基于遗传粒子群动态聚类算法的物流柔性分拣系统品规分配

目的针对目前烟草物流配送中心条烟分拣量大,不同条烟品规的分配对订单的总处理时间影响较大的问题,研究平衡各个分拣区品规的分配,提高分拣效率。方法建立以各分区品规相似系数和最小为目标函数的数学模型,并采用改进的遗传粒子群动态聚类(GAPSO-K)算法进行求解。首先,结合各品规分拣量对品规相似系数进行改进,并将其作为适应度函数;然后在粒子群算法中对惯性权重因子进行改进,使其值可以进行自适应改变;最后,在粒子群动态聚类算法中引入遗传算法中的交叉变异扩大解的搜索范围,基于Matlab对文中的其他算法进行求解对比,求得结果在EM-plant中进行仿真验证。结果结合某烟草物流配送中心数据仿真验证,利用GAPSO-K算法处理订单的时间为234.5 s,较传统时间大幅度较少,有效提升了柔性物流分拣效率。结论采用该算法可充分发挥2种算法的优良性,具有更好的收敛性及寻优性,为柔性物流品规分配提供了新思路。

金黄色葡萄球菌医院感染的临床和基因遗传聚类分析

目的为控制医院金黄色葡萄球菌感染，揭示其病原体特性及流行病学规律。方法对２８例金黄色葡萄球菌感染患者的临床资料和病原菌的药敏试验和ＰＲＡＤ基因聚类进行分析。结果医院感染患者ＭＲＡＳ占６０．７１％，ＭＳＳＡ３９．２８％，病原体对青霉素耐药率达８６．１％，对常用一二代头孢菌素和喹诺酮药物的敏感率低于４０％。噬菌体Ⅲ型构成比占６０．７％，ＰＲＡＤ聚类分型产生３个聚类群。结论对感染患者进行临床和细菌病原学特征分析。

9个新育甜玉米自交系遗传聚类和主要农艺性状配合力分析

【目的】利用遗传聚类和配合力分析来了解新育成9个甜玉米自交系的遗传背景和配合力,为组配新品种提供科学依据。【方法】以TS01-1、BS02-1、GS132、AS67、SS1等5个白粒自交系为母本,闽甜系688、闽甜系G73、闽甜系197、X90-34等4个高配合力黄粒自交系为父本,按5×4不完全双列杂交设计组配20个杂交组合,并对其株高、穗位高、穗长、穗粗、穗行数、行粒数、百粒重、出籽率、带苞叶穗重和去苞叶穗重等10个性状的配合力进行研究。【结果】从去苞叶穗重的一般配合力值得出,供试甜玉米自交系的配合力大小顺序,白粒自交系为AS67>GS132>TS01-1>BS02-1>SS1,黄粒自交系为闽甜系688>X90-34>闽甜系G73>闽甜系197。从特殊配合力值得出,杂交组合AS67×闽甜系688的特殊配合力值最大,实际测产产量也最高。从分子水平对9个亲本的亲缘关系进行聚类分析,将9个亲本分成黄粒和白粒两个群。【结论】黄、白粒自交系间杂交具有一定的杂种优势;聚类分析结果与试验设计的父母本划分一致。

遗传聚类的社团结构发现

近年来在复杂网络中发现社团的结构引起了广泛的关注,目前已经提出了一些采用进化计算来分析复杂网络社团结构的方法.但大部分算法还存在处理过程复杂,空间复杂度过高等问题.通过确定网络节点的距离关系和聚类中心,提出一种新的基于遗传聚类的社团发现算法.将该算法用于真实网络的社团发现,实验结果验证了算法的可行性和有效性.

词共现网络的遗传聚类在话题发现中的应用

基于词聚类的话题发现方法中,普遍存在聚类结果不稳定(聚类结果较大程度依赖于聚类对象的初始化操作)的问题,为此通过将文档集建模为词共现网络,设计词共现网络的过滤方法,然后提出基于词共现网络的遗传聚类算法,实现从网络文档中提取热点话题。与已有方法相比,该方法所发现的话题相对稳定,这在实验中亦得到了验证,因而该方法在实际应用中具有更好的现实意义。

改进的遗传模糊聚类算法及其在MR脑组织分割中的应用

为提高MR图像中脑组织分割的精度,针对目前遗传模糊聚类算法存在的问题,提出了改进的遗传模糊聚类算法。首先,通过完全改变遗传算法的编码方式、变异方式和交叉方式,对现有遗传算法进行改进,从而使遗传算法能获得最小的适应度函数值;然后,结合模糊聚类算法,最终得到改进的遗传模糊聚类算法。将改进的遗传模糊聚类算法应用于MR脑图像的分割,结果表明,改进的遗传模糊聚类算法的分割质量高于现有的遗传模糊聚类算法和快速模糊聚类算法。改进的遗传模糊聚类算法可以做为一种快速、全自动的MR脑图像分割工具。

