机车周转图编制的自适应遗传算法

建立了成对与不成对列车运行图的机车周转图的数学模型和相应的机车最优配置的遗传算法．用单段映射交叉和基于知识的变异方法以及交叉概率，变异概率随个体优劣程度自适应调整策略，提高了局部搜索能力以及收敛和优化性能．以某区段实际运行图为例，用本文方法使机车总消耗时间和需要的机车数分别减少约5．7％和7．7％；用文献中的实例数据计算，与原方法相比，减少了机车总消耗时间．     

一种新的多模式对模糊联想记忆自适应学习规则

本文给出了模糊联想记忆神经网络联想输出误差函数的一种梯度计算方法,成功地把误差逆传播梯度下降搜索技术应用于该网络的训练中,提出一种新的多模式对模糊联想记忆的学习规则,计算机模拟表明该规则是十分有效的。     

基于进化规划的BP神经网络学习

通过对将传统的BP算法和遗传算法应用到BP神经网络的学习的研究和分析,指出它们存在的缺陷。提出一个改进的进化规划算法,并将其应用于BP神经网络的权值优化。取XOR问题和4奇偶性问题的实验对传统的进化规划算法和改进的进化规划算法进行实验对比。实验结果表明,本文中提出的改进的进化规划算法优于前2个算法。     

单线区间列车最优运行次序的量子遗传算法

讨论在单线区间上以车站接续时间最好为目标的优化列车运行次序问题.首先建立该问题的数学模型,然后结合排序理论给出求解该问题的一个量子遗传算法,阐述算法的实现方法.通过对某车站实际运行图实例计算结果表明,该算法能在较短的时间内以97%以上的概率得到最优解,所得接续时间较实际运行图减少约31%.     

物体表面重建轮廓拼接的改进遗传算法

为解决物体表面重建中的轮廓拼接问题，将其转化为在有向图中寻求最优路径问题．提出了基于遗传算法的适用各种目标函数的轮廓拼接算法，其中对初始种群的产生、交叉算子和变异算子等做了改进，以确保产生的个体均能代表有效解．算例模拟结果表明，该算法简单可行，在优化性能、收敛速度及鲁棒性等方面优于模拟退火算法．     

分段有序归并排序算法

任一数据序列都是分段有序的。基于这一特点,本文提出了分段有序归并排序算法。其最优时 间复杂性为O(n),空间复杂性为O(1)。最坏情况下的比较次数少于nlogn十O。叨n,小于快 速排序算法的平均比较次数,是同类算法的最优上界。      

���ڱ�������IJ��̶�ǣ����ʽ˫��ؽ�·�������������㷨

建立了不固定牵引方式双肩回交路机车周转图的数学模型，以机车在两折返段和基本段总停留时间最少为目标，设计了求解该机车运转制机车最优配置的一种变异进化算法。该算法根据个体适应度的优劣而对个体进行不同程度的变异，并采用启发式变异和随机变异两种变异策略，既使优秀个体的染色体中优良模式能够最大程度地遗传给子代，又保持了子代的多样性，有助于提高算法的优化性能和收敛速度。以某列车运行图为例仿真计算，所求得的机车段内总停留时间和需要的机车数比该运行图分别减少约23.8%和9.8%，并与遗传算法进行了比较。     

不固定牵引方式双肩回交路机车最优配置的遗传算法

机车周转图的编制是多约束条件的组合优化问题。针对不固定牵引方式双肩回交路机车周转图编制建立数学模型,并以机车在2个折返段(站)和基本段(站)总停留时间最少为目标,设计不固定牵引方式双肩回交路机车运转制下求解机车最优配置的遗传算法。基于知识的变异方法和采用交叉概率、变异概率随个体优劣程度自适应的调整策略,提高算法的局部搜索能力以及收敛和优化性能。以某实际列车运行图为例进行仿真计算,结果表明:运用该算法可使机车的段内总停留时间和需要的牵引机车台数较实际的机车周转图分别减少约21%和8.6%。