基于动态算子遗传算法的光网络阻塞率的快速计算

给出了基于分层图模型的光网络中链路阻塞率的计算公式,提出了一种改进的遗传算法,通过动态调整交叉和变异两算子,在全局搜索的情况下,调大变异算子的值,控制交叉算子的值;在收敛到局部进行搜索时,控制变异算子,提高交叉算子值,提高局部搜索能力,得到了一种快速的光网络阻塞率的计算方法,通过模拟显示:与普通遗传算法相比可以提高计算速度60%,并降低网络的阻塞率。

多样性制导分段进化的基因表达式编程

为了解决基于传统基因表达式编程(GEP)的函数挖掘及其改进算法仍然存在局部优化的缺陷这一问题,提出了以基因组多样性制导的分阶段进化挖掘算法DG-GEP。给出了GEP进化阶段和基因组多样性评估模式的定义;提出了描述进化阶段的进化因子概念和分阶段进化策略;采用动态遗传算子设计和群体规模控制方法,使进化更快速跳出局部最优。实验表明了新算法的有效性,能减少进化停滞代数65%以上,使群体的平均适应度提高12%以上。

组合投资双目标概率准则模型及GASS II算法求解

考虑到中国证券交易的限制规定及现实投资者并非完全理性的决策行为,给出了组合投资收益-损失风险双目标概率准则的整数规划模型。通过证券收益经验分布,应用分层抽样的随机模拟,并结合动态变化算子的遗传算法,构造GASS II遗传模拟混合算法,进行概率准则模型的优化求解。股票相关性由其秩相关系数给出,算法将秩和区间划分相联系,指导分层抽样。GASS II算法能有效刻画收益分布的“高峰厚尾”,激发遗传算法的隐含并行搜索特性,避免早熟现象,提高寻优效率与精度。最后给出了一个投资组合实证分析算例的收益-损失风险有效前沿。