基于模糊遗传算法的XNOR/OR展开式最小化研究

提出一种改进的模糊遗传算法用于求解XNOR/OR展开式最小化问题. 在算法进化过程中,采用模糊规则对交叉率和变异率进行修正, 以提高算法的收敛速度, 并在一定程度上抑制了局部收敛现象的发生. 并采用8个MCNC Benchmark电路对该算法进行测试, 结果表明: 所提算法具有较好的优化效果和较高的收敛速度.     

遗传算法在方程求根中的应用

提出了一种新的求根方法，即将遗传算法应用于方程求根的领域之中，并在大量数值实验的基础上，将遗传算法与数学上常用的传统求很方法进行了比较，实验的结果表明，遗传算法具有一定的优越性．     

时间表问题与遗传算法

通过对时间表问题和遗传算法的认识，探讨用遗传算法求解时间表问题，并给出一个实例。     

MATLAB环境下遗传算法优化工具箱的应用

用MATLAB语言及MATLAB语言编制的优化工具箱进行优化设计具有语言简单、函数丰富、用法比较灵活、编程效率高等特点．本文对遗传算法和基于MATLAB的遗传算法优化工具箱（GAOT）作了简要的介绍、分析了优化工具函数．并结合非线性、多峰值函数问题的优化实例，说明了遗传算法是一种具有良好的全局寻优性能的优化方法．     

基于遗传算法的多核支持向量机的参数优化

提出了利用遗传算法对多核支持向量机的权系数进行寻优的方法GA-MKL,先选择表现能力最好的参数的单核构成多核,再利用遗传算法来对多核的核系数来寻优.采用该算法在UCI标准数据集上进行了实验,结果表明,该算法为多核SVM的系数选择提供了一种可行的方法.与单核SVM相比,该方法具有更好的分类能力,和其他多核学习算法相比,性能也有一定的提高.     

具有物理模型数据处理的多目标优化及其算法

针对具有物理模型参数的辨识，提出了新的多目标优化模型及遗传算法.它突破了数据处理最小误差的传统思想，提出了“病态”数据分析方法,进一步挖掘了数据中的信息.文中充分利用“病态”数据分布的特征，通过遗传算法求解，确定了电磁场分布物理模型在实际问题中的适用范围，有效地提高了多目标优化模型的精度和实用价值.     

基于遗传算法的电压岛感知的多电压分配

功耗是当前SoC设计所面临的最大挑战之一,多电压设计是一种降低SoC芯片功耗的有效方法.在后布局阶段应用多电压设计,首先对现有电源网络复杂性度量方法进行改进,然后提出了一个同时考虑功耗、电源网络复杂性及电平转换器的新目标函数,并采用遗传算法进行最优电压分配.对GSRC测试电路的实验结果表明,所提出的算法不仅能有效降低芯片功耗,同时可以将多电压设计的额外开销控制在一个较低的水平.此外,改进的电源网络复杂性度量方法在功耗节省和电平转换器数量方面较已有的有一定的优势.     

基于小波包Shannon熵与GA-SVM的船舶轴系故障诊断方法

针对船舶推进轴系的振动问题, 基于小波包、Shannon熵、遗传算法(GA)和支持向量机(SVM)理论, 提出了一种船舶轴系故障诊断的新方法, 简称WPS-GS方法. 该方法依托船舶螺旋桨状态监测模拟实验平台, 利用小波包分解技术分析船舶轴系发生故障时的振动信号, 将其Shannon熵作为SVM的输入特征向量. 在训练SVM时, 采用遗传算法对SVM的参数进行全局寻优, 使SVM具有更高的识别准确率. 实验结果表明, WPS-GS方法对故障诊断的准确度和识别率较传统SVM和交叉验证SVM方法高, 适用于船舶轴系故障诊断.     

基于遗传算法的图论聚类方法

针对传统图论聚类算法对初始聚类中心的敏感性以及聚类结果与样本输入次序等问题,提出了基于遗传算法进行图论聚类分析的基本原理和实现方法.实验结果表明,遗传算法应用于图论聚类分析能够搜索到更为精确的聚类中心值,其结果明显好于传统图论聚类算法.     

一种新的遗传算法最优保存策略

提出了一种新的遗传算法最优保存策略,该策略在最优个体保留的基础上,添加一个与最优个体相异因子较大,而适应值不过小的个体.这样做既利用了最优保存策略的全局收敛性,又通过新添加的个体来保持种群的多样性,以防止早熟现象的出现.对典型优化函数进行了测试,结果表明基于新的最优保存策略的遗传算法(DESGA)收敛性能显著好于一般简单遗传算法(SGA)和最优保存简单遗传算法(ESGA).该策略与最优保存策略一样具有一般通用性.     

