二进制编码遗传算法在试题组卷中的应用研究

采用基因段遗传算法解决多目标试题组卷优化问题是目前比较常用的组卷方法,但其存在适用题库规模较小,遗传算子约束条件多,收敛速度慢等缺点。采用多染色体并行遗传算法解决多目标试题组卷优化问题,就是按照不同的题型划分为多个染色体种群,然后根据每种题型的目标要求,并行进行遗传算法操作,将优化结果拟合成最终试卷。这种方法不仅目标控制灵活、方便、收敛速度快、而且适用规模较大的题库。

基于遗传算法的电梯群控研究

针对电梯群控系统的特点,设计出一种更适合的梯群控制的遗传算法。本算法中采用了整数编码和可进行种群竞争的双种群机制,设计了以候梯时间、乘梯时间、系统能耗为群控目标的多目标适应度函数,并在选择操作中引入个体最优选择策略,在交叉操作中构造了与遗传代的数目、预交叉个体本身特点相结合的交叉方式,在变异操作中应用了两点对换和位点变异相结合的变异方法,并设计了从最优解集合中选择最优解的评价函数。经过模拟仿真,运行实验结果表明了此方案的可行性和优越性。

无线传感器网络改进引力搜索算法的设计与实现

为了高效利用有限的无线传感器网络节点能量,延长网络的生命周期,提出了一种应用于无线传感器网络协议中的改进引力搜索算法(IMPGSA)来更新簇头节点的位置。该算法使用分数阶微积分对引力搜索算法(GSA)进行优化,使用多目标适应度函数对簇头节点更新后的位置进行评估,这些目标包括距离、延迟、链路生命周期和能量。仿真结果表明:本文提出的改进算法与人工蜂群算法(ABC)、引力搜索算法(GSA)和粒子群免疫协同算法(MPSICA)相比,网络生命周期分别提高了10.7%、22.4%和13.1%。可见,该算法通过在网络中不断进行迭代以更新簇头节点的位置,有效延长了网络节点的生命周期,进而有效延长了网络本身的生命周期。