的飞行结果选择重定位或替换操作。实验结果表明,GPCS算法优于同类的CS算法,也优于一些其他的群智能算法,特别在求解大规模TSP时其优势更加明显。     

求解多任务调度问题的免疫蚁群算法

提出一种免疫蚁群算法去解决具有约束关系的多任务调度问题.它采用蚁群算法来进化任务调度的优先队列,然后再使用贪婪策略把优先队列映射为一个有效的调度.为抑制早熟停滞现象,算法中使用免疫原理来保持蚁群的多样性.仿真结果表明,本算法在解的质量和算法的执行时间方面都具有较好的性能.