自适应memetic算法求解集合覆盖问题

集合覆盖问题是一个经典的NP困难的组合优化问题,有着广泛的应用背景.首先,采用动态罚函数法将集合覆盖问题等价转化为无约束的0-1规划问题.然后,基于集合覆盖问题的结构特征,设计了初始种群构造方法、局部搜索方法、交叉算子、动态变异算子和路径重连策略,提出了一个高效求解该0-1规划问题的自适应memetic算法.该算法有效平衡了集中搜索和多样化搜索.通过45个标准例子测试该算法,并将其结果与现有遗传算法进行了比较,表明该算法能够在可接受的时间内找到高质量的解,能够有效求解大规模集合覆盖问题.     

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。     

基于变长编码求解一维下料问题的演化算法

针对一维下料问题的特点,将线性规划方法与演化算法相结合,提出了一种基于变长编码求解一维下料问题的演化算法,该算法设计了一种新颖的遗传算子,实现简单,求解快速,实验表明,运用该法求解下料问题,材料利用率高,平均达到97．5％以上,具有很好的实用价值。     

A short note on the approximability of the single machine scheduling problem to minimize makespan with fixed jobs and precedence constraints

研究关于有固定工件序约束的单机最小化最大流程排序问题模型.在该模型中,有些固定工件已事先安排好,其余的自由工件之间的加工顺序满足给定的序约束.工件之间不允许抢先中断,在同一时间,机器最多只能加工一个工件.其目标是使得最大流程达到最小.该问题即使是对没有序约束的特殊情形也已被证明是NP-困难的.给出了该问题的一个线性时间的2-近似算法,并且证明了除非P=NP,对任意的δ>0,该问题甚至没有拟多项式时间的(2-δ)-近似算法.     

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 .     

双曲型方程激波捕捉的物理信息神经网络（PINN）算法

双曲型方程的数值求解算法研究一直是偏微分方程研究的热点，其中，双曲型方程的间断捕捉是难点。受物理信息神经网络（physics-informed neural networks,PINN）启发，构造了改进的PINN算法，近似求解双曲型方程的间断问题。将坐标构造的数据集作为神经网络的输入，将PINN算法中的损失函数作为训练输出值与参考解（基于细网格的熵相容格式数据）或准确解的误差值，通过网络优化，最小化损失函数，得到最优网络参数。最后用数值算例验证了算法的可行性，数值结果表明，本文算法能捕捉激波，分辨率高，且未产生伪振荡。     

高阶常微分方程的动态演化建模

提出了采用高阶常微分方程模型代替传统时序分析中所用的ARMA模型来实现一维时间序列的建模和预报．设计的将遗传程序设计与遗传算法相嵌套的动态演化建模算法,用遗传程序设计优化模型结构,以遗传算法优化模型参数,边收集数据边建模边预报,首次成功地实现了时间序列实时预报的程序自动化．两个时间序列的应用实例表明采用此算法可获得较好的实时预报效果．     

简单量子进化算法及其在数值优化中的应用

提出了一种简单量子进化算法，它仅用一个实数值表示一个量子位，并设计了特别的旋转、变异算子和评估量子染色体的方法，只用一个个体就可在很短的时间内搜索到最优解．求解数值优化问题和NiH问题的对比试验结果显示了此算法优异的性能．     

电场作用下HR神经元的分岔分析及参数辨识

详细分析了电场作用下四维Hindmarsh-Rose（HR）神经元模型的分岔模式及放电行为。通过数值仿真得到该神经元模型的多组双参数分岔图、最大Lyapunov指数图、峰峰间期分岔图等,发现该模型在双参数平面上存在倍周期分岔、加周期分岔等模式及“锯齿状”混沌结构。通过构建合适的目标函数,提出了自适应混合粒子群遗传算法,将神经元模型的参数辨识转化为最优化问题。数值仿真结果表明,算法对神经元模型的参数辨识效果较好,能更准确地辨识未知参数,具有一定优越性。     

基于多项式回归的自构形算法

自构形算法是BP神经网络提高泛化能力的一种方法,但自构形算法以线性回归理论为基础,在解决非线性问题时剪枝能力和收敛速度都存在不足,针对这一问题,提出基于多项式回归的自构形算法,并以风机故障诊断数据为例,对两种算法进行了详细的实验对比,实验表明基于多项式回归的自构形算法剪枝能力和收敛速度均优于线性自构形算法.