基于强化学习的多策略选择遗传算法

为解决传统遗传算法早熟收敛和收敛速度慢的问题,提出一种基于强化学习的多策略选择遗传算法MPSGA。通过使用不同的选择策略将整个种群划分为3个子种群并分别进化,能提高种群的多样性,有效避免遗传算法的早熟收敛问题。将种群的多样性和算法的运行机制相结合,根据种群多样性的变化运用强化学习算法动态地优化各子种群间的比例参数,从而将种群多样性保持在合适的范围,一定程度上解决了收敛速度和全局收敛性之间的矛盾。实验结果表明,该算法在收敛精度和搜索效率上都表现出较好的性能。     

基于云遗传算法的图像相关匹配

针对图像相关匹配计算量大的问题,提出基于云遗传算法的图像相关匹配方法。考虑到图像平均量的存在会增加匹配的难度,对传统归一化相关测度进行修正。为寻找最佳匹配点,将修正后的相关测度作为适应度函数,采用云遗传算法进行寻优。由于云遗传算法具有收敛速度快、局部寻优能力强和不易产生早熟现象等优点,新方法的匹配精度和速度都得到提高,且抗噪声能力强。仿真实验结果表明,新方法对无噪声和有噪声图像都能实现高精度匹配,在匹配精度和速度上优于基于自适应遗传算法的匹配方法。     

基于改进混合蛙跳算法的网格任务调度策略

针对网格任务调度问题,提出一种基于改进混合蛙跳算法的网格任务调度策略。通过引入遗传算子增加对局部极值的扰动,以避免陷入局部最优,同时借鉴粒子群优化算法中粒子飞行经验,对青蛙移动策略进行优化。实验结果表明,该策略高效合理,能够缩减执行任务的时间跨度,并提高最优解的质量。     

基于RESTFUL服务的分布式遗传算法

根据REST及RESTFUL服务特点,构建一种基于REST的遗传算法。设计服务计算系统,采用主子2种独立的服务实现分布式遗传进化,利用PUT谓词及POX数据格式进行服务互调,以实现RESTFUL服务下的遗传组卷算法。实验结果表明,该算法具有较高的运行效率。     

基于线性规划和遗传–粒子群算法的烧结配料多目标综合优化方法

针对钢铁企业二次配料工艺,本文采用将硫含量折算为可比成本,兼顾节能减排目标和配料成本,建立了二次配料多目标优化模型;提出了一种基于线性规划和遗传–粒子群算法（GA–PSO）的钢铁烧结配料优化方法.首先采用线性规划算法进行求解,若线性规划方法无法求得最优解,则采用GA–PSO算法进行搜索.该方法应用于某钢铁企业360m2生产线的＂配料优化与决策支持系统＂中,实际运行结果表明,该算法在保证烧结矿质量的前提下,能够有效地减少二氧化硫排放,降低配料成本.     

A novel ACO–GA hybrid algorithm for feature selection in protein function prediction

Protein function prediction is an important problem in functional genomics. Typically, protein sequences are represented by feature vectors. A major problem of protein datasets that increase the complexity of classification models is their large number of features. Feature selection (FS) techniques are used to deal with this high dimensional space of features. In this paper, we propose a novel feature selection algorithm that combines genetic algorithms (GA) and ant colony optimization (ACO) for faster and better search capability. The hybrid algorithm makes use of advantages of both ACO and GA methods. Proposed algorithm is easily implemented and because of use of a simple classifier in that, its computational complexity is very low. The performance of proposed algorithm is compared to the performance of two prominent population-based algorithms, ACO and genetic algorithms. Experimentation is carried out using two challenging biological datasets, involving the hierarchical functional classification of GPCRs and enzymes. The criteria used for comparison are maximizing predictive accuracy, and finding the smallest subset of features. The results of experiments indicate the superiority of proposed algorithm.     

基于亲缘选择的遗传算法

针对传统遗传算法容易陷入局部最优解的缺陷,借鉴生物中亲缘选择的思想,提出基于亲缘选择的遗传算法。该算法构造新选择算子,通过按亲缘关系放弃一个解而获得另一个解来保证算法在最优解的领域内的有效搜索,提高遗传算法对全局最优解的搜索能力和收敛速度。仿真结果表明,该算法正确有效,性能优于现有的传统算法。     

基于信息熵多种群遗传算法的组播路由

针对网络信息不确定性和链路负载不均匀所造成的网络拥塞,提出基于信息熵的组播路由算法。该遗传算法从最小代价树开始,在多种群中不断选择信息熵较大的种群,以求得满足延时要求且路径负载较小的组播树。结果表明,该算法性能快速、有效地构造最小时延组播树,且保证网络负载均衡分布。     

基于遗传禁忌算法的贝叶斯网边定向方法

针对贝叶斯网边定向过程中存在的问题,提出一种基于遗传禁忌算法的贝叶斯网边定向方法,该方法将禁忌搜索的＂多样化＂引入遗传算法的交叉算子和变异算子中,生成禁忌交叉算子和禁忌变异算子,并对航班离港延误骨架模型进行定向,仿真实验结果表明,该方法是有效可行的。