非支配排序遗传算法的改进

NSGA-Ⅱ（Non-dominated Sorting Genetic Algorithm）算法针对多目标优化问题,提出了非劣分类分层,引进拥挤度和拥挤度比较算子,通过精英选择策略,这样可使非劣前沿向Pareto前沿靠近,同时使解集具有更好的多样性。笔者对NSGA-Ⅱ算法的原理进行了系统的学习和研究,结合国内外最新的研究情况,实现了该算法并进行了一些改进,以期获得更好的效果,最后用多目标标准测试函数进行了实验分析。     

文化算法在股票数据建模中的应用

数据预测在金融投资领域占有重要地位,而股票价格是金融数据中最复杂的数据类型之一。本文将文化算法应用于股票指数建立时间序列模型,并且针对股票数据的特点,选择适应股票规律的文化算法模型,并与线性回归算法得到的数据结果进行了对比分析,以此来分析文化算法在该问题应用上的优劣。实验结果表明,利用文化算法模型进行预测取得了较好的结果,其预测精度较高,预测的相对误差在3%以内,涨跌分析正确率在70%以上。     

宏观场景指导下的微观agent人员疏散仿真模型*

现有的微观agent模型难以描述人群分布和人群运动对疏散过程的影响,为此建立宏观场景指导下的微观agent人员疏散仿真模型,并考虑疏散过程中“推挤—穿行”行为的影响。该模型重点模拟了宏观场景中人群分布及“推挤—穿行”对人员疏散的影响。仿真实验表明该模型可以帮助agent选择更合适的疏散路线,并验证了疏散过程中发生“推挤—穿行”将会延长疏散时间,结果比较符合实际,证明了该模型的合理性和适用性。