基于遗传算法求解约束优化问题的一种算法

在用遗传算法求解约束优化问题时 ,处理好约束条件是取得好的优化效果的关键 .通过考虑遗传算法和约束优化问题的某些特点 ,提出将直接比较方法和在进化群体中自适应地保持不可行解比例的策略相结合来处理约束条件的一种新方法 ,并将该方法结合到通用的遗传算法中 .数值实验显示了这种方法的有效性 .

基于实数编码的遗传算法的收敛性研究

用基于实数 (浮点 )编码的遗传算法 (FGA )求解连续参数优化问题是遗传算法的重要应用领域 ,但一直缺少其完整的收敛性结果 .分析了在绝大多数实际应用中使用的 FGA的收敛性问题 ,在采用最优个体保留策略的前提下得到了保证收敛性的一般条件 ,并以之检验了采用常用的变异与交叉算子时 FGA的收敛性 .这些结论不仅给出了有用的收敛性结果 ,而且对进一步认识算子的本质 ,指导自适应变异算子的设计等都提供了帮助 .同时所用的方法和结论也适用于进化规划和进化策略的收敛性问题 .

进化规划和进化策略中变异算子的若干研究

介绍了进化规划和进化策略中使用的三种变异算子及其性质 ,应用概率论方法比较了它们的局部搜索和局部逃逸性能 .结果表明 ,柯西变异算子和正态变异算子分别具有良好的局部逃逸和局部搜索能力 ,而平均变异算子在一维时同时具有良好的局部逃逸和局部搜索能力 ,但在高维时它的性态和柯西变异算子基本一样 .

企业流程再造的方法研究

企业流程再造是当今管理界的热点问题之一。针对目前在流程再造中缺少能指导、支持流程重新设计的方法和工具，本文提出一种流程再造的方法。通过规范构成流程的基本单位活动，按照一定的方法构建活动描述数据库，然后利用活动之间的相关性从数据库中搜索、回溯新流程的可行方案，并根据效用函数值得到最优设计方案，另外还可以根据活动之间的相似性寻找各流程的冗余活动，从而合并或删除从属于不同部门之间的相似流程。最后本文对构造支持该方法的决策支持系统进行了初步分析。

遗传算法中排列问题的编码研究

针对排列问题的编码方法一直是遗传算法应用中的重要研究领域。采用各种传统编码方法的编码表示空间通常远远大于实际的问题空间,这不但提高了各算子设计的复杂性,同时很大程度上降低了收敛速度。文章提出了一种针对排列问题基于次序的一维二进制编码方案和两种改良方案,使排列与编码形成了一一映射,最大限度地缩小了编码表示空间与问题空间的差距。采用TSP问题的实验结果表明,文章提出的编码方式具有很好的性能。

一种求解TSP问题的新型遗传编码及应用

深入研究TSP中排列的GA编码问题.针对现有编码普遍存在的编码空间过大和编码映射无序等缺欠,基于排列的次序提出了三种新的编码方案:线性权重编码、线性折中编码和线性海明编码.理论分析和实验结果表明,这些编码在编码长度和映射次序上均具有较以往编码更好的性能.

关于遗传规划收敛性的一个定理

遗传规划是一种通过进化程序来得到问题近似或精确的方法．讨论遗传规划的收敛性质，证明在采用生长法变异算子的条件下遗传规划搜索有限的文法树空间的收敛性，并证明如果不采用最优个休保留策略则遗传规划是不收敛的，最后指出在遗传规划中使用变异算子的理论的实际意义．

利用信息技术对服务过程进行再造的研究

本文首先全面阐述了企业流程再造的基本框架及其同信息技术的关系，然后利用排队论原理，针对排队等待服务过程提出一般的、可操作的再造原则。