基因表达式编程种群多样性自适应调控算法

为了解决基因表达式编程GEP种群多样性控制问题,提出了一种新的带权种群多样性的自适应调控方法。设计了带权的种群多样性测度方法,详细分析了选择、交叉及变异算子对种群多样性的影响。提出了初始种群的多样化算法DAIP,以保证初始种群多样性的最大化。设计了自适应的交叉和变异算子,提出了种群多样性自适应调控算法APDTA,使种群在进化过程中维持合适的种群多样性,进而提高进化效率。实验验证了APDTA的有效性。     

求解作业车间调度问题的一种自适应遗传算法

针对作业车间调度问题,提出了最小化空闲时间的处理过程及其变异算子,设计了一种自适应遗传算法.该算法根据个体的特征确定交叉和变异次数,并根据种群特征不断修正种群.经典的调度基准问题测试表明:自适应措施能够有效保持种群的多样性,可以采用非常小的种群规模;最小化空闲时间的变异算子缩小了算法的搜索空间,大大提高了搜索效率.     

基于改进遗传算法的多QoS约束网格任务调度

解决好网格环境中多QoS约束条件下的独立任务调度问题是提高网格系统关键技术之一。将该类问题规约为多目标组合问题优化,以NSGA-II算法为基础,通过优化其初始种群的生成算法以及变异算子的更新算法,以期在网格多目标约束条件下寻找到较优任务调度方案。仿真实验表明,该算法的有效性和实用性。     

一种新型入侵检测模型及其检测器生成算法

介绍了一种基于人工免疫原理的入侵检测模型,重点研究了否定选择算法模型中检测器集合的生成算法,提出了新的初始检测器的生成算法,并对算法性能进行了分析。结果表明:该算法模型可以对未知入侵行为和已知入侵行为的变异进行有效的识别。     

基于宗族进行裂变选择的自适应遗传算法

提出了一种改进的自适应遗传算法,在选择算子中引入裂变选择的思想,避免种群中超级个体的出现,维持了种群的多样性。该算法改造了交叉算子和变异算子,提高了算法的收敛速度,避免早熟。同时,提出了在宗族中构造子代种群的思想,提高了算法的寻优效率。仿真函数优化的结果验证了该算法能有效地维持种群的多样性并迅速找到最优解。     

遗传算法参数自适应控制的新方法

根据遗传算法参数自适应控制方法的不同分类,采用基于启发式规则的参数控制方法对遗传算法的种群数进行了宏观调控和微观调控。并采用不同特点的模糊控制器分别控制交叉率和变异率,使种群数、交叉率和变异率都能够随进化的实际情况发生自动调整,形成了一种新的种群数变化的模糊自适应遗传算法。实验数据表明这种算法能够有效防止遗传算法早收敛,同时也说明对参数进行自适应控制能够使遗传算法性能大大提高。     

面向绿色制造的柔性作业车间调度优化

针对面向绿色制造的柔性作业车间调度问题,建立了以完工时间最优、能量消耗和环境影响最小为目标的调度模型,并采用遗传算法对模型进行求解。根据模型特点,采用机器染色体和工序染色体两种编码,并对初始种群的形成机制进行改进,采用精英策略和锦标赛法进行种群选择,两种染色体分别进行交叉和变异操作。最后通过实例对改进的遗传算法进行测试,并与其他方法的测试结果进行比较,验证了该算法的可行性和有效性。     

求解复杂旅行商问题的混合粒子群算法

针对粒子群算法在解决组合优化时存在早熟和易陷入局部最优的问题,提出一种求解旅行商问题( TSP)的混合 粒子群算法。将粒子群算法与遗传算法结合,引入遗传算法中的交叉和变异操作,通过个体极值和群体极值的交叉以及 粒子自身变异的方式增加种群的多样性,避免粒子陷入局部最优,提高算法的局部搜索能力。仿真结果表明,新的混合 粒子群算法在解决TSP问题时具有较好的收敛性及优化效果。     

快速遗传算法研究

提出了一种称为广义自适应遗传算法的快速遗传算法,它首先产生均匀分布的初始种群,其次根据种群模式的状况决定是否引入“高品质”移民,最后自适应地进行交换和变异运算。其搜索性和全局收敛性比现有的许多遣传算法都有明显的改善,并通过仿真说明了该改进遣传算法的有效性。     

