遗传算法群体规模的研究

遗传群体规模的选择是使用遗传算法优化计算时的首要问题,直接影响遗传算法全局收敛率和收敛速度等。该文研究二进制和自然数编码遗传算法的群体规模,结合偏好函数和模式定理,利用前向及后向差分方程,得到这2种编码的群体规模下限值,证明其存在性。通过对2个典型多模函数的优化测试,验证所得群体规模理论优化值的有效性。     

群体规模上锯齿波变化的遗传算法研究

实验改变了以往一般遗传算法的群体规模恒定的方法,结合人类进化的发展规律,提出了一种群体规模随遗传代数做锯齿波变化的改进遗传算法UGA,该算法只是使种群规模做上锯齿波的周期性变化,不影响其他操作算子。实验与基本遗传算法SGA对比分析,最终证明了这种改进型遗传算法比基本遗传算法节省时间、降低能耗,能够以极小的花费最终获得更优的效果。     

数据仓库与数据挖掘技术

数据挖掘是一新兴的技术,近年对其研究正在蓬勃开展.本文阐述了数据仓库及数据挖掘的相关概念,做了相应的分析,同时共同探讨了两者共同发展的关系,并对数据仓库与挖掘技术结合应用的发展做了展望.