一种克服遗传算法早熟的参数调整及并行方法

遗传算法是一种自适应全局优化概率算法,容易产生早熟(过早收敛)现象,影响了问题的求解.本文试图借助于多种群进化和种群间个体移植的概念,通过自适应控制参数的调整,利用移植并行的方法求出问题的最优解（或近似最优解）以便避免早熟,从而提高算法的搜索范围和效率.     

一种基于遗传算法的Job Shop作业排序方法

用遗传算法对ＪｏｂＳｈｏｐ零件排序问题进行优化搜索，并在算法中引Ａ了一些新的思想，以有利于降低种群的规模，提高计算速度，改善优化结果。     

十进制编码遗传算法的模式理论分析

基于单点交义采用申表示，n（≥2）点交义与均匀交叉采用环表示的方式，推导出十进制编码遗传算法的模式理论，避免了二进制遗传算法模式理论中把交叉点的选取看作是相互独立的和忽视交叉对染色休申成作用的两点不足，得出了对于任意进制的遗传算法，如果进化层次一致，耶么运行机理相似的结论。     

Gruenwald插值算子的加权Lp收敛速度

对以第1类Chebyshev多项式的零点为插值结点组的Grǖnwald插值多项式Gn(f,x),给出了如下的加权Lp(P＞0)收敛速度估计[∫1 -1|Gn(f,x)-f(x)|p1/√1-x2 dx]1/p≤{Cp[ωφ(f,1/n+‖f‖/1/np],p＞1, Cp[ωφ(f,1/n+‖f‖/√n],0＜p≤1,并证明了,当p＞1时估计的阶是精确的.     

相依随机变量不变原理的收敛速度的注

在本文中,我们讨论了相依随机变量的弱不变原理的收敛速度,改进了Utev(1984)等人的结果,那里平稳性的假设被去掉了且减弱了?混合的速度为叫n)=U(n-"yea/vm-ay (OGE< 3).     

不等面积设施布局 的收敛 算法

采用单变量搜索在大范围移动设施以寻找最佳布局位置是不等面积矩形设施自动布局的一种算法‘但它的布局结果依赖于各设施的初始排列以及它们的移动次序.为了便于对原有布局进行迭代改进，本文使用.控制收敛”方法.它通过用放大设施数倍的包络块来代替原来的设施进行初始布局，并在每次优化循环后缩小包络块大小来为下一次优化循环产生移动空余空间，通过循环优化使设施的大小逐渐缩小到实际大小而终止.实例调试结果表明了该方法是有效的.     

α－混合随机场的弱收敛

本文把Ｈｅｒｒｎｄｏｒｆ（１９８５）关于α－混合序列弱收敛的一个一般的充分条件拓广于α－混合随机场｛Ｘ＿ｔ，ｔ∈Ｚ￣ｄ｝，给出了｛Ｘ＿ｔ｝的部分和弱收敛于标准Ｂｒｏｗｎ单的一个充分条件，包含了现有的许多结果．     

Grunwald插值算子的加权L_p收敛速度

对以第1类Chebyshev多项式的零点为插值结点组的Grunwald插值多项式Gn(g,χ).给出了如下的加权Lp(p>0)收敛速度估计:并证明了,当p>1时估计的阶是精确的     

双条件期望的收敛定理及不等式

引进了B值随机变量及可测集г的双条件期望的概念，研究了双条件期望的主要性质，得到了双条件期望下的几个重要不等式，进而证明了双条件期望的有关收敛定理．     

关于复三角级数导级数的L1收敛

本文讨论了复三角级数r阶导数的L1收敛问题,推广了文[1]中的有关结果．     

遗传算法的随机摄动法

为避免遗传算法在进化计算过程中失去种群多样性并陷入局部最优解,提高其全局优化搜索的运行效率和精度,提出一种遗传算法的改进方法－随机摄动算法,它是将复制,交叉,变异后群体中的各个体在确定的某处邻域随机摄动,如引起适应度值增加,则接受随机摄动操作,否则以变异权率接受随机摄动操作,然后以能量函数的概念及其运行机理进行了说明,算例表明,本文所提出的随机摄动算法易于实施,且十分有效。     

遗传算法研究Pdn（n=2-57）团簇的结构特性

本文利用遗传算法结合紧束缚势计算了Pdn（n=2-57）团簇的基态能量及结构．通过讨论团簇的平均束缚能Eb、二阶差分能△2E（n）和剩余能△E（n），发现团簇平均束缚能随原子数目的增加而增大，n为13、22、30、38、41、46和55为其幻数序列．并发现，Pd54为无中心原子的Ih结构，其稳定性略低于Pd55的稳定性．     

基于遗传算法的试题库智能组卷系统研究

智能计算机辅助教学（ＩｎｔｅｌｌｉｇｅｎｔＣｏｍ ｐｕｔｅｒ－Ａｓｓｉｓｔｅｄ Ｉｎｓｔｒｕｃｔｉｏｎ ,ＩＣＡＩ）中一个关键的问题是试题库的智能组卷．针对该问题的特点,建立了该问题的数学模型,给出了用遗传算法解决此问题的新方法,实验结果表明该方法能有效地解决试题库研究中的智能组卷问题,具有较好的性能和实用性．     

多目标整数规划中的遗传算法

以下料问题为例建立了多目标整数规划的数学模型,描述了用遗传算法求解多目标整数规划问题的方法．这种算法较圆满的解决了既考虑费用又考虑需求的下料问题,具有广泛的应用价值．     

滑动平均过程的完全收敛性

本文给出了滑动平均过程｛Ｙｉ，ｉ≥１｝的完全收敛性的一个结果，即∞／∑／ｎ＝１ｎ＾ｐａ－２Ｐ｛｜ｎ／∑／ｉ＝１Ｙｉ｜＞εｎ＾ａ｝＜∞，它改进了文献［１］中给出的结论。     

演化算法行为分析──基于全局随机搜索的理论刻划

根据候选解空间上抽样分布的构造和计算来描述演化算法的行为，抽样分布的迭代构造是利用基于代（ｇｅｎｅｒａｔｉｏｎ）方法的全局随机搜索思想来刻划，在这种框架下，比例选择看成是全局随机搜索算子，复合看成是开发候选解相似性的搜索过程．研究表明：适当地限制复合算子的搜索宽度，能够保证演化算法弱收敛到全局最优解．     

基于混合遗传聚类的Web日志挖掘

通过对Web日志文件进行分析，提出了一种用混合遗传聚类对Web用户的行为进行分析的方法,混合遗传聚类是标准遗传算法和K-中心点算法的有机结合．实验证明，该方法是一个具有全局最优解的聚类方法，其结果明显优于标准遗传聚类方法．该算法能够有效地剔除噪音，得到很好的用户聚类和页面聚类的结果，为网站的管理者设计个性化的商务网站提供了有效的决策依据．     

U一统计量余项的指数收敛速度

本文主要利用ｄｅｃｏｕｐｌｉｎｇ不等式讨论Ｕ－统计量余项的指数收敛速度。     

Hansen和Patrick方法的收敛性

本文主要讨论复空间上带参的 Hansen 和 Patrick 迭代方法,利用三次优函数和优序列的技巧证明了迭代序列的收敛性,建立了相应的收敛定理,并且给出了较精确的误差估计.最后用数值列子来说明方法的有效性.