一种求解柔性作业车间的改进遗传算法

针对柔性作业车间调度问题的特点,建立了以最小化最大完成时间、总机器负载最小和最大机器负载最小为目标的数学模型,提出一种改进遗传算法求解该问题。采用多种启发式方法提高初始解的质量;设计了并行双链式编码,避免产生非法解,并提出最优插入法的解码方式提高解的质量;采取IPOX交叉与多点交叉,继承父代优秀基因的同时,平衡了算法的全局开发能力;在不同编码层采用多种变异手段维持种群的多样性;通过变邻域搜索强化算法的局部开发能力。最后,通过求解Brandimarte标准算例和与其他算法的对比,从单目标和多目标2个方面验证算法的可行性和有效性。     

蚁群算法在QoS单播路由中的应用研究

QoS路由问题被证明是一个NP-C问题,而传统的路由算法很难有效地解决NP-C问题。该文提出了一种基于蚁群算法、用于解决带宽和时延约束问题的QoS单播路由算法,利用蚁群算法中蚂蚁通过信息素寻找最优路径的机制,并以网络吞吐量和数据报的平均时延等性能为最优的准则,来定义蚂蚁的转移概率、路由表和信息素更新方式,实现基于蚁群算法的路由选择算法.这种算法具有较强全局最优解搜索能力,较强的灵活性,以及潜在的并行性。     

基于模拟退火遗传算法(N+M)容错系统优化模型的求解

本文提出了求解（N＋M）容错系统优化模型的模拟退火遗传算法．该算法在遗传算法的约束条件处理、交叉和变异概率选取、变异个体等环节引入了模拟退火机制，实现了模拟退火和遗传算法的融合，进一步改善算法的搜索能力、搜索效乍和收敛性能，计算结果验证了算法的有效性和正确性。     

在子集条件约束下的最大熵分布及其应用

介绍了有关熵的概念及计算方法,并将其应用于构建一类新的分布估计算法(EDAs)。该类分布估计算法用基于最大熵估计种群中的模式概率分布和从最大熵分布中抽样取代遗传算法(GA)的交叉和变异,产生新的种群。在该类算法中,二阶连接模式算法由于只使用了连接模式,在解决变量之间相互作用趋向于发生在串中相互靠近的变量之间的一类问题时,比遗传算法更好。     

一种基于MPLS业务量工程的选路机制

分析了诸如受限路由等传统QoS路由机制业务震荡现象出现的原因给出了呼叫级QoS路由和分组级QoS路由的概念在此基础上提出了多标签QoS路由机制(MLR)作为一种分组级QoS路由机制多标签QoS路由机制不仅能够从理论上避免业务震荡现象的出现同时由于采用了业务量工程的业务均衡的思想从而提高了全网的业务性能指标仿真的数据结果可以在同时运行实时业务和非实时业务下得到     

关于进化遗传算法的几点改进

分析了进化遗传算法存在的缺陷即当解在边界上时求解精度不高同时变异算子过于复杂实际应用时容易出错提出了新的交叉算子和变异算子计算结果表明新方法成功地解决了进化遗传算法存在的问题且计算效率高     

基于分层图的最少资源碎片AR-RWA算法

提前预留模式是保障网格计算QoS的重要手段,但提前预留引起的资源碎片对资源利用率影响很大。该文分析了当前光网格中支持提前预留RWA算法存在的问题,即没有考虑资源碎片量及其对后来到达业务请求的影响。基于分层图模型,提出了最少资源碎片波长分配算法(即LG-LRF)。该算法将资源碎片作为分层图中波长平面的链路权值,尝试在分层图模型中对路由子问题和波长分配子问题一并解决,较大限度地避免波长连续性限制与资源碎片对后续业务的影响。通过仿真证明了其阻塞率、资源碎片率等性能有一定提高,适合工作于提前预留模式。     

求解作业车间调度问题的多种群改进遗传算法

在求解作业车间调度问题上,针对遗传算法的早熟收敛、对初始种群敏感等不足,提出了多种群改进遗传算法.该算法在进化过程中通过引入具有优良性能的修正种群替换进化种群的较差个体,实现了多种群杂交,以保持种群的多样性,提高了搜索效率.应用实例分析和算法对比证明了改进算法的效果和优越性.