一种基于遗传算法的Job Shop作业排序方法

用遗传算法对ＪｏｂＳｈｏｐ零件排序问题进行优化搜索，并在算法中引Ａ了一些新的思想，以有利于降低种群的规模，提高计算速度，改善优化结果。     

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.     

一种基于步态的身份识别新方法

步态识别是通过人走路的姿态进行身份识别的新兴生物特征识别技术.算法利用步态的动态特征和形状信息进行步态识别.首先,对某个人的一个步态序列利用动态Viterbi算法得到一个样本姿态序列,对其多个步态样本姿态序列的对应姿态取平均得到这个人的特征姿态序列,然后对特征姿态采用主成分分析法处理特征空间,最后用最近邻法进行识别.利用USF/NIST数据库对本文方法进行了验证,取得了较高的识别率.并对体形变化具有较强的鲁棒性.     

一种动态自适应的网格负载平衡调度算法

根据计算机网络固有的层次结构特性，提出了基于层次结构的动态自适应的网格负载平衡调度算法，在下层结点上采用便于管理的集中式算法；而在高层结点上采用高效稳定的分布式渗透算法．该算法由于在结点的重载和轻载状态之间增加了一个缓冲状态——适度，使得系统的负载状态刻画得更为精确，从而使网格系统趋于平衡稳定；另外在负载迁移时也尽量地采取就近迁移的原则，使得系统开销和网络通讯量得以减少．     

基于M-picture的动态光线空间编码新方法

提出了新的基于M-picture的动态光线空间编码方法．新的编码结构满足时间轴和视点间低延时的随机访问的要求,同时通过更准确的时空域联合预测减少残差和帧内块数,提高了编码效率.     

一种基于LSTM-Blacklist的动态信任度证明机制

针对区块链网络中共识节点的恶意行为导致的区块链系统安全问题,提出一种基于LSTM(long short-term memory)-Blacklist的动态信任度证明机制(PoDT-LSTMB)。该动态信任度证明机制通过前向注意力机制的两层LSTM神经网络学习并分析参与共识节点的行为数据,预测节点行为倾向。以节点信任度为基础构建黑名单,剔除低于信任度阈值的节点,提高全网节点的总体可信性。以正常区块上链率以及节点信任度的变化为主要评估指标,与信任度证明PoT(Proof of Trust)机制以及不带黑名单的PoDT-LSTM机制进行了对比实验。实验结果表明,基于前向注意力机制的两层LSTM神经网络结构准确率可达0.915 1,本文提出的PoDT-LSTMB机制比PoT机制的正常区块上链率提高30%～33%。     

一种克服遗传算法早熟的参数调整及并行方法

遗传算法是一种自适应全局优化概率算法,容易产生早熟(过早收敛)现象,影响了问题的求解.本文试图借助于多种群进化和种群间个体移植的概念,通过自适应控制参数的调整,利用移植并行的方法求出问题的最优解（或近似最优解）以便避免早熟,从而提高算法的搜索范围和效率.     

一种基于移动Agent可动态配置的移动数据库系统模型

在移动计算环境中,为解决移动数据库与移动终端进行数据交换的效率问题,利用移动Agent可以有效地节约网络带宽、降低网络延时、支持异步自主执行以及动态适应能力强的特点,由此提出了基于移动Agent的新型系统架构,该架构分为事务层、调度层和操作层三层;并在此基础上设计了移动数据库系统模型,该模型具备支持离线计算,实现了负载均衡等性能,解决了目前移动数据库在实际应用中存在的一些瓶颈问题。     

一种基于移动预测的无线传感器网络动态拓扑管理机制

拓扑管理是节省无线传感器网络能量消耗的主要方法之一.通常采用的拓扑管理是静态的.即在整个网络范围内通过定期让冗余节点休眠来节能.但在诸如移动目标定位跟踪的应用场景中.静态拓扑管理会造成较大的能量消耗的浪费.提出一种动态拓扑管理机制,利用移动预测技术在移动目标的附近动态构造拓扑管理区域,并只在该区域内实施拓扑管理,而让区域之外的大部分节点休眠.分析了动态拓扑管理的性能并通过仿真比较了动态拓扑管理与其他相关机制的能量消耗.     

基于支持向量机对种群特征回归分析的自适应遗传算法

在分析标准遗传算法易发生早熟收敛的基础上,提出了遗传算法种群特征代间海明距离的概念,代间海明距离可以较好的反映算法运行的总体与动态性能.应用支持向量机对遗传算法的代间海明距离进行了回归分析,遗传算法依据回归分析结果调整其整体优化策略,同时依据算法当前运行情况自适应调整种群的多样性,有效地避免了遗传算法的早熟收敛.数值实验结果表明,该改进算法搜索整体性较强,搜索效率优于标准遗传算法,提高全局优化能力.     

