遗传算法在非线性方程组求解中的应用

本文研究了遗传算法在非线性方程组求解上的应用,分析了其解决此类问题的特性及局限性。     

一个新的求解多峰函数的遗传算法

采用邻域罚函数及变异方法 ,将全局搜索和局部搜索结合起来 ,设计了一种新的遗传算法 ,有效地解决了一类具有多解的多峰函数的求解问题     

一种求解TSP问题的改进遗传算法

TSP问题是一类经典的NP完全组合优化问题，传统的优化方法由于计算复杂性过大而难以求得全局最优解。遗传算法等智能优化算法在求解这类组合优化问题中表现出了强劲的潜力。作者利用遗传算法对TSP问题进行了研究分析，针对几组benchmark数据进行了仿真实验，在实验的基础上探索了遗传算子和遗传参数的优化设计，实验结果证明了遗传算法在解决TSP问题上的可行性和有效性。     

遗传算法求解TSP问题

有效解决TSP问题在实际应用上有很高的价值,而且TSP问题由于其典型性已经成为各种启发式的搜索优化算法的间接比较标准,遗传算法就是一种比较经典的启发式算法。文章介绍了TSP问题和遗传算法的基本原理以及特点;针对解决TSP问题,论述了遗传算法在编码表示和遗传操作算子等方面的应用情况。     

求解协同干扰问题的高效免疫遗传算法

为协同干扰武器目标分配问题建立的数学模型,当问题规模增大时,现有的智能求解算法表现出两点不足,一是所求解质量下降;二是求解速度不可接受。针对该两点不足提出了具有贪婪修复过程的免疫遗传算法,算法设计了通用十进制扩展编码方案、基于免疫的轮盘赌选择算子和贪婪修复算子。仿真实验表明,该算法与现有算法相比具有明显的效率优势,在解决大规模协同干扰武器目标分配问题时不仅解算时间可接受而且所求解质量比同类算法高。     

逻辑方程组分析及其求解方法

逻辑方程组属于逻辑代数的范畴,和线性方程组相仿,它也存在着方程的相关性和独立性以及解的组数等问题。本文先就这些问题给出初步的分析和证明;最后给出一种“降变量方程图”求解逻辑方程组的方法,并附有二例,目的在于解决逻辑方程组所含变量较多时求解困难的问题。     

道路优化的求解算法

本文以遗传算法与神经网络算法为基础,提出了一个求解道路优化问题的解决方案。对路网优化设计实例表明,这一方法求解速度较快并具有较高的计算精度。     

免疫遗传算法的研究及其应用

遗传算法作为一种生物进化计算模型,在优化计算中得到了广泛应用,但其存在的缺陷,影响了其在一些问题求解中的正确性和有效性。将生物免疫算法与遗传算法相结合,提出一种改进的免疫遗传算法（IGA）,并用IGA对PID参数寻优,仿真结果表明：该算法大大提高了控制的动、静态性能。     

用遗传算法优化神经网络权值

神经网络模拟大脑的生理机制,通过大量简单神经元的互连,实现信息的智能自动化处理,但是神经网络权值与结构的设计往往依靠经验获得.遗传算法具有全局搜索问题解的特性,用遗传算法优化神经网络权值,为神经网络的设计和训练提供了新的途径。实验表明,该方法是可行的、有效的.     

遗传算法中交叉操作的两种改进方法

通过分析交叉算子，提出了分别与模拟退火算法以及神经网络相结合的改进型遗传算法，改进型遗传算法的收敛性能远远优于标准遗传算法。     

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。     

水电站(N+M)容错系统优化模型求解的遗传算法

本文根据(N M)容错系统优化模型高度非线性和复杂性的特点，采用具有高效、并行、全局性的遗传算法来实现此类复杂模型的优化求解．针对改进模型的特点。从编码、适应值、复制算子、交叉和变异算子以及控制参数的选取等多方面进行了遗传算法设计；用MATLAB语言实现了遗传算法．求得的结果验证了算法的正确性和有效性；算法性能分析证明了所设计的改进的交叉算子和随遗传代数成正态变化的变异概率等对改善遗传算法的搜索效率具有明显效果．     

基于改进遗传算法的最大类别方差法

本文利用开放式遗传算法的理论对遗传算法进行改进,使种群在开放的环境中进化,增加了种群的多样性.并以最大类别方差法为例,将改进的遗传算法应用到图像的单阈值分割中.通过实验对比,表明改进的遗传算法比传统的最大类别方差法和基本遗传算法有明显的优势,说明了本算法的可行性.     

一种改进的多目标微遗传算法

本文在回顾多目标进化算法发展的基础上,首次引进一种新的交叉算子(多个体交叉)对已有的微遗传算法进行改进,提出了一种多亲微遗传算法(MPMGA).通过理论分析和实验测试中度量距阵值的比较两方面说明,多亲微遗传算法在一定程度上提高了MGA的效率,增加了解群的多样性,使解在Pareto目标域上的分布更加均匀,解的精度也有所提高.     

压裂液滤失的二维数值模拟

结合油藏工程和数值模拟技术,根据压裂施工过程中滤失的压裂液在地层中二维流动和压裂液为非牛顿型流体的实际,建立了非牛顿型压裂液的二维动态滤失模型,用数值方法求解,并将计算结果与一维模型结果进行对比分析。计算表明:仅考虑压裂液垂直于裂缝壁面一维流动所计算的滤失速度会偏小,并且这种差值会因地层渗透性的增加而加大。二维方法由于考虑了压裂液的非牛顿特性和二维流动,其结果也比一维模型更符合现场实际,可以减少压裂施工的风险,提高压裂设计的可靠性。     

一个求解多目标优化问题的排序算法

多目标演化算法的研究热点集中在Pareto最优概念的种群个体的比较与排序、适应值赋值与小生境技术等方面 .基于这一点 ,本文给出了一个排序算法 ,并验证了其有效性 .     

比较诗学与文学发生论

比较诗学与文学发生论的关系可以从世界文学发展的总的逻辑进程来加以考察。比较诗学的发生理论主要包含诗歌、宇宙、听众和诗人四个基本要素。在比较诗学发生和发展的过程中,主要产生过模仿主义理论、实用主义理论、表现主义理论和客观主义理论四大基本理论。以往的研究,大都是从文学的发生出发来探讨诗学的发生。论者认为,比较诗学与文学发生论的关系亦可以从诗学的立场而予以反向的审视。从比较诗学产生发展的角度,考察一般的文学发生论,可以拓宽和加深我们对文学发生论的认识。     

混合学习法前向网络多属性储层参数预测

应用前向网络描述地震属性和储层参数间的非线性映射关系时，经典的误差反向传播算法存在收敛速度慢，易陷入局部极值等诸多不足。研究了融合粒子群优化算法和误差反向传播算法的混合学习法前向网络多属性储层参数预测技术。粒子群优化算法是一种群体随机搜索演化计算技术，具有较快的收敛速度和较强的全局搜寻能力；误差反向传播算法本质上是梯度下降算法，注重局部搜索。混合学习法为两种学习算法交替执行，首先以粒子群优化算法训练网络，当误差能量在规定的迭代次数内不再发生变化时，采用误差反向传播算法实现局部寻优。理论函数逼近测试和实际储层参数预测实验说明了混合学习法具有学习时间短、求解效率高、可靠性强的优点，具有良好的应用前景。