作业车间调度问题的改进遗传算法

研究了作业车间调度问题,并提出了一种新的求解方法,将邻域搜索与遗传算法相结合,提高遗传算法的局部搜索能力,加速进化过程,详细论述了该方法的优越性.     

车间作业调度中基于领域搜索的混合遗传算法

车间作业调度问题是一个NP完全问题，很难用一般的方法解决．遗传算法(GA)作为全局搜索算法广泛应用于各种寻优操作中，并己成为求解车间作业调度问题(JSP)的主要方法，本文针对遗传算法应用的局限性，把领域搜索的思想应用到变异操作中，提出了一种应用于车间调度中基于领域搜索的混合遗传算法，该算法不仅保证了算法的全局收敛性、而且提高了算法的收敛速度和稳定性。     

一种基于模式搜索的自学习遗传算法研究

根据自学习遗传算法的原理,设计了基于模式搜索的学习算子.在此基础上与改进的遗传算法结合,提出了一种基于模式搜索的自学习遗传算法.通过对该算法在复杂函数优化情况下与传统遗传算法的对比测试表明,该算法的改进是有效的.     

遗传算法用于TSP问题的研究

本文将遗传算法用于ＴＳＰ问题的求解，并结合爬山搜索法的思想提出了一个新的遗传算子，实验表明效果明显。     

路面结构优化遗传算法研究

遗传算法是建立在自然遗传学机理基础上的参数搜索方法。利用遗传算法对路面结构进行优化，可成功求解沥青路面结构非线性优化设计模型，具有节省时间、优化结果准确的特点。其研究成果对改善路面设计方法，降低工程造价．避免和减少工程病害有积极的作用。     

车间作业调度中基于领域搜索的混合遗传算法

车间作业调度问题是一个 NP完全问题,很难用一般的方法解决.遗传算法(GA)作为全局搜索算法广泛应用于各种寻优操作中,并己成为求解车间作业调度问题(JSP)的主要方法.本文针对遗传算法应用的局限性,把领域搜索的思想应用到变异操作中,提出了一种应用于车间调度中基于领域搜索的混合遗传算法,该算法不仅保证了算法的全局收敛性、而且提高了算法的收敛速度和稳定性.     

均匀设计和遗传操作并行的遗传算法

针对简单的遗传算法稳定性较差，容易发生早熟收敛的不足之处，提出了将均匀设计和遗传操作相结合的遗传算法，通过编码在问题的解空间和算法的搜索空间之间建立一个映射，对其进行交叉操作，变异操作和均匀设计操作，用典型的测试函数进行测试，证明了该算法是可行的，与单纯遗传算法相比，计算精度和收敛速度更高。     

基于最优搜索理论的小流域事故污染源搜索技术

1流域事故性污染源搜索的基础研究 全面搜集我国流域水环境监测现状资料，根据最优搜索论和现行的事故污染源搜索方法，讨论了时间资源有限情况下的流域事故性污染源最优搜索思想。从搜索目标状态和搜索资源能力两个方面分析了影响流域事故性污染源最优搜索的因素，根据最优搜索理论，构建了流域事故性污染源最优搜索模型体系，     

文本信息搜索模型研究

信息搜索模型是现代信息搜索系统的核心，在现有信息搜索技术的基础之上对各种文本信息搜索模型进行了分析，比较研究提出了基于内容的搜索模型和全文搜索模型，为当前文本信息搜索技术的研究与开发提供了理论支持。     

流域事故性污染源监测资源的最优分配方法

为了充分利用有限的监测资源，应用最优搜索理论，针对常规污染因子型流域突发性污染事故，给出了探测函数为指数形式时流域事故污染源的最优搜索模型和搜索资源最优配置的计算方法．该方法可以在搜索资源有限的条件下优化监测资源的分配方案，使成功探测到事故性污染源的概率最大．为了证明该方法的正确性，给出了1个算例．     

基于原子库结构特性的信号稀疏分解

在matching pursuit(MP)方法的基础上，利用信号稀疏分解中使用的过完备原子库结构特性，提出了一种新的信号稀疏分解算法。新算法兼顾了稀疏分解过程中计算量和存储量，信号稀疏分解的速度是常规的MP方法的15．9倍．实验结果证明了算法的有效性．     

求解旅行商问题的一种新方法

目前关于旅行商问题的启发式算法主要分为两类:环路构造算法和环路改进算法.通过对两类近似算法的深入研究,提出了一种新的方法――简化模型法来求解旅行商问题.该方法通过排序和选择操作得到原网络图的简化模型,对简化模型中的路径进行重构得到旅行商问题的解.通过测试TSPLIB中的实例,表明用简化模型法求解旅行商问题解的质量高、收敛快,时耗小,该算法是实用的.     