基于量子遗传聚类算法的入侵检测

针对传统入侵检测算法当面临未知攻击时所缺乏的自适应性和智能化日益突出的问题,提出一种新的无监督、自适应的检测算法——量子遗传聚类算法(CQGA)。该算法利用各实例之间的欧氏距离作为相似度量标准,通过量子遗传算法寻找聚类中心以达到在无监督的条件下对数据集自动分类的目的。实验仿真结果显示,该算法能较为准确地对测试数据集进行分类,有效地解决自适应性和智能化问题。

遗传距离聚类法和模型聚类法在地方鸡种群体遗传结构分析中的比较

利用16个微卫星标记,计算品种间DA遗传距离和基因流(Nm),并基于DA遗传距离运用NJ算法和基于Structure程序构建2类聚类图,比较分析10个地方鸡品种群体间的遗传结构和亲缘关系。结果表明:基于DA遗传距离运用NJ算法构建的聚类图将10个地方鸡品种总体上分为2大类:轻体型的鸡种(包括茶花鸡、藏鸡、仙居鸡、固始鸡和白耳鸡)和重体型的鸡种(包括狼山鸡、大骨鸡、北京油鸡、鹿苑鸡和萧山鸡);在轻体型的类别中,茶花鸡和藏鸡、仙居鸡和固始鸡聚为一类;在重体型的类别中,鹿苑鸡和萧山鸡聚为一类,狼山鸡、大骨鸡和北京油鸡则表现为独立分支,聚类结果与品种间基因流动相一致。Structure程序在预先未标识个体品种来源的条件下,准确推断出10个地方鸡种群体所属类别,构建的聚类图与遗传距离聚类结果基本一致。Structure程序还根据个体基因组分数,指出了10个地方鸡种群体中迁移个体和具有复杂遗传基础个体的分布,这是遗传距离聚类法所不能揭示的。

基于空间向量遗传聚类的海洋环境监测数据分析

给出了一种空间向量遗传聚类分析方法,对海洋环境监测得到的多参数数据进行分析。采用空间向量遗传聚类方法对采样点的温度,盐度,pH,DO等参数进行聚类,并将聚类结果投影到环境监测参数特征空间,便可以在特征空间中直观地对监测区某一时段采样点进行多参数数据分析,获知各采样点水质状况。通过对不同时段采样点数据的聚类分析,还可以对监测区海水变化趋势进行判断。此方法不仅能挖掘出采样点数据的关联性,而且使得对多采样点多参数数据的分析变得直观、清晰,提高了对海洋环境监测数据的分析效果。

基于遗传聚类算法和小波变换特征的自动分类

研究了遥感影像的特点，提出了一种基于图像的正交小波变换构造特征，同时引入遗传聚类的分类方法，实现了遥感影像的自动分类。实验表明，将遗传聚类算法与小波特征相结合的分类方法具有自动、快速、自适应的优点，能克服传统分类方法中由于样本选择而产生的局限性，提高了识别的正确率。

基于遗传模糊核聚类的图像分割

针对红外图像的特点和模糊聚类算法对噪声、初始聚类中心敏感等问题,提出一种遗传模糊核聚类算法.该算法对红外图像像素灰度值进行全局的聚类分析并计算最优的聚类中心和隶属度矩阵,根据聚类结果和最大隶属度原则进行红外图像分割.通过实验验证,文中算法能较好地分割含高斯噪声、背景简单或复杂的红外图像.

遗传聚类算法在基于网络异常入侵检测中的应用

传统的入侵检测方法在面对多变的网络结构时缺乏可扩展性,而且在未知的攻击类型面前也缺乏适应性。因此,提出一种新的检测方法———基于遗传聚类的网络异常检测(NAIDGC)算法。对聚类中心采用二进制编码,把每一个点到它们各自的聚类中心的欧几里得距离的总和作为相似度量,通过遗传算法寻找聚类中心。计算机仿真结果显示了此算法对入侵检测是有效的。

多模态函数优化的拥挤聚类遗传算法

对多模态函数优化问题,分析了各种小生境策略;将拥挤模型与聚类算法相结合,提出了一种拥挤聚类遗传算法.拥挤模型在适应值曲面上形成多个小生境,聚类算法消除了每个小生境内部的基因漂移现象.理论分析证明了算法的收敛性能.数值实例表明,拥挤聚类模型在多极值搜索的数量、质量和精度上都优于拥挤模型与确定性拥挤模型.将拥挤聚类遗传算法应用于国家同步辐射实验室变间距全息光栅的设计,取得了满意的效果.*

