枢纽确定单连接轴－辐网络结构在中国民用航空网络中的应用

轴—辐网络问题是选址领域中已被广泛研究的问题之一，其中包括对中心选址和设计中心网络结构两方面。将轴—辐网络结构应用于中国主—城市民航运输网络结构设计, 介绍单连接轴—辐网络结构的混合整数规划模型。并将几何舍入算法应用于中国民航网络连接问题的计算，从而确定如何以最少的成本组织航空货运。最后给出基于我国2003 年交通统计年鉴提供的航空货运量数据进行计算实验。实验表明，几何舍入算法在求解中国民航轴—辐网络单连接设计中具有很好的计算效果。     

供应链二级分销网络的优化研究

在综合考虑各种费用要素的基础上,提出了供应链二级分销网络优化模型,该模型属于一类选址-分配问题,文章采用遗传算法对其进行求解,从中选出预建立的分销中心,然后采用蚂蚁算法对建立起的二级网络优化运输路线,从而使得总成本更小,文章中用具体的例子进行了仿真,验证了优化模型的正确性和算法的有效性。     

一种求解JOB SHOP问题的新型混合遗传算法

针对一般车间（JOB SHOP）的作业排序问题设计了一种新的混合遗传算法,该算法将遗传算法和启发式方法相结合,利用遗传算法优化每台机器的首工序,并确定每台机器的优先工序,借助仿真,按照启发式方法安排每台机器的后续工序。通过算例比较,表明该算法具有良好的求解性能。     

"选址-路线"问题的建模与算法研究

建立了"选址-路线"问题的数学模型,并且给出了求解问题的启发式算法.该启发式算法是基于改进的Clarke-Wright算法和旅行推销员问题.在账单递送的实际案例中,这种启发式算法,和传统手工方法相比,求解速度更快,同时降低了运作成本,减少了递送时间.     

半径自适应的初始中心点选择K-medoids聚类算法

针对K-medoids(K为中心点)聚类算法对初始聚类中心敏感、聚类结果依赖于初始聚类中心的缺陷,提出一种新的半径自适应的初始中心点选择算法。该算法在每次迭代过程中都重新根据剩余样本点的分布特征计算半径,从而实现动态计算相应样本点的局部方差和领域半径,选取较优的初始聚类中心点,实现良好的聚类效果。采用不同规模的UCI数据集和不同比例随机点的模拟数据集进行测试,利用5个通用的聚类评价指标对性能进行评价。结果表明:本算法性能较同类算法有明显提高。     

初始群体飘移遗传算法在混合整数非线性规划中的应用

本文研究了非线性混合整数规划和遗传算法各自的特点,在此基础上,提出了初始群体飘移的思想、构造了一种求解混合整数非线性规划的新的遗传算法——初始群体飘移遗传算法。数值实验表明:该算法对大范围、多峰、非光滑混合整数非线性规划问题(MINLP)有着较好的全局求解能力,在解的质量、稳定性和收敛速度等方面优于一般的演化算法。     

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。     

基于损毁情景的可靠连通应急设施选址问题

应急设施选址问题是应急管理中的重要问题,在实际应急处置过程中,常常需要设施两两之间的资源调度,同时灾害可能导致已有设施的损毁,造成设施服务的中断,因此,本文同时考虑设施可能的损毁情景以及设施两两之间的调度时间,建立了可靠连通应急设施选址模型,该模型是带有非线性目标函数的0-1整数规划,属于NP-困难问题,基于遗传算法为模型设计了有效的求解方法,并通过算例与经典选址模型进行比较,说明了本文提出的模型与算法在解决应急设施选址决策鲁棒性方面具有一定的应用价值     

混合遗传BP算法在图象识别中的应用

介绍了传统的遗传算法与BP算法，分析了它们各自的不足。提出了一种将BP算法与遗传算法有机结合的混合智能计算方法，并且给出了具体的算法实现流程。将该方法应用于数字图象识别，经过实验表明混合算法优于传统BP算法。     

关于图的面服务型选址问题

本文把只能在图的顶点上选取最优位置的面服务型选址问题推广为可以在整个图上选取最优位置的面服务型选址问题;提出了绝对S-中心和绝对S-中点的概念。本文讨论了S-中心,S-中点与绝对S-中心和绝对S-中点的关系,并分别给出了在树和一般图上寻找绝对S-中心的算法。     

