考虑弹流润滑的圆柱滚子轴承多目标智能优化设计

基于弹性流体动力润滑理论,以额定动载荷最大和膜厚比最大为目标函数,通过对圆柱滚子轴承多目标优化数学模型的研究,应用退火罚函数方法将其转化为无约束单目标优化问题.采用遗传算法求解含连续及离散变量的优化设计问题,同时针对遗传算法的局限性,采用了实数编码,调整了适应函数,设计了基于确定性准则的杂交算子和变异算子,借鉴了优解保留策略,结合模拟退火算法,形成了遗传模拟退火算法,该算法发挥了模拟退火与遗传算法各自的特点.算例表明了该优化方法的有效性.     

基于混合算法的编组站到发线模型算法研究

本文分析了编组站到发线占用特性,在前人对于到发线运用建模的基础上,建立更适合于编组站到发线的运用模型。由于到发线的安排属于NPC问题,本文综合遗传算法与模拟退火算法的优点对该模型进行求解,采用混合算法——模拟退火遗传算法（SAGA）,来提高运行效率和解的质量,并在目标函数上以及在约束条件上提出新的理论,引入惩罚因子以加快算法模型的收敛。丈中阐述了该算法的具体实现过程,并通过模拟仿真对算法进行了验证,结果表明该模型算法是可靠和有效的。     

一种改进的遗传模拟退火算法及其在QoS多播路由中的应用

描述了多QoS约束的多播路由问题的网络模型，针对遗传算法GA和模拟退火算法SA的优缺点，提出了一种混合遗传模拟退火算法MGASA．并将该算法应用于求解多QoS约束的多播路由选择问题，经仿真实验验证，MGASA算法优于普通的GA和SA算法．     

一种多车型多货物配装问题的模型与算法

针对大型配货中心的配装问题,在货车容积和载重的约束条件下,建立了一种多车型多货物配装问题的数学模型.同时引入退火单亲遗传算法求解此模型,在遗传算法中引入启发式策略和模拟退火选择操作,克服了传统遗传算法搜索能力差,收敛速度慢的缺点.试验结果表明：算法在求解配装问题时是有效的.     

基于模拟退火遗传算法的内河港口船舶进出港调度方法

综合考虑基于模拟退火遗传算法的内河港口进出港调度方法，充分发挥两种算法的优势，增强模型的全局搜索能力。构建模拟遗传退火算法模型，利用船舶调动的规则，对遗传算法中的交叉算子和变异算子进行了优化。通过港口的船舶潮汐数据和泊位情况，对模型进行验证，实验结果证明，该模型可以较好的完成船舶进出港调度的任务。将该算法与其他算法进行对比，分别考虑调度船舶数量分别为20艘、30艘和40艘的情况。实验结果证明，该算法具有较好的收敛能力，在船舶的总体等待时间方面，优于其他常用调度算法和其他遗传算法。     

随机需求下公交网络设计的期望值模型与求解算法研究

科学规划公交系统是解决城市交通拥挤问题的有效手段,公交网络设计问题更是公交体系规划的重点与难点。公交需求作为公交网络设计的输入条件,在现实中具有不确定性。鉴于此,假设不确定乘客需求具有随机特性,来研究随机需求下公交网络设计问题的优化方法。以乘客成本与运营成本最小化为优化目标,构建了多目标规划的期望值模型。将遗传算法与模拟退火算法相结合,设计了求解模型的遗传模拟退火算法。最后,通过算例验证了提出的模型与算法的有效性。     

零担货物序贯装箱优化问题的遗传模拟退火算法

从缩小搜索区域，增强算法的收敛性以及缩短计算时间的角度出发，提出将模拟退火思想引入遗传算法，应用遗传模拟退火算法（GSAA）求解零担货物在集装箱中的序贯装箱优化问题，阐明了该算法的具体实现过程，包括问题编码，适应函数值计算，遗传操作，领域选择以及降温方法等内容，并通过实际数值计算表明该算法优于传统的计算方法。     

城市交通连续平衡网络设计问题的GASA混合算法

通过建立城市交通连续平衡网络设计问题的双层规划模型,提出的一种基于遗传算法和模拟退火算法的GASA混合算法,经实例验证其与单一算法相比,具有较高的精确度,且最优解的性能指标有很大改善,在解决大型网络设计问题方面具有明显优势。     

循环甩挂运输网络下的集装箱牵引车调度优化

基于集装箱甩挂运输循环式网络,建立甩挂运输牵引车调度优化模型,并设计基于启发式规则的改进遗传算法对该模型进行求解。运用算例验证了模型和算法的有效性和可行性,通过对比发现,设计的结合启发式规则改进的遗传算法解的质量优于模拟退火算法,牵引车完成所有任务的效率提高了5.54%,而且收敛速度很快,得出的解质量较高,对甩挂运输实际调度作业具有一定的参考价值。     

