基于稳定性分析的应急物资储备策略研究

应急物资实物代储方式是有效降低应急物流成本和实现应急物资快速筹集的重要举措。针对政府直接储备应急物资所带来的采购和管理成本过高、巨额资金占用、物资性能降低以及因管理不善造成的应急物资浪费等问题,本文本着互利合作的原则,借助种群共生理论构建政府与应急物资代储企业之间的合作共生关系,并通过构建数学模型分析了政府与实物代储企业满足共生平衡点的稳定性条件,以解决政府在限制支付条件下如何选择应急物资代储企业的问题,为政府制定应急物资储备策略提供决策依据。     

基于TSP问题的一种改进遗传算法

针对传统遗传算法(GA)在解决旅行商问题(TSP)时存在的不足,对初始种群的选取方式和算子的选取进行了改进,设计出了一种能够较好的求解出TSP问题的最优解的算法.计算机仿真实验验证了该算法的有效性.     

并行多机调度问题的一种遗传算法

运用遗传算法对最小化完工时间的并行多机调度问题进行了研究，给出了最小完工时间的一个下界，由此提出了初始种群的一种构造方法，并用计算实例表明该方法适用于大规模并行多机调度问题     

求解约束优化问题的一种算法的改进

针对用遗传算法求解约束优化问题时,初始种群产生的方法进行了研究,提出了初始种群产生的一种新方法.实验证明,该方法较直接利用随机数产生初始种群的方法,具有更快的运算速度.     

基于AAWDA-PP回归模型的边坡稳定性评价

在边坡的稳定性评价中保证边坡分类的准确度十分重要.人工非洲野狗群体智能算法,能够通过模拟野狗的觅食行为来对目标函数进行寻优.结合投影寻踪算法以及阻滞增长曲线函数,建立人工非洲野狗优化投影寻踪模型,利用非洲野狗算法AAWDA优化投影指标函数及阻滞增长曲线函数参数,提高了模型求解的准确性,通过对求解后的结果建立回归模型,然后根据分级阈值对边坡等级进行分类,测试结果显示较好的精度.将模型应用于案例边坡的稳定性分析,并同PSO-PP模型,ANN模型所得结果进行比较分析,得出运用AAWDA-PP回归模型预测结果与经验值之间的误差最小,说明模型在研究边坡稳定性评价分级中更加准确有效.     

一类具二阶非线性项的Liénard方程的定性分析及应用

本文通过对一类具二阶非线性项的Liénard方程的定性分析得到了关于其解的存在性、单调性及振荡性的若干结果,并作为推论给出了具典型意义的几个非线性发展方程行波解的重要性质.这些性质不仅对于定性分析有意义,而且可使我们知道解的大致形状,从而提高求解的效率.     

极正交各向异性圆板非线性弯曲的定性分析及单调迭代解

本文对极正交各向异性圆板在任意轴对称载荷和边界条件下的非线性弯曲问题进行了较为系统的研究.首先,将边值问题归结为等价的积分方程,并且借助于广义函数得到了线性问题的一般解答.其次,对导出的非线性积分方程解的性质作了较为细致的讨论,例如边缘皱褶,非负性和奇性等.然后,构造了解的双边单调迭代格式,并给出了迭代格式的收敛性判据和误差估计,同时还讨论了解的全局存在唯一性.最后,给出了一个数值例子来说明本文方法和结论的应用.本文某些结果是由作者新得到的.     

基于改进遗传算法及神经网络的炉温曲线面积优化

针对电子元件在回焊炉中的生产过程,建立机理模型进行分析研究.利用炉温曲线模型随机产生多组生产数据作为输入数据,以峰值温度与超过217.C生产过程用时作为输出数据,建立基于BP神经网络技术的炉温曲线预测模型.同时,在制程界限范围内,利用改进遗传算法进行优化,得到满足最小覆盖面积的最优炉温曲线.     

改进的生成树遗传算法及其在物流配送成本优化中的应用

针对物流配送成本优化问题的特点,建立了数学模型,并对基本的生成树遗传算法进行了改进,同时详细阐述了改进的生成树编码的遗传算法在物流配送成本优化问题中的运用等关键技术.最后根据此算法设计了一个物流配送优化系统,解决了一个物流配送成本优化问题,效果良好.此系统对于中小型物流公司设计最优物流策略和降低物流成本有着很大的应用前景.     

改进的最佳摄动量法及在反问题中的应用

给出了改进的最佳摄动量法,并应用在双曲型方程参数反演问题的求解中.由遗传算法借助交叉和变异算子控制全局搜索来获得参数的初始迭代值,代入最佳摄动量法求解出稳定的高精度数值解.     

