信息不完全确定的区域产品模糊区间聚类方法

区域产品分类与选择是区域经济发展中最重要和最基础的工作.在产品选择与分类时,需要确定指标权系数和分类阈值等参数,这在实际应用中是比较困难的.针对这种情况,提出了一种信息不完全确定的区域产品模糊区间聚类方法.该方法构建了指标权系数信息不完全确定的最优模糊区间聚类模型,利用遗传算法和改进的FCM算法联合求解所得优化模型,得到指标权系数、最优聚类中心和最优划分,进而确定各产品所属类别.最后将该方法应用于某区域的产品分类和主导产品的确定中,实例计算说明该方法的可行性和有效性.     

动态联盟中伙伴选择问题的区间规划模型及其求解

伙伴选择和风险管理是动态联盟中的重要决策问题,当考虑失败风险时,失败概率无法给出精确值,因此,考虑采用不确定性规划描述此类问题.提出动态联盟中伙伴选择问题的区间规划模型,模型中用区间数表示联盟伙伴的失败概率.为了求解该模型,引入序关系,并利用Nakahara和Ishibuchi的定理,将区间规划模型转化为等价的清晰双目标模型.设计带自适应适值函数的遗传算法,求出问题的全部非劣解.经过对多个问题的仿真,证明了算法的有效性.     

基于两阶段优化算法的神经网络预测模型

采用基于两阶段优化算法(multi-stage optimization approach,MSOA)的GA人工神经网络,将训练集分为两部分,在前一训练集训练后获得的网络基础上使用后一训练集进行进一步的训练获得更为优化的网络结构.针对复杂系统建模输入节点难以确定的问题,提出将其与自组织数据挖掘算法相结合,利用GMDH算法获得神经网络的初始化节点,使用训练好的神经网络模型进行预测.将由此建立的预测模型应用于粮食价格的预测,并进一步探讨了MSOA算法的收敛性问题.结果表明基于GMDH和MSOA的神经网络组合预测模型能较大提高神经网络的全局收敛能力和收敛速度,提高预测精度.     

工程建设项目多目标综合优化研究

本文利用多目标优化理论、多属性效用函数理论建立了工程建设项目工期,成本和质量的综合均衡优化模型,并在网络计划技术的基础上,使用遗传算法对模型进行求解,可以得到最满意的决策方案和多个近似满意的备选方案,作为工程建设项目的控制目标.并应用实际案例,对模型的可行性和实用性进行了验证.     

测试实数编码遗传算法的困难度

分析了遗传算法困难度测试在遗传算法研究中的重要意义. 鉴于当前这方面的研究集 中于二进制编码遗传算法,对实数编码遗传算法的困难度测试进行了分析. 探讨了实数编码遗 传算法困难度分析的适应值与距离相关系数测试法与基于随机游走模型的相关函数测试法, 提出了最佳一阶函数逼近测试法,做了大量实验,并根据实证分析结果对三种方法进行了比较 与评价.     

遗传算法优化神经网络及信用评价研究

研究关于公司神经网络信用评估问题的现状,提出遗传算法辅助网络训练策略(优化后的网络称为进化网络),克服传统网络建模中产生的局部极小缺陷。建立了适合于我国商业企业的信用评分指标体系;然后依据该指标体系建立了基于进化神经网络的信用评估模型;最后,利用样本公司实际指标数据对该模型的评分效果进行了比较研究。     

带有(2,3)转换规则的VSSI 控制图的经济设计

文章在已有VSSI 控制图基础上,增加了(2,3)转换规则,构建了相对应的控制图经济模型,给出了相应的费用函数。运用马尔可夫链方法推导出ATS、AATS、ANSS、ANOS的表达式。针对具体实例,运用遗传算法搜索了经济设计的最优解,与现有的VSSI 控制图进行了比较分析,结果表明(2,3)VSSI 控制图可以显著缩短报警时间,节约生产费用。     

应急物资储备库多级覆盖选址模型的构建

文章针对现有设施选址理论存在的局限性,提出了应急物资储备库多级最大覆盖选址模型。首先基于"备用覆盖"和"部分覆盖"思想,建立应急物资储备库多级覆盖选址模型,运用遗传算法对模型求解;然后以一个算例对算法进行验证,分析了算法的有效性。     

考虑异质性行为的灾后应急物资动态调度优化

在以人道主义为本的应急救援活动中，不可忽视被救灾民和施救决策者们异质性行为的影响。一方面，将各灾民因救援物资需求未被及时满足而呈现的差异化心理痛苦度量成经济损失，并纳入应急救援调度的社会成本这一决策目标中；另一方面，在灾后物资调度决策中，关注具有异质性偏好的各应急决策者所展现出的不同救援态度。结合面向联合机会约束规划的动态供需平衡限制，最终构建一个考虑灾民和决策者们异质性行为的多阶段灾后救援物资分配和应急路径优化模型。采用2008年汶川地震为案例背景，应用遗传算法对模型求解和参数分析，将仿真结果与不考虑异质性行为的传统救援调度方案进行比较，得出一些结论为构建高效的应急救援体系提供有益参考。     

遗传算法在桥梁有限元模型修正中的应用

遗传算法是一种模拟自然选择和遗传机制的优化算法,在自动控制、图像处理等方面有着广泛的应用,本文将遗传算法应用于桥梁有限元模型修正,并与L-M算法的优化结果进行对比,二者优化结果基本一致,并总结出遗传算法与L-M算法在桥梁有限元模型修正中的优缺点。