自适应分层交互式遗传算法及其应用

针对交互式遗传算法存在用户易疲劳问题，提出基于求同算子的自适应分层交互式遗传算法，给出分层的思想、分层时机的选择以及分层方法，分析算法的效率，将其应用于服装设计中，实验结果验证了方法的有效性。     

一种解决TSP的改进遗传算法

旅行推销员问题TSP(Traveling Salesman Problem)问题是组合优化中的经典NP难题,一些典型的遗传算法(GA)在求解TSP问题时的性能并不理想.提出基于"最小邻域接入法"CBMC(Connecting Based on Minimum Circle)思想的改进的遗传算法,并在算法中增加一些控制策略,与其他算法相比,获得了更好的性能和收敛速度.通过用中国33个省会的TSP问题对提出算法进行实验验证,结果证明了改进后的算法在收敛速度和收敛到最优解的概率都优于其他遗传算法.     

交互式遗传算法的机器代替用户方法

如何让无疲劳的计算机代替易疲劳的用户是交互式遗传算法研究的一个重要内容.本文首先研究了机器代替用户的3个基本内容,即,机器代替用户扮演环境角色,对个体进行评价;机器采样和代替用户的时机是进入偏好稳定阶段;机器寻优结果由样本和代替用户策略决定.其次,给出基于基因意义单元"适应值"估计的个体适应值估计方法.最后,通过比较实验验证了本文方法的有效性.     

基于灭绝机制的交互式遗传算法

针对传统交互式遗传算法的早熟收敛和用户易疲劳问题,提出灭绝机制,以减小搜索空间,提高算法性能．利用进化历史信息,辨识并灭绝劣势物种和劣势个体．利用搜索空间划分实现优胜与劣汰相互牵制．给出禁忌域与有效域中个体数目关于进化代数的公式．分析算法性能的参数敏感性．有效搜索空间的快速缩小和较小的最大进化代数估计证明了该算法有较高的性能．实验结果表明该算法的高效率．结果进一步证明了缩小了搜索空间,能有效避免早熟和减轻用户疲劳．     

交互式遗传算法基于用户认知不确定性的定向变异

利用用户认知的不确定性设计定向变异算子．首先，采用主成分分析法辨识用户认知的不确定性；然后，给出用户认知不确定性的区间表示与更新策略；最后，将用户认知的不确定性指导定向变异算子，包括：选择待变异的进化个体，确定变异位置，以及变异方法等．将所提方法应用于人眼图形优化，实验结果验证了该方法的优越性．     

基于搜索空间划分的自主式遗传算法与应用

如何让无疲劳的计算机代替易疲劳的用户是交互式遗传算法研究的一个重要内容.该文给出了基于搜索空间划分的自主式遗传算法.该方法首先利用遗传搜索过程中的历史信息对搜索空间进行划分,以实现在用户未疲劳时避免用户疲劳.当用户疲劳时,由机器代替用户评价进化个体继续进行遗传操作,从而达到减轻用户疲劳的目的.利用此方法进行服装设计的实验结果验证了该方法的有效性.     

交互式Multi-Agent遗传算法

提出一种新的交互式Multi-Agent遗传算法.该算法使固定在网格上的相邻智能体之间进行交叉、变异、死亡与再生操作和最优智能体本身进行自学习,来提高智能体的能量,从而使得算法获得较强的全局收敛能力和局部搜索能力.用户在每代进化中,只需选择感兴趣的个体,而不用评价每个个体的适应值,使得用户的评价操作变得简单易行.函数优化和服装设计的仿真实验表明算法能以较快的进化速度收敛,并使用户总评价次数减少,从而有效缓解用户的疲劳.     

SIMATIC-S7 PLC在造纸精浆机控制系统中的应用

文章主要介绍了大型造纸精浆机控制系统的设计。具体采用增量输出、数字式PID调节器控制算法，结合可编程控制器的应用，实现了该控制系统的各种工艺要求，并对触摸屏的操作功能进行组态，与PLC配合共同完成对系统的动作控制。     

交互式遗传算法基于用户认知不确定性的定向变异

利用用户认知的不确定性设计定向变异算子．首先,采用主成分分析法辨识用户认知的不确定性;然后,给出用户认知不确定性的区间表示与更新策略;最后,将用户认知的不确定性指导定向变异算子,包括：选择待变异的进化个体,确定变异位置,以及变异方法等．将所提方法应用于人眼图形优化,实验结果验证了该方法的优越性．

     

有效改进C5.0算法的方法

处理连续属性离散化是决策树分类方法中C5.0算法在创建决策树时对数据表示空间的简化的一个重要问题,采用合理有效的连续属性离散化方法可以提高创建决策树的分类预测精度.在分析C5.0算法的离散化方法的不足之处后,提出一种改进Chi2算法的方法,能更合理更准确地对连续属性进行离散化,在此基础上创建的决策树具有更好的准确率.实验结果表明,基于改进方法的C5.0算法创建的决策树分类模型具有较高的分类准确率.