基于铁路客票价格问题的混合优化策略算法

混合智能算法和双层规划模型在城市交通领域已得到了广泛的应用,且实际效果显著。本文采用基于遗传算法（GA）和模拟退火算法（SA）的GASA混合优化策略求解铁路客票价格问题的双层规划模型,并用一个简单的算例表明：本算法在求解该双层规划方面更好发挥了智能搜索的优势,具有更高的效率和可信度。     

基于混合遗传模拟退火的模糊C-均值聚类算法

一般模糊C-均值聚类算法存在易于陷入局部最优的缺陷,基于此,提出了一种基于混合遗传模拟退火的模糊C-均值聚类算法,并利用UIC机器学习数据库中的Car、Iris和Wine数据集验证了算法的有效性。     

基于阈值和蚁群算法结合的聚类方法

为了改善聚类分析的质量，提出了一种基于阈值和蚁群算法相结合的聚类方法．按此方法，首先由基于阈值的聚类算法进行聚类，生成聚类中心，聚类个数也随之初步确定；然后将蚁群算法的转移概率引入K-平均算法，对上述聚类结果进行二次优化．实验表明，与尽平均算法等相比，该聚类方法的F-测度值（F-measure）更高．     

基于Gram-Schmidt正交化法的串行干扰消除算法

基于Gram-Schmidt正交化法,提出了一种改进的串行干扰消除算法.不同于传统的串行干扰消除算法,该算法运用Gram-Schmidt正交化法,通过扩频序列获取正交序列作为最优解扩码,使得检测器每一级最强用户的解扩码与其他用户的扩频码所张的子空间正交,从而实现对多址干扰的完全抑制.给出了具有幅度失配的系统误码率近似公式,讨论了幅度失配对检测性能的影响.仿真结果表明,改进算法能有效抑制CDMA系统中的多址干扰,改善系统性能.     

免疫进化算法

研究现有进化算法的优越性与存在不足的基础上，受生物免疫原理的启发，提出了一种新的算法－－免疫进化算法。该新算法作为一种全局优化算法，以父代最优个体为基础来产生子代群体，并以最优个体的收敛来代替群体的收敛，在寻优过程中，该新算法还把确定性的和随机性的搜索有效地结合在一起，提高了收敛速度，通过马尔可夫链的分析，证明它是全局收敛的。测试表明，免疫进化算法不仅参数设置简单，而且可以提高收敛速度。     

点匹配问题的极坐标算法和三角形算法

点模式匹配在比较两幅由不同时间或同一时间不同传感器采集的图像时，是常用的方法之一，许实时应用系统对匹配效率有很高的要求，文中构造了一个基于极坐标转换的算法和一个基于三角形近似顺序全等的算法，两个算法都具有原理简明，识别能力强，计算速度快的特点，文末对两个算法进行了比较，并用数值实例加以验证。     

基于遗传算法的高效聚类挖掘新算法

提出了一种基于遗传算法的聚类数据挖掘新算法，并在某钢铁集团CIMS工程的销售管理系统中成功进行了应用，新算法与已有算法进行了对比研究。新方法对其他类似的实际应用也有参考价值。     

基于遗传算法的高效聚类挖掘新算法

提出了一种基于遗传算法的聚类数据挖掘新算法,并在某钢铁集团CIMS工程的销售管理系统中成功进行了应用,新算法与已有算法进行了对比研究.新方法对其他类似的实际应用也有参考价值.     

计算机模糊控制算法

对一些复杂过程难以实现自动控制,而由人来控制却很好,文章分析了其中的原因,并将人的判定特点用模糊语言来表述,由此得到了模糊算法及过程的一个模糊模型,从而利用模糊模型和计算机来实现自动控制.     

多值编码遗传算法

针对经典遗传算法过早收敛，不利于保留种群多样性的问题，提出一种采用k阶扩展二进制编码的多值编码遗传算法．该算法可以更好地保留种群的多样性，更容易达到全局的最优点，应用结果比较也证实了多值编码遗传算法比经典遗传算法具有更好的优化效果．     

云遗传算法

为了克服传统遗传算法搜索速度慢、易陷入局部最优解的缺陷，借鉴遗传算法的思想，利用云模型云滴的随机性和稳定倾向性的特点，提出了一种新的遗传算法——云遗传算法（CGA）．该算法由正态云模型的Y条件云发生器实现交叉操作，由基本云发生器实现变异操作．最后，进行了函数优化实验，并与标准遗传算法（SGA）和自适应遗传算法（AGA）进行了比较，以证明其有效性．