关联规则挖掘算法在股票预测中的应用研究——基于遗传网络规划的方法

将遗传网络规划用于解决数据挖掘中的关联规则问题。相对于传统的关联规则挖掘算法,基于遗传网络规划的方法通过其中的遗传算子能够以递增的方式发现关联规则,从而避免了传统方法需要将全部数据库遍历才能得到规则的局限性。通过将要挖掘的关联规则定义为事务间的关联规则,以解决股票市场中的价格预测问题。     

基于免疫遗传算法的物流配送车辆路径优化问题研究

物流配送车辆的优化调度问题是近年来物流研究中的一个热点也是一个难点,传统的优化方法往往难以解决这类问题.本文提出一种新型免疫遗传算法进行物流配送车辆路径问题的优化规划.在遗传进化过程中,借鉴生物免疫机制对每个种群的染色体进行免疫算子操作,这些算子包括接种疫苗、各基因座多样性调整以及免疫选择.以运输费用最小为优化目标建立了物流配送车辆路径优化问题的数学模型,利用免疫遗传算法求得优化解,并通过具体实例以及免疫遗传算法与标准遗传算法运算结果的比较,验证了本文免疫遗传算法的有效性和优越性.     

基于自适应免疫遗传算法的企业信息系统适应性优化研究

为了提高企业信息系统的适应性,研究了企业信息系统的适应性优化问题.首先,建立了企业信息系统适应性的指标体系,并基于企业信息系统的形式化表达方法——对象知识网(Object-based Knowledge Mesh),给出了适应性指标的量化方法;其次,建立了企业信息系统适应性的优化模型,并给出了模型的优化算法——自适应免疫遗传算法;最后以销售处理流程为例说明了企业信息系统的适应性指标、优化模型以及算法的应用,验证了其有效性,为提升企业信息系统的适应性奠定基础.     

Improving Decision Effectiveness of Artificial Neural Networks: A Modified Genetic Algorithm Approach

This study proposes the use of a modified genetic algorithm (MGA), a global search technique, as a training method to improve generalizability and to identify relevant inputs in a neural network (NN) model. Generalizability refers to the NN model's ability to perform well on exemplars (observations) that were not used during training (out‐of‐sample); improved generalizability enhances NN's acceptability as a valid decision‐support tool. The MGA improves generalizability by setting unnecessary weights (or connections) to zero and by eliminating these weights. Because the eliminated weights have no further impact on the training (in‐sample or out‐of‐sample data), the relevant variables can be identified from the model. By eliminating unnecessary weights, the MGA is able to search and find a parsimonious model that generalizes well. Unlike the traditional NN, the MGA identifies the model variables that contribute to an outcome, helping decision makers to rationalize output and accept results with greater confidence. The study uses real‐life data to demonstrate the use of MGA.     

一类两层规划问题模糊满意解的遗传算法

在现有两层规划问题求解方法的基础上,提出用浮点数编码的遗传算法求解该问题模糊满意解的新方法．这种方法每次提供给决策者一组近似最优解,通过决策者的比较、评价和选择,在交互过程中得到各决策者都满意的解．该方法不仅可以给决策者提供更多的决策环境信息,而且可以适应决策者偏好的变化,使得决策过程更合理,更符合人的认识过程．     

资源约束下多项目调度的改进遗传算法

针对资源约束下的多项目调度问题,在前人提出的有效的启发式算法研究路径基础上,本文利用遗传算法,结合进度生成机制,提出了多项目调度的改进遗传算法。与其他多项目调度启发式算法相比,该算法在平均项目延迟和最佳解比例方面都表现较好,综合利用优化后的优先规则也使得该算法更适用于不同网络复杂度和不同资源约束程度的多项目调度问题中。     

具有批量折扣的供应物流网络优化遗传算法研究

针对具有批量折扣和转运的供应链优化问题的特征,提出供应物流网络概念及其优化参数:节点、线路和流量;根据包括采购和物流的供应总成本函数最小化,建立供应物流网络优化问题的数学模型;设计此类优化问题的遗传算法,通过仿真算例,说明和验证遗传算法对该问题具有很好的可行性和实用性.     

基于遗传算法的企业信息化建设

本文首先介绍遗传算法的定义和内容,分析了企业信息化指标体系和企业信息化措施;其次建立了企业信息化建设的教学模型;然后运用遗传算法对数学模型进行分析、求解;最后举例说明遗传算法在企业信息化建设决策中的合理性.并指出了遗传算法在应用中的不足之处.     

炼钢连铸生产调度问题的两阶段遗传算法

将炼钢连铸生产过程抽象为混合流水车间,建立了0-1型混合整数线性规划调度模型。模型将严格连续浇注作为等式约束,并通过分段惩罚来平衡炉次的驻留时间。在对模型进行Benders分解的基础上,提出了将GA与LP结合的两阶段遗传算法。在算法设计中,提出了一种新的染色体编码来表示炉次设备指派与排序方案,给出了相应的遗传操作方法。算法的第一阶段通过最小化设备析取冲突来寻找高质量的种群,第二阶段通过求解线性规划模型来指导遗传算法的迭代过程。基于生产实际数据的仿真实验表明,该算法能够有效求解炼钢连铸生产调度问题。     

基于遗传算法的装备采购决策优化研究

在装备采购中,由于需求单位地域分布和担负的任务各不相同,对装备的品种、数量、时限要求也就不一样,如何使装备采购科学化、合理化,是一个涉及多变量、多目标的复杂系统问题。在综合考虑装备采购各项因素的基础上,构建多约束条件下的多目标模糊指派模型,提出了基于遗传算法的解决方案,最后通过案例进行仿真实验,验证该算法的可行性和有效性,解决了采用传统优化方法难以解决的装备采购优化决策问题。     

Genetic Algorithm for Graph Coloring: Exploration of Galinier and Hao's Algorithm

This paper examines the best current algorithm for solving the Chromatic Number Problem, due to Galinier and Hao (Journal of Combinatorial Optimization, vol. 3, no. 4, pp. 379–397, 1999). The algorithm combines a Genetic Algorithm with Tabu Search. We show that the algorithm remains powerful even if the Tabu Search component is eliminated, and explore the reasons for its success where other Genetic Algorithms have failed. In addition we propose a generalized algorithm for the Frequency Assignment Problem.