网络效应强度对最优许可决策的影响分析

在古诺双寡头竞争条件下,引入网络效应强度参数,建立三种技术许可最优决策模型,并得出最优决策。将网络效应参数对最优决策中各决策变量的影响进行分析,得出:只要技术创新是激烈的,专利许可方的利润都会随着网络效应强度的增强而增加;无论是在固定转让费许可,还是在混合许可时,只要技术创新是激烈的,专利许可方的固定转让费都会随着网络效应强度的增强而增加;而其对单位转让费的影响在单位许可和混合许可时是不同的。     

HHGA-RBFNN在DGS设计中的应用

将递阶遗传算法和最小二乘法相结合, 构成一种混合递阶遗传算法,用于优化径向基函数神经网络的结构和参数,通过MATLAB仿真实现该算法,并将该神经网络运用于微带缺陷接地结构的神经网络建模之中,实现对微带缺陷接地结构传输系数的仿真.实验结果表明,应用混合递阶遗传算法优化的径向基函数神经网络,具有很高的拟合精度和很好的泛化能力,可以与时域有限差分分析方法结合,辅助微带缺陷接地结构的设计.     

基于遗传算法和禁忌搜索的多用户检测器

利用遗传算法和禁忌搜索的优势,介绍一种嵌入式混合优化算法,提出一种基于嵌入式混合优化算法的多用户检测器。数值结果表明:该方法具有较好的检测性能和合理的计算复杂度。     

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。     

基于变尺度混沌优化策略的混合遗传算法及在神经网络中的应用

讨论了遗传算法优化神经网络连接权的优点及存在的局限性.应用变尺度混沌搜索策略,建立了一种新的混合遗传算法——混沌遗传算法.将改进后的遗传算法结合前馈型神经网络应用于储层油气预测,取得了较好的效果.     

多准则加工车间进度计划的启发式方法及其模拟实现

本文利用优先规则同启发式方法相结合的方法确定工件在机床上的加工顺序。同时考察了静态和动态(随机)加工车间问题,并利用加工车间模拟方法使之更加切合实际情况。     

基于遗传算法的神经网络结构设计

神经网络具有广泛的工程应用前景,但在实际应用中还存在一些困难,如何优化网络结构目前尚无理论指导,应用遗传算法与误差反向传播算法相结合的混合学习过程研究网络结构设计,实例表明通过遗传算法优化网络结构,能够有效地提高网络性能。     

一种并行的遗传／神经网络混合学习算法

提出了一种用于多层前馈神经网络训练的新算法，它把遗传算法与自适应共轭梯度学习算法集成起来。这种并行混合学习算法已经在多指令流多数据流（ＭＩＭＤ）平台实现。通过把该算法用于一个图像识别问题，对它的性能进行了评估。文中还显示了所提出的并行混合神经网络学习算法良好的收敛性。     

一种分级超结构换热器网络综合优化方法及其应用

对分级超结构换热器网络模型的温度计算提出了一种通用的精确解方法,同时得到了显式解析解,并以这一解析解为基础,设计了以遗传算法和模拟退火算法为主,结合最速下降法的混合遗传算法,此外还在算法中引进精英策略和结构变异策略.应用实例的计算结果显示了这一混合遗传算法对于换热器网络的参数和结构都具有良好的搜索能力.     

组播服务节点选择问题的求解算法

为了求解覆盖网络中最优组播服务节点MSN组合问题,提出一种基于混合实数编码的遗传算法(HRCGA)。采用实数编码方式对MSN组合进行编码,利用K-medoids聚类距离算子进行节点相似性度量,并根据MSN的实际特点,构造含有惩罚因子的适应度函数,限制不良个体参与进化。同时,针对标准遗传算法SGA局部搜索能力弱的特点,HRGCA引入个体进化控制策略。理论分析和仿真结果表明,该算法有效克服了传统K-medoids算法易陷入局部极小值、对初始中心选值敏感的问题。通过与传统SGA的仿真结果对比,HRCGA进一步提高了MSN组合全局寻优能力