基于初始种群优化粒子群算法的通信抗干扰决策引擎

针对抗干扰决策引擎对实时性能要求较高的问题,借鉴了一种基于初始种群优化的粒子群算法(IPO-PSO)。该算法通过把上一次决策的部分解作为当前初始解集的一部分,以此来优化粒子群算法的初始种群。仿真结果表明,该算法能够在不增加复杂度的情况下显著提高粒子群算法在缓变干扰环境下的收敛速度,具有较好的实时性能,更加符合通信抗干扰的应用场景。

基于优化初始种群的自动组卷算法

针对遗传算法和改进遗传算法初始种群的不确定性,提出一种优化初始种群的遗传算法。该算法首先进行局部寻优,将局部较优解按题型的不同随机组合,组成遗传算法的初始种群,然后通过遗传交叉和单点变异得到一个较优解,最后将算法应用到《数据库系统》课程的自动组卷。结果表明,该方法有很好的组卷效率,能较好满足组卷的要求。

基于多维度资源需求的改进遗传调度算法

针对传统的调度算法没有考虑磁盘IO,仅以执行时间为目标等不足,提出了一种基于多维度资源需求的改进遗传调度算法。算法引入IO资源作为输入参数之一,结合使用3种方法改进初始种群。算法对变异方法进行了优化,算法的适应度函数也采用多目标进行了设计。最后在模拟场景中进行了多次实验,验证了算法在任务负载均衡调度方面的性能较传统遗传算法有了显著提高。

一种用于TSP问题的改进免疫遗传算法研究

受生物免疫原理启发而产生的人工免疫算法,是一种新型的随机启发式搜索算法。基于生物免疫系统机制,本文提出了一种改进的用于TSP优化的免疫算法。算法包括初种群优化,免疫选择,交叉,变异,同时采取免疫记忆,免疫网络促进与抑制操作。文中详细讨论了算法的相关概念及算法步骤,通过对TSP测试数据[6]进行仿真实验,实验结果表明了本文的改进算法的有效性。

柔性作业车间优化调度研究

针对求解考虑运输时间柔性调度问题时传统遗传算法初始种群随机性强、质量低的问题,采用综合考虑设备资源约束和加工时间约束的方法生成初始种群,提高算法寻优效率;针对传统遗传算法容易陷入局部收敛的问题,设计概率锦标赛选择法并加入了基于机器空闲时间的局部搜索流程。相比传统遗传算法、快速寻优算法、Kacem最优解算法,本算法在附带运输时间的Kacem算例中取得了更好的优化效果,验证了改进遗传算法对此类问题的有效性。