基于竞争指数的模拟退火排序选择算子

 提出基于竞争指数的模拟退火排序选择算子.竞争指数是对个体的适应度和编码差异度进行综合评估后产生的一种个体质量评价指标,代表了个体的绝对价值.依据竞争指数对群体及其后代个体进行排序,个体在队列中的位置代表了它的相对重要性.应用模拟退火过程产生个体在队列中的排序位置参数,作为个体相对价值的量化指标.将个体绝对价值和相对价值量化指标的加权平均数作为其生存的概率,这种选择方式可有效控制群体迭代过程的选择压力,保持群体结构的合理.通过对典型函数的优化实验表明,该算子在显著改善进化算法抗早熟能力的同时,可有效提高算法的搜索效率.     

一种新的求解配电网重构问题的免疫遗传算法

针对遗传算法求解配电网重构问题存在的不足,建立了以网损最小为目标函数的配电网重构数学模型,提出了一种新的免疫遗传算法。该算法的关键在于疫苗库的构建和免疫算子的设计。疫苗库可自动建立和更新,免疫算子由接种疫苗和免疫检测组成。另外,采用了基于基本环路的编码方法、高频变异和大选择压的锦标赛选择算子。IEEE 33和IEEE 69系统的仿真测试结果表明：该算法符合配电网重构问题的特点,能有效抑制进化中的退化和波动现象,在确保解的质量的同时,具有很快的收敛速度;与传统遗传算法和相关文献中的同类算法相比,该算法在效率和性能方面具有优越性。     

族群聚类的大配子采样策略*

在族群进化算法中,相对于群体,针对大配子进行族群聚类不仅可以提高族群结构的合理性,而且可以大幅降低族群聚类的计算时间。提出了参数法和排队截取法两类大配子采样策略,并对六个典型测试函数进行了仿真实验。实验结果显示,在对无约束函数的优化中,自适应参数法可产生更有效的大配子群体,能够显著提高EGEA的收敛速度和解的精度。     

改进的基于蜜蜂进化型遗传算法和蚁群系统混合的元件贴装优化

针对PCB板的表面贴装技术(Surface Mount Technology,SMT)优化问题,提出一种基于蜜蜂进化型遗传算法和蚁群系统的混合智能算法(the Hybrid Intelligent Algorithm based on Bee Evolutionary Genetic Algorithm and Ant Colony System,BAHA).该算法的关键有4点:①通过两个种群的融合实现信息共享,提高算法的收敛速度;②采用改进的OX的交叉算子,合理保留优秀个体基因的排列顺序;③加入局部搜索算子,在当代最优解附近进行更加精细的搜索;④信息素重置防止陷入局部最优解.用TSP30问题、eil51问题与相关文献进行对比测试,仿真结果表明BAHA收敛速度快,寻优能力强.通过对5种不同PCB板的元件贴装顺序进行优化计算,结果表明,BAHA能有效的提高贴装效率.     

整流变压器CAD系统

介绍了一套整流变压器CAD系统及春软件所具有的优点,指出了该软件的适用范围。     

数据库的非规范化设计

讨论了在数据库物理设计过程中进行非规范化设计的原因和方法,以及进行非规范化设计后所带的问题和解决方法。     

基于状态节点设计的总线式呼叫中心系统

在分析现行呼叫中心模式与应用现状的基础上,提出并实现了一种基于状态节点设计的总线式架构,并对其运行时间进行了优化控制。该系统采用总线式结构以弥补传统意义上的点对点和中心式的信息集成方式的不足,以有限状态机（FSM）进行节点化设计,规范业务流程,提高了信息集成的可复用性,使得综合组织、规范和合理化企业信息成为可能。实验结果表明,系统实现了与环境的无缝结合,能够应用于特定业务领域。     

基于多级B-C-N-M域子网络故障扩散的复杂配电系统可靠性评估

提出了一种基于多级B-C-N-M域子网络故障扩散的复杂配电系统可靠性评估的模型和算法.根据断路器和分段开关在配电网络中的位置,将整个网络划分为多级B-C-N-M域子网络.利用等值算法计算出各子网络的等效可靠性参数,并依据各子网络的等值故障扩散求得各负荷点及系统的可靠性指标.该模型和算法计及了备用电源、断路器、熔断器及分段开关的影响,计算量比较少,适用于复杂配电系统的可靠性评估.     

知识进化算法研究

传统的进化算法是对生物自然进化过程的模拟,目前人们对它们的研究大多集中在生物自然选择层面上。将知识进化论哲学思想与生物进化理论结合起来,提出了知识进化算法的基本原理和实现途径。知识进化算法的核心思想是建立知识适应度评价函数,利用两个关键算子即传承算子和创新算子,实现知识的进化。将知识进化算法应用于图书馆读者满意度评价的知识规则进化实例中,获得了成功的结果,表明了知识进化算法的可行性和有效性。     

基于粒计算的复杂网络协同进化的研究与分析

针对复杂网络数据量大,与知识存在与/或关系及不易管理等特性,探讨和研究了复杂网络与知识网络之间的关系和演化过程.采用粒商空间理论构建了复杂网络与知识网络协同进化模型,提出了基于粒计算的复杂网络协同进化算法,该方法将双库融合机制及变区域策略应用到协同进化中,较好地解决了复杂网络与知识网互相作用、协同演化等问题.通过实验与比较,验证了此方法的有效性和可行性.