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 .     

利用启发式信息优化多连接查询的遗传算法

结合多连接查询的特点,讨论了在左线性树空间的遗传优化算法,采用有序串编码方法和专门的杂交、变异算子;并利用查询优化中的增量启发式信息初始化种群,来提高遗传算法的收敛速度．我们将遗传算法与迭代修正的局部搜索策略相结合,解决传统的遗传算法缺乏较强的局部搜索功能的问题．     

基于Hash函数改进遗传算法的 IPv6下模糊异常检测模型

为了实现基于IPv6的异常检测，设计了一种新的高效异常检测模型．针对传统遗传算法编码效率低下的不足进行了改进．该模型使用基于遗传算法的IPv6模糊异常检测规则生成技术，采用Hash函数进行初始种群优化、随机实数编码进行种群编码，提高了检测准确性．使用实时网络数据流对原型系统和Snort进行对比测试，结果表明所提出的模型在检测效率上有明显改善．     

基于层次简化的三维场景快速绘制方法

实时三维场景快速绘制是实现漫游和仿真的基础,提出了一种基于分层简化和碰撞检测的快速渲染算法．该算法先采用八叉树的分层简化三维场景模型,然后用包围盒实现视景的实时碰撞检测,最后采用基于场景剔除的图像缓存技术．从实验结果分析,此方法在效率和显示效果上是可行的．     

二维抛物型方程反问题的数值解法

用遗传程序设计反演二维抛物型方程右端函数模型并在求解右端函数的适应值评价中我们采用正则化来解决反演中的不适定问题。数值实验结果表明采用此算法为高维的抛物型方程的反演问题提供了一种崭新的实用方法。     

基于混沌时间序列的非线性动态系统神经网络建模与预测

在分析神经网络非线性建模原理的基础上，以典型的非线性差分方程为研究对象，提出了一类基于神经网络的非线性动态系统建模方法．针对传统BP算法的局限性，提出了一种非线性动态系统神经网络改善梯度估计精度的新算法．并以上证综合指数时间序列为研究对象，运用本文提出的建模方法和算法，进行了我国资本市场混沌时间序列预测研究的实例分析，得到的单步预测上证综合指数误差很小(-100～100)；多步预测在最初的10步之内预测效果较为理想，而在此之后的预测值则严重偏离真实值．这与混沌时间序列特性相吻合，同时也证明了所用算法的有效性．     

演化参数反演方法

给出了一类基于演化计算的演化参数反演方法,此类方法既可以给定参数的函数类,用遗传算法（Genetic Algorithms）来反演参数的最优估计值,也可以不指定函数类形式,用遗传程序设计（Genetic Programming）的方法反演出最优的函数模型,使参数反演实现客观化、自动化.由此建立反演系统后,在使用过程中可以根据最新获得的数据对模型中的物理参数作适时校准,一旦发现预报误差较大,就利用演化算法及时修正方程中的参数以改进预报.运用该方法于椭圆边值问题的物理参数反演的数值模拟,证实了此方法的有效性,为物理模型参数的反演提供了一种崭新的实用方法.     

基于实数编码遗传算法的多层神经网络BP算法

提出用实数编码的遗传算法来优化多层神经网络的权值，并且将遗传算法与ＢＰ算法结合，能有效地避免ＢＰ算法陷入局部极小和遗传算法过早收敛，实验结果令人满意．     

基于遗传算法的灰色GM(1,1)模型

在分析GM(1，1)模型的建模机理的基础上，指出了传统建模方法存在的不足，同时给出了基于遗传算法的GM(1，1)优化模型，优化模型提高了灰色预测的精度。     

分布估计算法及其性能研究

在传统的遗传算法中,不合适的的参数设置会降低解的质量,于是在解决一些优化问题时传统的遗传算法被分布估计算法所取代.将分布估计算法按其复杂性归纳成几种模型,分别描述了它们的实现方法和求解问题的能力和效率.     

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。     

基于混合遗传算法的MPRM最小化

MPRM(Mixed-Polarity Reed-Muller)最小化是RM(Reed-Muller)电路逻辑综合过程中一个非常重要的阶段,对于输入数较多的布尔函数,传统遗传算法(Genetic Algorithm,GA)在解决MPRM最小化问题时收敛过早.提出了一种基于混合遗传算法(Hybrid Genetic Algorithm,HGA)的MPRM最小化算法,该算法将基于相异度的局部改善策略结合到GA算法的迭代过程中.局部改善策略对种群中最佳个体和与之相异度最大的个体实施交叉操作生成新个体,并将新个体与最佳或最差个体进行竞争.将所提算法应用于一组具有较多输入数的MCNC基准电路,并与其他智能MPRM最小化算法进行比较.结果表明,局部改善策略能够避免算法陷入局部极小,增强了全局收敛能力.与模拟退火遗传算法(Simulated Annealing Genetic Algorithm,SAGA)相比,HGA算法在获得类似结果的前提下提高了时间效率;与Hybrid multi-valued DPSO算法相比,HGA在得到基本相同的算法结果时,时间效率亦基本相同.     

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。     

一种基于整体退火遗传算法的动态IR Drop分析新方法

提出了一种基于整体退火遗传算法的动态IR drop分析方法.该方法在经典遗传算法基础上,引入父代竞争和适应函数模拟退火处理,优化了动态分析的输入向量,加快了分析速度.实验表明,与经典遗传算法相比,该方法提高了动态IR drop分析的准确性,提高了算法收敛速度,繁殖代数平均减少了35%,分析结果改进了10%左右.     

遗传BP神经网络在PID控制器中的应用

提出了一种基于遗传BP神经网络的自整定PID控制器的设计方法．利用遗传算法搜索出一组准优的PID参数,作为PID控制器参数的初值,在利用BP神经网络具有逼近任意非线形函数的能力,在线调整PID参数,以确保系统的响应具有最优的动态和稳态性能．计算机仿真结果表明,这种控制算法鲁棒性强,响应速度快,可用于控制不同的对象和过程．