基于自适应遗传算法的并行任务分配与调度

在完成"基于Internet的多节点过程交互环境设计与实现"应用项目(远程在线医学诊断)中,提出了一种高度自适应的遗传算法,设计出自适应选择、自适应交叉及自适应变异3种遗传操作算子,无论在精度上还是收敛速度上都较其他的遗传算法有较大程度的提高。经过实践与仿真实验表明,该算法是可行且有效的,并具有较高的自适应性。

基于遗传算法的Web主题库成长技术研究

互联网信息量日益剧增,人们很难在海量的信息中找到需要的主题信息。提出基于遗传算法进行文本特征的提取,并把与主题相关的信息实时入库,用户可以直接从库中获得过滤后的主题信息。通过实验考查,证明该方案明显地提升了搜索的准确度与效率。

基于蚁群算法的并行任务分配与调度

蚁群算法是近年出现的一种新启发式算法,在求解NP完全问题中具有较大优势。针对如何在满足任务约束关系的条件下用蚁群算法求解任务分配与调度问题,首先对任务的分配与调度问题建立数学模型,然后在满足子任务之间的约束关系的条件下用蚁群算法求出最优解,最后把用蚁群算法与遗传算法的最优解进行比较。通过仿真实验表明,蚁群算法比遗传算法在任务分配与调度求解中有较高的解的质量,但蚁群算法的求解速度要慢于遗传算法。