一种改进的遗传k-means聚类算法

在经典的k-means聚类算法中,聚类数k必须事先给定,然而在现实中k很难被精确的确定.本文提出了一种改进的遗传k-means聚类算法,并构造了一个用来评价分类程度好坏的适应度函数,该适应度函数考虑的是在提高紧凑度(类内距)和分离度(类间距)的同时使得分类个数尽可能少.最后采用两个人工数据集和三个UCI数据集对k-means聚类算法(KM),遗传聚类算法(GA),遗传k-means聚类算法(GKM)和改进的遗传k-means聚类算法(IGKM)进行比较研究,比较的指标有类间距、类内距和分类正确率.研究证明改进的遗传k-means算法能够自动获取最佳聚类数k并且保持较高的正确率.     

积分——水平集求全局最优的遗传算法实现

Chew Soo Hong,Zheng Q uan提出了一个积分——水平集求全局最优的概念性算法及M on te-C ar-lo随机投点的实现途径,并在很多实际问题中得到了很好的应用,但这一实现算法的收敛性是个未解决的问题.利用近年来广泛应用的遗传算法,给出了这一算法的另一种实现途径,并从理论和数值两个方面验证了算法的可行性.     

基于存档策略的多目标优化的遗传算法及其收敛性分析

设计了一种用遗传算法求解多目标优化问题的有效方法——基于存档策略的多目标优化的遗传算法,并讨论了此算法的收敛性.首先给出档案的定义,设计出基于支配关系下的带有存档策略遗传算法,并通过算例检验了算法的有效性;然后引入了两档案间的距离的概念,在此距离定义的基础上证明了算法在概率意义下是收敛的.     

遗传规划的改进算法

通过改变遗传规划算法中初始群体的生成方法,改变变异策略和修正适应度函数,对遗传规划算法进行了改进,并通过符号回归数值实验对改进后算法的性能进行了测试,且将改进后的算法与改进前以及其它改进算法进行了比较,数值实验结果表明,改进后的算法有效地提高了遗传规划的效率。     

遗传算法的一种改进进化策略

在现有文献研究的基础上,对传统遗传算法的进化策略又作了进一步研究,提出了一种改进的进化策略.进化策略克服了传统遗传算法中交又得到的优秀个体有可能在变异过程中遭到破坏而不能生存的不足.另外取消了遗传算法中难以确定的交叉、变异概率,使交叉产生的新个体数增多,这样可增大产生更优秀个体的可能性,因而可使遗传算法的性能得到更好的改善.通过4个测试函数的测试计算,结果表明,给出的改进进化策略比传统遗传算法进化策略的运算速度明显提高,迭代次数明显减少,从而验证了提出的改进进化策略的有效性.     

遗传算法过早收敛现象的马氏链分析

GeneticAlgorithmsarealtitudeparalleling ,self_adaptingandrandomsearchmethodsthatbasedonideasfromnaturalchoiceandnaturalgenetics.Theyarealsobionicoptimumalgo rithmsdrewonbiologicalevolutionespeciallygenetictermsandprincipal.ThedefinitionofconvergenceofGAshadmayvarieties ,includingconvergenceindistribution ,inprobability ,inprobability 1andconvergencealmosteverywhere ,etc ..EvenforGAsmodel,differentdefini tionhaddifferentlimit.Itmightbeglobaloptimalsolution ,localoptimalsolutionornonopti malso…     

施工网络计划优化的极值种群遗传算法

针对普通遗传算法用于施工网络计划优化的缺点,通过种群划分与极值搜索,建立了网络计划优化的极值种群改进遗传算法模型,有效地避免了陷入局部极值点,应用证明,该算法与普通遗传算法相比,具有优化速度快、求解精度高,全局寻优能力强等优点,尤其适合于大型复杂工程网络的优化计算。     

A Continuous Genetic Algorithm Designed for the Global Optimization of Multimodal Functions

Genetic algorithms are stochastic search approaches based on randomized operators, such as selection, crossover and mutation, inspired by the natural reproduction and evolution of the living creatures. However, few published works deal with their application to the global optimization of functions depending on continuous variables.A new algorithm called Continuous Genetic Algorithm (CGA) is proposed for the global optimization of multiminima functions. In order to cover a wide domain of possible solutions, our algorithm first takes care over the choice of the initial population. Then it locates the most promising area of the solution space, and continues the search through an intensification inside this area. The selection, the crossover and the mutation are performed by using the decimal code. The efficiency of CGA is tested in detail through a set of benchmark multimodal functions, of which global and local minima are known. CGA is compared to Tabu Search and Simulated Annealing, as alternative algorithms.     

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.