基于梯度投影法与随机优化算法的约束优化方法

针对带有线性等式和不等式约束的无确定函数形式的约束优化问题,提出一种利用梯度投影法与遗传算法、同时扰动随机逼近等随机算法相结合的优化方法。该方法利用遗传算法进行全局搜索,利用同时扰动随机逼近算法进行局部搜索,算法在每次进化时根据线性约束计算父个体处的梯度投影方向,以产生新个体,从而能够严格保证新个体满足全部约束条件。将上述约束优化算法应用于典型约束优化问题,其仿真结果表明了所提出算法的可行性和收敛性。     

多编组协同任务分配模型及DLS-QGA 算法求解

为解决多智能体编组协同任务分配问题, 定义任务、智能体编组和相关的分配过程变量, 建立以最高任务执行效率为目标的数学模型. 在问题模型中设计考虑资源损耗的编组资源能力更新机制, 提出用于求解该模型的动态列表规划和量子遗传算法的混合任务分配算法, 使用动态列表规划选择处理的任务, 利用量子遗传算法为选定任务分配最合适编组. 最后通过算例表明, 所提出的方法在解决时序逻辑任务分配时能够得到更优更稳定的方案.

     

基于奇偶树型交互学习机与遗传算法的密文优化系统

为使图像加密系统具备优化功能,并解决当前遗传算法无法实现全局最优、收敛速率慢等问题,提出奇偶树型交互学习机耦合全局离散遗传算法的密文优化系统。定义权值更新机制,耦合混沌映射,构造奇偶树型交互学习机及其互扰模型。将切断型轮盘赌择取机制引入均匀交叉算子中,以图像分块的相邻像素相关系数和密文信息熵为目标,根据权重理论设计加权适应度函数,提出一种全局离散遗传算法,最终形成"初始加密-密文优化"的加密结构。实验结果表明,与超混沌算法、离散遗传算法、元胞自动机相比,该系统的加密质量较好,并且具备全局优化功能,可优化所有迭代结果,使最终输出密文的信息熵最大,相关系数最小。     

基于遗传算法的多参数QoS网络路由算法

目前许多应用都有不同的高质量QoS保障需求,但QoS路由问题是一个非常复杂的问题,而且在两条独立的路径之间寻找可行路径是NP难题。同时,高速网络的QoS路由算法必须具有适应性、灵活性和智能性。论文提出了一种基于遗传算法的QoS路由算法,算法中选择两个QoS路由参数进行路由的优化,仿真结果表明该方法比传统的路由算法及单QoS参数的路由算法具有更高的性能。     

基于参数可变遗传算法的炮兵通信网络覆盖控制优化

针对节点高密度部署的炮兵通信网络中优化工作节点集的选取问题,提出一种基于参数可变遗传算法的覆盖控制优化方法。设计了密度检测机制优化初始种群,并设计了即考虑到进化代数对算法影响,又考虑到每代中不同个体适应度对算法作用的自适应交叉概率和变异概率。仿真实验及分析表明,该优化方法快速有效地实现了工作节点数目少、节点集覆盖率高的工作节点集的选取,可有效地降低能耗,延长网络生存时间。     

基于驾驶及路况因子的混合动力汽车能量回收及分配算法

该文研究的算法是以混合动力汽车制动过程作为研究对象。混合动力汽车能量回收在满足动力需求及各个部件性能约束的前提下,尽可能多的降低能源消耗,提高经济效益。文中构基于机械动力、路况以及驾驶行为三个方面,构建基本的因子方程。将制动能量回收这一非线性多目标优化转化为非定标问题,以油耗和排放同时作为优化目标,寻找最宜因子,为动力分配的设定提供参考依据。经过仿真测试表明,基于驾驶及路况银子的制动能量回收策略,能够将经济成本降低15%左右。     

在线考试系统的组卷算法研究

在现代教学活动当中,网络应用也将成为越来越普遍地一个重要的发展趋势。但是,在教学活动中的有一个重要环节就是考试,如何让一些课程的考试在网络中进行却是一个难题。其中,组卷算法更是考试系统能否设计成功的关键所在。自动组卷系统中组卷算法的好坏直接影响到组卷的效率和质量,所以如何选择一个高效、科学、强壮的算法是自动组卷的核心问题。该文详细介绍了目前经常使用的几种组卷算法。     

基于多保留策略的复合型遗传算法及其收敛性分析

遗传算法(GA)作为一种新型的智能优化方法,以其结构简单、适应性强等特点在众多实际领域取得了成功的应用,但存在计算复杂度大、易于局部收敛等方面的不足。本文在分析现有遗传操作的不足和生物进化的基本特征基础上,从提高进化效率的角度出发,提出基于多保留策略的复合型遗传算法(简称MRS-CGA);进而利用Markov链理论和仿真技术,从不同的层面分析了算法的性能。讨论结果表明,算法从本质上推广了常规的GA,在计算效率和收敛性能上均明显地优于常规的GA。     

基于满意度和GA的区间系数多目标规划求解*

在缺乏先验知识的前提下,提出了约束条件的一种满意度,按照遗传算法求解多目标问题的步骤,求出非劣解集;然后根据适应度大小选出最优解;最后算例证明了该算法的有效性和可行性。     

遗传算法理论及其应用研究进展

首先阐述遗传算法的原理和求解问题的一般过程;然后讨论了近年来从遗传算子、控制参数等方面对遗传算法的改进,并对遗传算法在计算机科学与人工智能、自动控制以及组合优化等领域的应用进行陈述;最后评述了遗传算法未来的研究方向和主要研究内容。