基于模拟退火遗传算法的三值FPRM电路功耗优化

在三值FPRM(Fixed-Polarity Reed-Muller)逻辑函数中,n变量函数有3ⁿ个固定极性.针对不同极性下FPRM电路功耗不同的特点,研究了三值FPRM逻辑表达式,提出一种基于模拟退火遗传算法的三值FPRM电路功耗优化方法.首先,根据三值逻辑函数表达式和开关信号传递理论,建立三值FPRM电路功耗估计模型;再利用模拟退火遗传算法对三值FPRM电路进行功耗最佳极性搜索,得到了功耗最低的FPRM电路;最后对13个MCNC Benchmark电路进行仿真.结果表明:与0极性相比,搜索到的最佳极性功耗平均节省了73.98%.     

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.     

基于遗传算法的静态环境全局路径规划

静态环境中移动机器人全局路径规划一直是路径规划中的一个重要问题.作者提出了基于遗传算法的静态环境下机器人全局路径规划方法.该方法首先提出机器人工作空间中环境信息的神经网络模型,并利用该模型建立机器人免碰撞路径与神经网络输出的关系,然后将需规划的路径的二维编码简化成一维编码,并把免碰撞要求和最短路径要求融合成一个适应度函数.通过对算法进行实验仿真表明,提出的全局路径规划方法是正确和有效的.     

基于动态分级和邻域反向学习的改进粒子群算法

针对粒子群算法容易陷入局部最优解的问题,提出了一种基于动态分级和邻域反向学习的改进粒子群算法.该算法通过构建动态分级机制,将种群中的粒子动态地划分成3个等级,对不同等级内的粒子采取不同的扰动行为,使得粒子在增强种群多样性的同时保持向全局最优方向进化;采用粒子智能更新方式,提高了粒子的搜索能力;引入动态邻域反向学习点建立全局搜索策略,促使种群快速寻优.最后,利用多种典型测试函数对该算法进行仿真实验,结果表明,与其他几种优化算法相比,本算法具有较好的收敛性和稳定性.     

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.     

基于模拟退火与Dijkstra算法的复杂网状结构供应链最优化研究

复杂网状结构供应链费用最优化已成为研究的热点问题.基于模拟退火与Dijkstra算法对复杂网状结构供应链费用的优化问题进行了研究.把全国的城市分布作为复杂网状结构,以城市间的距离和建立供应点的费用作为参数,建立数学模型,并进行数值仿真,分别以全1序列、〖JP5〗全0序列、随机序列为初始值的选取方式进行模拟,从中确定了最优解,并给出了最优供应链网络.     

基于动态因子和共享适应度的改进粒子群算法

为提高粒子群算法的收敛速度和优化性能,避免陷入局部最优,提出了一种基于动态学习因子和共享适应度函数的改进粒子群算法.在惯性权重w随着迭代次数非线性减少而动态调整学习因子的基础上,引入共享适应度函数.当算法未达到终止条件而收敛时,利用粒子和最优解间距离挑选一批粒子重新初始化形成新群体,并用共享适应度函数对新群体进行评价,新旧2个群体分别追随自己的局部最优解直至迭代结束.对4个典型多峰复杂函数的测试结果表明,该改进算法不仅加快了寻得最优解的速度,而且提高了粒子群算法全局收敛的性能.     

基于支持向量机及遗传算法的光刻热点检测

提出一种基于支持向量机（SVM）及遗传算法（GA）的集成电路版图光刻热点检测方法.首先对版图样本进行离散余弦变换（DCT）以提取样本的频域特征,然后基于这些样本训练SVM分类器以实现对光刻热点的检测.为了提高光刻热点检测的精度及效率,采用遗传算法（GA）对频域特征进行选择,并同时优化SVM参数.实验结果表明,基于SVM及版图频域特征并结合遗传算法进行优化的光刻热点检测方法可以有效提高版图光刻热点的检测精度.     

基于实时信息的取送货动态车辆路径问题研究

为适应点对点、实时城市配送对动态响应和快速决策提出的新要求, 研究了多种实时信息作用和影响下的取送货动态车辆路径问题. 采用将动态问题转化为一系列静态问题的建模方法, 建立了基于实时信息的取送货动态车辆路径模型; 设计了动态算法框架, 运用构造算法获得初始可行解, 运用禁忌搜索算法改善初始可行解质量. 实验表明, 本文的模型和算法能有效解决基于实时信息的取送货动态车辆路径问题, 将初始可行解的质量(实时物流配送成本)改善了34%.     

基于Blackman窗函数的插值FFT在电网谐波信号分析中的应用

对插值快速傅里叶变换（FFT）算法在电网谐波参数估计的研究表明：窗函数的类型和宽度是影响插值FFT算法分析精度的主要原因．通过对常用窗函数和电网信号的分析,Blaekman窗适合分析电网信号,同时给出了基于Blackman窗的插值FFT算法．仿真结果表明,基于Blackman窗的插值FFT算法对电网谐波幅值、频率和相位的估计精度都达到了电能质量的国家标准．