遗传程序设计(GP)的适应性函数设计

适应性函数是遗传算法和遗传程序设计得以实现的关键因素,是评价个体好坏的定量表述,决定着演化过程中群体选择复制及群体整体性的质量。该文叙述了适应性函数的设计方法,解释各设计方法的原因,并提出根据树型遗传算法的个体特点通过控制适应性函数大小对个体进行奖励惩罚。     

面向算法的遗传算法类库设计

遗传算法个体数据结构复杂,随机性是其基本特性。建立一个标准的、开放的遗传算法类库有利于遗传算法的直接应用和在此基础上进一步扩充。本文提出用面向算法的模式将多种数据结构的遗传算法(二进制编码、实型编码、有序编码、变长串编码、遗传程序设计编码等五种算法)统一建模,实现了数据和算法分离,静态数据和动态数据分离,群体和个体分离。这样的类库设计结构更加清晰,实现了易用性、可扩充性与易调试性的统一,可用于对线性规划、旅行推销员问题、数据回归等问题的求解。     

基于B/S结构的通用遗传算法平台设计与实现*

针对面向算法的遗传算法类库,介绍了基于B/S结构的遗传算法平台设计和实现。并对面向算法的遗传算法类库以及为该类库封装的COM组件的设计进行了全面的描述,它不但较好地解决了传统遗传算法中存在的需要二次开发和移植性差等缺点,而且提高了算法的功能和扩展性。     

优化的IP-DiffServ动态资源定价机制

在参考了美国国家基金会(NSF)的CAREER提出的IP-DiffServ的动态定价机制后,提出了一个以市场和计划为基础的优化动态定价机制.该机制以业务计划和资源规划为基础,从实现用户的最大性能价格比和ISP的最大利益出发实现了对业务类的定价,在计算用户可感觉到的利益时,考虑了负荷因素,从而可以引导业务量按照业务计划有序分布.仿真实验证明了它对NSF CAREER的业务类价值评估公式进行的改进是合理而有效的.