基于GA_XGBoost模型的大学生科研能力预测问题研究

科学评价大学生科研创新能力对我国科研水平的提高具有重要意义.采用机器学习模型来预测大学生科研能力可以起到良好的效果,提出一种GAXGBoost模型来实现对大学生的科研能力预测.此模型是以Xgboost算法为基础,然后充分利用遗传算法的全局搜索能力自动搜索Xgboost最优超参数,避免了人为经验调参不准确的缺陷,最后采用精英选择策略以此确保每一轮都是最佳的进化结果.通过分析表明,所采用的GAXGBoost模型在大学生科研能力预测的结果中具有很高的精度,将此模型与Logistic Regression、Random Forest、SVM等模型进行对比,GAXGBoost模型的预测精度最高.     

基于遗传算法和指标满意度求解的第三方物流企业物流中心选址方法

本利用AHP和模糊综合评价法评价物流中心选址的定性指标、用量化选址模型结合遗传算法计算定量指标，再藉助指标满意度求解把定性和定量的指标进行综合，从而为决策对物流中心选址做出科学的决策提供支持。     

基于实数编码的免疫遗传算法研究

针对标准遗传算法(SGA)搜索效率低、收敛速度慢等缺陷，在免疫遗传算法的基础上提出了基于实数编码的免疫遗传算法(RIGA)。研究表明，RIGA对SGA的改进是有效可行的，显示出稳健的全局优化、计算量少而解的精度高等特点，具有较高的应用价值。     

基于改进遗传算法的布局优化子问题

本针对子问题，构造了布局子问题(关于同构布局等价类)的改进遗传算法。将该算法应用于二维布局优化子问题，数值实验表明该算法能够在很好地保持图元的邻接关系的前提下找到子问题的最优解。由于布局优化问题可分解为有限个子问题，所以利用该算法可以找到整个布局优化问题的全局最优解。     

用遗传算法研究Con(n=3-60)团簇的结构特性

我们采用半经验的Gupta多体势结合遗传算法,系统地研究了Con(n=3-60)团簇的几何结构特性.我们发现在钴团簇的生长中存在一个类fcc构型与类Ih构型之间的竞争,从n=39开始,钴团簇呈现出明显的Ih生长模式.Con(n=3-60)团簇的幻数为13,19,23,38,55,结合钴团簇的平均最近邻原子间距和平均配位数,分析了钴团簇幻数序列存在的原因.我们发现团簇内部原子具有增强团簇对称性和加强团簇稳定性的显著作用.     

现代优化计算方法在蛋白质结构预测中的应用

现代优化计算方法在蛋白质结构预测中占有重要地位.简要地介绍了模拟退火算法,遗传算法,人工神经网络和图论算法在蛋白质结构预测中的应用.对国内外近年来应用这些算法,特别是在蛋白质构象搜索问题中,解决蛋白质结构预测的研究作了回顾,并分析、比较了这几种算法的效果和特点.     

作业车间调度问题的改进混合遗传算法

作业车间调度是一类求解困难的组合优化问题,本文在考虑遗传算法早熟收敛问题和禁忌搜索法自适应优点的基础上,将遗传算法和禁忌搜索法相结合,提出了一种基于遗传和禁忌搜索的混合算法,并用实例对该算法进行了仿真研究.结果表明,该算法有很好的收敛精度,是可行的,与传统的算法相比较,有明显的优越性.     

Irn(n=2-25)团簇基态结构的遗传算法研究

用遗传算法结合Gupta紧束缚模型势研究了Irn(n=2-25)团簇的基态结构.分析了Irn(n=2-25)团簇的基态结构随团簇尺寸的变化规律.计算结果表明,Irn(n=2-25)团簇的每个原子的平均束缚能和平均第一近邻随团簇尺寸的增加而增大,以总束缚能的二阶差分为判据,Irn(n=2-25)团簇的幻数是4、7、9、13、15、19、23.     

最优保存遗传算法在最优资产组合计算中的应用

本文基文献 [1]的思路 ,详细论述了利用遗传算法解决有风险控制的最优资产组合问题的具体实现过程 .并论证了用浮点数的方法表示的最优保存遗传算法的全局收敛性     

采用二叉树编码的遗传算法实现数据似合

针对采用数值分析方法进行数据似合求解复杂度高、运算最大而精度较低的缺陷，本给出一种基于二叉树编码的遗传算法来进行数据拟合，取得了较好的效果。