基于K均值聚类和遗传算法的多航迹规划方法

提出了一种在未知动态环境中利用K均值聚类和遗传算法的飞行器多航迹规划方法。针对飞行器在动态环境下需要调整飞行航迹的问题,该方法可以规划出多条可供选择的航迹,使飞行器能在障碍和威胁等环境发生变化时选择可行的飞行线路。实验结果表明,该方法能有效地完成多条航迹的规划,获得满足要求的多条飞行航迹。

基于遗传聚类的彩色图像分割

有效的图像分割是进一步进行图像高层次理解和应用的基础。遗传算法是一种鲁棒性很强的优化算法。该文利用遗传算法对图像进行聚类分析,提出了两种新颖的图像分割算法。染色体码长固定时,按用户指定的特征向量在特征空间内进行聚类分割;染色体码长可变时,可同时对图像应分类数进行动态优化。通过实验对它们各自的优缺点进行了分析,并与其它分割算法的性能进行了比较。利用VisualC++6.0实现了文中的算法,并设计了一具体的小型应用系统。

万寿菊资源观赏性状的遗传聚类分析

对71个万寿菊资源的主要观赏性状进行了系统聚类分析。综合分析表明:214.03,36-3,214.06,214.04,12-1可作为优良品种(系)推广应用,71份万寿菊资源可分为五大类群和三个独立类群。45-1与41-1、26-3与25-3、52-1与50-1、52-2与37-3、49-1与16-1、214.04与12-1、214.07与17-1、36-2与6-1、214.08与32-1、53-1与46-1和37-1之间的遗传亲缘关系较近,45-1、41-1与其他品系间的系统聚类遗传距离差异很大,亲缘关系较远。

改进的图像分割遗传K-均值聚类算法

针对图像分割,提出了一种改进的遗传K-均值聚类算法。合理选取聚类的特征向量并对各特征分量确定不同权值进行调整;通过引入自适应算法,对传统遗传算法的选择及变异操作进行改进,提高了算法的收敛速度;确定与染色体编码相关的隶属矩阵可有效地减少运算时间。实验结果表明,改进后的遗传K-均值聚类算法是行之有效的。

基于聚类遗传算法的神经网络规则抽取及应用

提出了一种基于Gabor滤波器和神经网络规则抽取的烘焙面包品质分类方法。滤波器对烘焙面包切片区域灰度图像直接进行小波变换,用能量均值"和均方差!来表示灰度图像的纹理特征,并基于对隐层神经元输出值聚类的遗传算法实现了对面包品质分类的规则抽取。实验结果表明了该方法的实用性和可行性。

基于聚类遗传算法的梯级水利枢纽短期电力调度优化

针对标准遗传算法容易"早熟"的缺陷,提出聚类遗传算法;改进了选择算子和交叉算子,并利用Shubert多峰测试函数验证了聚类遗传算法的优势.引入水轮机组运行效率梯度变化因素提出改进变异算子,弥补了变异搜索过随机的缺陷.最后,将改进方式应用于三峡-葛洲坝梯级水利枢纽短期电力调度优化研究中,提出和构建了相应的优化模型以及机组组合启停和运行效率同步实现策略.实例优化结果表明:聚类遗传算法和改进变异算子能有效弥补"早熟"的缺陷,并能显著提高优化搜索效率,适用于梯级电站电力调度优化问题.优化得出的梯级电力调度方案可以满足设定目标和约束,并提高了梯级的发电效率.

基于遗传聚类算法的印度洋环境特征区划

利用全球海洋Agro观测计划提供的温、盐浮标资料,开展了印度洋海域水下环境特征提取与区划分析。在垂直方向运用Akima方法对浮标剖面进行插值,提取一组表征跃层、声速场的特征指标,并针对常规模糊C均值聚类算法中初始聚类数难以客观选取和聚类结果易陷入局部最优等问题,利用遗传算法的全局搜索能力对聚类算法作了改进。通过在遗传进化过程中引入动态变化的聚类中心解决了聚类数难以客观确定的问题,并在该算法的生存策略中引入Boltzmann选择机制,提高算法的收敛速度。在对印度洋海域温、盐跃层、声速分布及层结稳定度分析的基础上,利用改进的遗传聚类方法对印度洋海域水下环境特征进行聚类区划,得到一个基本的特征分类构型,结合各类构型的典型特征,分析了对水下潜器活动、声纳探测和水声通信等的影响。