遗传算子的代数形式和概率特征

采用矩阵形式表示遗传操作过程 ,可为设计遗传算法程序提供简单的数学模型 .遗传操作的概率特征 ,揭示了遗传算子各自在遗传优化过程中的作用及相互关系 .     

一种改进遗传算法在最大独立子集问题中的应用

最大独立子集问题是组合优化问题中的一个重要问题,该问题是一个NP难题,其目标是在一个环图中找到一个最大的独立子集.提出了一种改进的遗传算法来解决这个问题,用一种基于条件的遗传算子来代替通常的基于概率的遗传算子.实验结果表明提出的算法是有效的.     

基于混合变异的果蝇优化算法

果蝇算法是新提出一种的群智能优化算法,它存在一些不足尤其是在收敛性和求解精度方面.基于以上提出了一种基于混合变异算子的果蝇优化算法,充分利用柯西变异算子所具有全局搜索能力强的特点和高斯变异算子的局部搜能力强的优点,将这两个算子结合在一起来更新果蝇的位置从而很好的避免了各自算子的缺点.为了验证算法的性能通过测试7个标准多元非线性函数同果蝇优化算法及参考文献中算法结果相比较,实验表明该算法的收敛速度和求解的精度都得到了提高.     

Riesz位势算子范数不等式及其推广

如何求出Riesz位势算子不等式中的最佳常数,一直是还没有完全解决的难题.本文通过将求最佳常数问题转化为求相应的算子范数等新的分析技巧,得到了Riesz位势算子的范数不等式.作为它的推广,得到了n维向量空间上具有径向核的新的积分算子范数不等式.     

基于改进SFLA对立体仓库系统堆垛机作业路径的优化

给出了求解自动化立体仓库堆垛机作业路径优化问题的一种新算法,改进的蛙跳算法.堆垛机作业路径优化是自动化立体仓库问题中重要一个环节,本身又是一个NP难题,所以对它的研究有着重要的意义.蛙跳算法,作为新的群智能优化算法,有较多优点,但目前对它的应用研究范围较窄,所以做这方面尝试性的研究.最后通过实例仿真,验证了算法的有效性.故不仅拓宽了蛙跳算法的应用范围,而且也给本身求解方法不多的堆垛机作业路径优化问题提供了一种新的解决方法.     

基于遗传算法的工艺路径柔性调度算法

针对具有工艺路径柔性的车间调度问题,提出基于OR子图和子路径的工艺路径柔性描述方法,该描述方法形式简单且允许OR子图多层嵌套。以此为基础,设计了基于遗传算法的工艺路径柔性调度算法,并采用以工艺路径编码、机器编码和工件调度编码为基础的三维染色体编码策略,其中,工艺路径编码和机器编码分别通过最大子路径数量和最大机器数量随机产生,其优势在于任意染色体均表示可行解,并可以使用简单的交叉算子和变异算子实现遗传操作且其后代亦为可行解。最后通过实验证明了算法的优化能力。     

算子方程基本问题解的再生核稀疏表示

在一个Hilbert空间中通过内积核定义的线性算子对应一个自然的再生核Hilbert空间结构.本文将称其为H-HK结构.这个结构本身内蕴一个基方法,可以解答线性算子的若干最基本的问题,包括确定或刻画其值域空间、解算子方程及解Moore-Penrose伪-(广义-)逆算子问题.在对已存在结果的简要综述之后,本文的目的是建立H-HK结构下的预正交自适应Fourier分解(pre-orthogonal adaptive Fourier decomposition,POAFD)算法.在这个方法之下导出上述3个问题的解的稀疏表示.在逐次跟踪匹配的优化方法论中POAFD的优选原理保证了它在理论上和实用上的最优性.它也具有算法上的可行性.所提供的方法可有效地应用于具体实际问题,包括信号与图像重构、常微分方程、偏微分方程和优化问题的数值解等.     

复杂约束条件下的UCAV多重任务分配

与单任务分配问题相比,无人作战飞机(UCAV)多重任务分配具有更复杂的约束条件.基于UCAV任务分配有向图给出了多重任务分配的一般框架,分析了任务分配的约束条件,提出了一种求解约束优化问题的改进遗传算法.其基本思想是对种群中的个体按两种方案评价,对可行解按目标函数值大小,对不可行解按约束违反程度进行评价,避免了罚函数法中的罚因子的选取难题.采用矩阵形式进行个体编码,按目标出现顺序映射任务类型,解决了多重任务的编码表示,并对武器类型向量实施绑定策略,简化了问题复杂性.设计了选择,交叉,变异等遗传操作算子,保证生成的新染色体不破坏编码时满足的约束条件.最后进行了仿真试验,结果表明提出的方法求解UCAV多重任务分配问题的可行性和有效性.     

基于云自适应遗传算法的K-means聚类分析

现有的基于遗传算法的K-means聚类算法,利用遗传算法的全局优化性提高了K-means算法的寻优能力,收敛速度却过慢.为了解决上述问题,提出基于云自适应遗传算法的K-means聚类算法,利用云模型云滴的随机性和稳定趋向性设计遗传算法的交叉和变异概率,并在进化过程中引入K均值算子,以克服算法收敛速度过慢的问题.实验比较表明,算法具有较好的全局优化性,且收敛速度较快,提高了聚类算法解决物流管理中数据聚类工作的能力.     

微分算子方法在积分中的应用注记

指出了微分算子方法的缺陷,结果表明:它不能真正解决不定积分的快捷计算问题,有时甚至不如经典算法方便.