置换因子循环线性系统求解的快速算法

给出了一类置换因子循环线性系统求解的一种快速算法．当置换因子循环矩阵非奇异时，该快速算法可求出该线性系统的唯一解；而当置换因子循环矩阵奇异时，该快速算法可求出该线性系统的通解．     

一种求解组合优化问题的演化算法

从蚁群算法中得到启示，将信息素的观点引入到求解组合优化问题的演化算法之中，提出了一种基因优化算法，该算法直接在基因的层面上进行优化，能学习劣解的基因，并用信息熵用为结束条件的判据，最后用该算法解决了两个典型的组合优化问题，取得了较好的结果。     

一种求解约束条件下多变量非线性函数所有全局最优解的区间算法

研究和实践中经常会遇到附有约束条件的非线性优化问题，对这类问题，通常采用随机搜索的方法来解决，但是，随机搜索法不能证明所得到的解就是全局最优解．本文给出了一种求解约束条件下非线性优化问题所有全局最优点和最优值的区间算法，该算法非常宜于解决优化问题，它能求出问题的所有全局最优解，给出解的包含区间，并很容易获得解的逼近误差，这是随机搜索等其他方法做不到的．理论分析和数值结果均表明，区间算法是稳定而可靠的．     

基于蚁群系统的传感器网络广播与数据聚集算法

针对无线传感器网络能量受限和多跳路由的特点，将蚁群系统原理用于网络的广播和数据聚集中，提出并仿真实现了一种能够最小化传感器网络的总能耗算法．理论分析和仿真数据表明，基于启发式蚁群系统的算法，能够较快的收敛，并找到最优解或是近优解；在网络节点数不同（10～50）的情况下，该算法的单次广播能耗和通信距离比现有的两种主流广播协议算法分别减少了20％～60％和14％～20％，因此其网络生存时间增加了10％～100％，表明该算法总体性能优于传统算法．     

线性约束凸规划问题的仿尺度算法

对一般线性约束凸规划问题，给出了相应的仿尺度算法，并证明由该算法所产生的迭代点要么直接到达问题的最优解，要么其极限点满足问题的最优性条件。     

求解动态车辆路径问题的演化蚁群算法

在Evo-Ant算法的基础上提出了多目标的算法,即利用Evo-Ant算法来产生新的解,并利用一个额外的存储空间来存放Pareto候选解,用新产生的解来更新Pareto候选解,消除被支配的解,依次循环,从而得到近似的Pareto解.为了验证演化蚁群算法,采用2种测试手段：一种是Solomon的测试数据;另一种是在仿真环境下的测试.实验结果表明该算法很具有竞争能力.     

可分凸二次规划的不可行内点算法

给出了可分凸二次规划的不可行内点算法 ,并证明了该算法在 O(n2 L )次迭代之后 ,或者收敛到问题的一个近似最优解 ,或者说明该问题在某个较大区域内无最优解 .     

双指针线性搜索算法的控制策略与编程

给出了双指针线性搜索算法与４种数学模型的夫系及关于该算法原理的数学证明。提出指针徘徊控制策略以确保最优解不丢失，从而使该算法推广到含重复表元的有序表，还给出相应的程序框架，其中采用动态邻域来加快抛弃无关数据以提高计算效率。     

求解一类随机优化问题的粒子群算法

提出了一个解随机优化问题的粒子群算法.该算法易理解,程序上易实现,克服了随机优化问题难以高效实现全局优化的缺点.数值实验结果表明,所提出的算法能够快速地收敛到随机优化问题的最优解,并且具有良好的鲁棒性,是此类问题的一个高效求解算法.     

改进的蚁群算法在2D HP模型中的应用

针对蛋白质二维格模型(2DHP)折叠问题提出了一种改进的蚁群算法(Ant Colony Optimization Algorithm)，在算法的搜索阶段采用了牵引移动(pullmoves)的方法：首先按照一定规则移动一个或两个顶点的位置．然后将其他顶点沿着链依次向前移动两个位置，一旦达到一个新的有效构象则停止该移动．该方法的优点是大多数移动只需改变很少的顶点位置，使得改进后的蚁群算法具有较快的收敛速度．求解基准实例的结果表明，该算法在保证解的质量的前提下能大大缩短计算时间。     

一种求解混合整数非线性规划问题的演化算法--搜索空间自动收缩法

提出一种求解混合整数非线性规划问题的新的演化算法 -搜索空间自动收缩法 (ACSSOS) .在这种算法中 ,演化算法既用来定位最优解区域 ,实现搜索空间自动向全局最优解收缩 ,又用来最终求得最优解 .由于在遗传算子中引用了舍入操作 ,它不仅可用来求解混合非线性整数规划问题 ,也可求解纯整型或纯实型变量非线性函数优化问题 .数值试验结果表明本文的算法在解的质量、稳定性和收敛速度等方面优于一般的演化算法 .     