非线性方程组求解的新方法

提出了一种求解非线性方程组的方法.将非线性方程组的求解问题转化为最优化问题,对经典BFGS变尺度法进行改进:采用高精度通用数值算法求解函数梯度,采用新的数值解析法进行一维探索,进而有效地提高了BFGS变尺度法的效率和程序通用性;对遗传算法进行了改进.将改进的BFGS变尺度法与改进的遗传算法进行混合杂交,得到一种全局优化算法,数值测试表明该算法是可靠的.     

�Ľ����Ŵ��㷨����ʱ�䴰���ͳ��������е�Ӧ��

针对有时间窗的车辆调度问题，在标准遗传算法的基础上，加入爬山算法增强算法的局部搜索能力，通过保护全局最优基因的方法提高了算法的收敛能力，并辅以自适应变异算子，构造了一种改进的混合遗传算法。实验结果表明，改进后的算法具有抗“早熟”能力强、收敛速度快和局部搜索能力强的特点。     

一种高效的简化可辨识矩阵集成算法

基于可辨识矩阵的约简算法,需要生成许多无用的元素,因而算法效率不高.针对这一问题,基于动态思想,设计了一个新的集成算法,新算法在生成可辨识矩阵的过程中不用生成大量的无用元素,减少了存储量和计算量,从而使算法的效率得到提高.最后给出了一个实例说明新算法的高效性.     

高阶QAM信号的前馈神经网络相位修正水声信道盲均衡算法

提出了适用于复值信号的前馈神经网络盲均衡算法,并针对传统常模盲均衡算法不具备相位修正能力的缺点,对代价函数进行了改进,提出了基于前馈神经网络的修正常模盲均衡算法,同时针对算法起伏性大、收敛速度慢的问题,利用判决正方形方法进行了改进．仿真结果表明,在高阶QAM通信系统中,新的神经网络盲均衡算法不仅能够进行相位偏差的自修正,同时在算法的收敛能力、收敛速度以及稳健性方面都较传统神经网络常模算法更有优势．     

基于评价指数的属性约简算法

从粗糙集理论出发,提出可分辨关系和对象差异矩阵的概念,并以此为基础构造出基于评价指数的属性约简算法.算法采用自底向上的方法,利用属性的评价指数作为启发式信息,求得属性集合的约简.在多个UC I数据集上进行试验,理论分析和实验数据表明,文中提出的属性约简算法是有效、可行的,具有较高的效率.     

一种新型的动态矩阵控制算法

对无约束动态矩阵控制（ＤＭＣ）算法进行了改进，提出了一种新的ＤＭＣ控制算法，即用遗传算法对ＤＭＣ的设计参数进行在线寻优，由优化结果来计算实际控制作用，与一般的定参数ＤＭＣ相比，其闭环性能更好，能有效地处理各种约束。仿真实例表明了该方法的有效。     

一种高效的简化可辨识矩阵集成算法

基于可辨识矩阵的约简算法,需要生成许多无用的元素,因而算法效率不高.针对这一问题,基于动态思想,设计了一个新的集成算法,新算法在生成可辨识矩阵的过程中不用生成大量的无用元素,减少了存储量和计算量,从而使算法的效率得到提高.最后给出了一个实例说明新算法的高效性.     

新型蚂蚁算法时间复杂性与鲁棒性研究

在研究新型蚂蚁算法理论的基础上，进一步对新型蚂蚁算法的时间复杂性与鲁棒性进行实际计算与研究，研究出蚂蚁移动Mlog2N（M为边数，N为结点数）步后，能找到QoSR的较优解，该算法的时间复杂性为O（MNlog2N）．对该算法的鲁棒性进行分析，证实了在关键结点失效后，该算法仍能找到新的QoSR，并发现随着关键结点失效增多，再找到新的QoSR的QOS参数值急剧下降．