信息迁移多任务优化共生生物搜索算法

针对现有共生生物搜索(SOS)算法只能求解单个任务,以及信息负迁移影响多任务优化(MTO)性能这两个难题,提出一个信息迁移多任务优化共生生物搜索(ITMTSOS)算法。首先基于多种群演化MTO框架,根据任务个数设置相应数量种群;然后各种群独立运行基本SOS算法,当某一种群连续若干代停滞进化时,引入个体自身最优经验和邻域最优个体以形成知识模块并将该模块迁移至该种群个体进化过程中;最后对ITMTSOS算法时间和空间复杂度进行分析。仿真实验结果表明,ITMTSOS算法同时求解多个不同形态高维函数时均能快速收敛至全局极值解0,与单任务SOS算法相比,平均运行时间最多缩短约25.25%;而在同时求解多维0/1背包问题和师生匹配问题时,所提算法在测试集weing1和weing7上的最优适应值与目前测试集公布的最优结果相比分别提高了22767和22602,师生最优匹配差和平均匹配差的绝对值分别下降了26和33,平均运行时间约缩短了7.69%。

遗传算法的早熟现象研究

通过对遗传算法机理的认识 ,给出了早熟现象产生的原因是模式缺少 ;提出了一个在遗传算法中的补偿算子以解决早熟现象。

一个人脸识别系统的设计与实现

设计了一个在区分人脸朝向的基础上,再进行人脸辨别的识别系统。把BP网络用于人脸朝向的识别,并且用一组单输出的子网络代替原来的BP网络,提高了人脸朝向的识别率。在人脸朝向的分类基础上,用主元分析法进行人脸识别。实验结果表明此系统提高了人脸的识别率。

二进制蚁群进化算法

从生物进化角度将群体中的每只昆虫看成一个神经元,彼此之间通过随机、松散的连接组成一个神经网络;然后类似于人工神经网络模拟蚂蚁群体智能,提出了一个二元网络．由于采用二进制编码对单个蚂蚁的智能行为要求比较低,对应的存储空间相对较少,使得算法的效率有较大的提高．通过测试函数优化和多维0/1背包问题结果表明该算法具有较好的收敛速度和稳定性,非常好的求解结果．

遗传算法的一个调节算子研究

虽然遗传算法在许多领域获得了成功应用 ,但它本身存在不成熟的过早收敛问题是影响其发展的中的课题 .本文通过对遗传算法机理的分析和认识 ,给出了遗传算法早熟现象产生的原因是模式缺少 ,并提出了一个在遗传算法中基于模式抽取和模式补偿的调节算子以解决早熟现象 。

一种具有性别特征的遗传算法

通过对遗传算法早熟现象的认识,受高等动物进化能够保持可以产生众多的变异个体的启发,提出了一个具有性别特征的遗传算法,该算法的交叉算子要求性别不同和双亲不同才能实施,通过实验函数的测试表明该算法可以有效地保持种群的多样性,避免近亲繁殖,有摆脱早熟的能力。特别是和小生境技术结合求解多峰函数质量明显提高。

用于求解函数优化的一个蚁群算法设计

文章通过对标准蚁群算法的认识,引进遗传算法的编码方式和选择操作,并对蚁群算法的信息素分配进行改进用于一般函数优化,通过几个函数求解,证明其是有效的。

一种快速求解TSP问题的遗传算法

文章受求最短路径算法的启发,提出一个启发算子用于遗传算法求解TSP问题,通过50,144,150等城市的TSP问题求解,表明该算法求解速度快并且解的质量也非常好。

用遗传算法求解时间表问题

通过对时间表问题的认识,设计了求解该问题的遗传算法。给出了矩阵编码,和针对矩阵行、列操作的遗传算子并给出了一个实例。

一种求解函数优化的混合蚁群算法

将遗传算法与蚁群算法中的协同模型进行有机结合,在蚁群算法中引入交叉、变异、选择算子来改进基本蚁群算法,克服了蚁群算法不太适合求解连续空间优化问题的缺陷。通过测试函数表明该方法具有较好的收敛速度和稳定性,求解结果好于遗传算法。

遗传算法的基因定位算子

针对遗传算法局部搜索能力弱,求解精度不高的缺陷提出了一个基因定位算子.该算子的思路是进化一定代数(L)后通过对最优的若干个(N)染色体基因位从高位到低位逐次进行比较,如果当前的基因位都相同时便把该基因位确定下来,以后的交叉、变异操作都不让该基因位参考,随着算法的进行,染色体基因便从高位到底位逐渐地确定下来.基次,通过在基因定位过程中引入模拟退火思想和小生境技术等局部搜索能力的算法,提高该算子的全局优化能力.最后,通过几个非常容易陷入局部最优的测试函数测试表明几乎所有的峰值都得到了理论值.

具有灾变的动态蚁群算法

尽管蚁群算法在优化计算中得到广泛应用,在求解大规模问题时它仍然存在的运行时间较长和容易产生过早收敛的缺点,本文在基本蚁群算法基础上,通过引入灾变、双向搜索、整段2-交换法、分段保存和对信息素等参数进行动态更新等策略改进算法,TSPLIB的一些实例求解结果均超过或达到记录的最好解,表明算法改进的效果是非常好的。

一个基于Multi-agent的决策支持系统的设计

在DSS开发中 ,引入agent技术 ,提出了一个基于Multi agent的决策支持系统的框架结构设计 ,并为该系统构造界面Agent、信息Agent、模型Agent和管理Agent ,在实际使用中 。

遗传算法的早熟收敛

通过对遗传算法机理的分析，指出模式缺少是早熟产生的原因．提出了一个在遗传算法中基于模式抽取和模式补偿的补偿算子，以解决早熟现象．

一种题库模型与组卷算法

讨论了一个试题库模型。

一个求解组卷问题的遗传算法设计

组卷问题是一个多重约束目标的求解问题 ,为此我们设计了一个求解该问题的遗传算法 ,提出了独立编码和针对该编码的组内交叉算子、组内变异算子。通过给出的一个实例 。

计算机辅助组卷技术的研究

通过对程序语言组卷规律的认识，实现了计算机辅助组卷技术，并在C语言课程中得到实践．

时间表问题与遗传算法

通过对时间表问题和遗传算法的认识，探讨用遗传算法求解时间表问题，并给出一个实例．

一种求作业调度问题的改进遗传算法

该文根据JSP问题的特点设计了较为直观的矩阵编码及其相应的交叉和变异操作,对其选择策略中增加用最佳个体来替换一个致死因子,并提出了一个启发修正算子。通过对两种不同模型下的生产作业调度模型的求解,取得了令人满意的结果。

蚁群算法求解多维0/1背包问题

0/1背包问题是一类典型的组合优化问题,并且是NP-完全的问题,研究它具有很重要的意义。本文针对多维0/1背包问题的特点,设计了二进制编码的有向图,使得蚁群算法可以应用到背包问题上。仿真结果表明,该蚁群算法在求解多维0/1背包问题上的是相当出色的。