供应链协同生产作业调度优化研究

提出工序制造单元的概念,以供应商最小化加工流程时间为目标,建立了供应链协同生产作业调度模型,并运用双层编码遗传算法对模型进行了求解,最后通过算例仿真计算表明：提出的模型和算法可以获得满意解．通过对供应商生产作业调度的分析,调度结果既可以指导供应商合理的安排生产,同时可以作为核心制造商分配订单的参考依据．     

基于遗传算法的片上网络低功耗映射

随着片上网络(Network-on-Chip)集成度的提高,功耗逐渐成为设计的焦点.本文提出了一种在延时约束条件下,基于遗传算法的片上网络通信链路的低功耗映射算法.该算法使用数组方式编码染色体,并采用非常规码的交叉和变异运算因子.它充分利用遗传算法的群体优势,能快速有效地对通信功耗作优化.实验表明,该算法能平均减少50%左右的通信功耗.     

基于多基因分量编码遗传算法的矩形物体布局问题

布局问题普遍存在于社会各领域和行业,属于较难解决的NPC问题,传统方法很难找到最优解.遗传算法是一种借鉴生物进化机制和优胜劣汰法则的现代智能算法,具有一定的优势.将基于多基因分量编码的遗传算法应用于矩形物体布局问题的求解,并通过构建遗传算子选择规则库提高遗传算法的自适应性,具有一定的经济意义和理论意义.     

一种基于空间结构的数值优化演化算法

提出一种求解数值优化问题的演化算法－－基于空间结构的演化算法(Space GA），在这种算法中，作者将演化种群中的每个个体放在固定的位置上，杂交操作在其邻居上的几个点进行，因此不用选择遗传操作的父体，从而避免了确定选择压力的问题，同时空间结构保证了搜索的全局性，遗传操作保证了较优解在其空间中的扩展，从而达到了全局寻优的目的。文章还讨论了不同的空间结构算法的影响，此算法可以求角数学规划问题、约束函数优化问题，如果对实型变量采用取整的操作，算法还可以求解混合整数非性规划问题，数值试验的结果表明了算法在求解的速度，稳定性，质量等方面都优于一般的演化算法。     

基于免疫遗传算法的多重序列比对

提出一种基于免疫遗传算法的多重序列比对的方法，它将一种免疫算子加入到遗传算法的框架中，通过对个体接种疫苗来进一步提升个体的存活能力，实验结果表明，该方法可以加快收敛速度，并能求出比遗传算法更优的解。     

制造资源驱动的产业集群订单分配研究

针对集群制造资源利用不均衡现象,在对集群内供应商进行综合评价的基础上,提出了以生产负荷率均衡和制造资源综合性能最优为决策准则的订单分配方法,在考虑供应商制造资源利用状况的同时兼顾了所选用制造资源的性能;建立了订单分配多目标规划模型,并利用基于模糊逻辑的遗传算法对模型进行求解;最后通过实例验证了算法的有效性.结果表明:提出的模型和算法能够获得满意的解.     

常微分方程组的演化建模新算法

提出了常微分方程组的演化建模的一种新算法 ,新算法在 3个方面改进了作者原有的算法 :(1)采用新的适应值评估方式 ;(2 )采用一种基于子空间搜索的遗传算法来优化模型的参数 ;(3)将传统的遗传程序设计方法与局部搜索技术相结合来优化模型的结构 .将新算法分别应用于人口增长与化学反应模型的自动建模 ,并比较两种算法的实验结果 ,表明新算法发现的模型更稳定、精确度更高 .     

软件管道化方法

用完全数据关联图CDG来表述软件管道化问题,图中有向边表示循环中各指令间的关联性,同时提出了基础集的概念,平行可扩展的基础集可以覆循环的指令,文中用遗传算法来搜索基础集的最优解或次最优解,这种方法可以处理所有可能的数据关联性,从而可以将循环高度并行化。     

遗传算法在热电厂生产调度 优化中的应用

本文介绍遗传算法在热电厂运行优化中的应用方法,与一般的遗传算法不同的是, 我们在设计三种 遗传算子时考虑到父代的适应值.