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。     

基于多种群协同进化的物流配送路径优化

将PSO算法与协同进化算法结合,提出多种群协同进化算法.在解空间上均匀初始化基因个体,依据适应度排序分配种群基因的子代数量,并融入合理的遗传与变异策略.通过物流配送中的应用,以实例说明算法的有效性.     

优化公交车调度的多目标遗传算法模型

公交车是为市民出行提供服务的“准公共”产品,它反映了一个城市的管理水平。研究如何合理规划公交车的调度是一个至关重要的问题。针对由于公交客流量易受天气影响、不同时间段客流量及其变化程度相差较大等问题,本文提出了基于“平高峰”因素的多目标遗传算法对城市公交调度进行优化。模型由三个阶段构成,首先本文根据客流数据对公交的“平高峰”阶段进行定义,并验证其合理性;然后利用乘客在站等待时间与公交的各方面成本建立以乘客出行成本和公共交通的运行成本最小的公交调度优化模型。最后将“平高峰”融入至染色体基因序列中,利用多目标遗传算法不断迭代计算出最优公交调度方案。对比结果表明,基于“平高峰”优化后的模型较于传统算法的乘客出行成本降低了13.75%且公共交通的运行成本减少1.7%,均优于传统算法。证明该方法对优化公交调度的有效性。     

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.     

选择算子与遗传算法的计算效率分析

指出了遗传算法的选择方式与其全局收敛性和收敛速度的关系．常用的选择算子不能保证算法的全局收敛性,在引入改进选择策略后轮盘赌选择方式能保证算法的全局收敛性．但收敛速度较慢．同时给出了遗传算法选择操作的若干策略．     

Rhn(n=3～57)团簇基态物性的遗传算法研究

采用半经验的Gupta多体势结合遗传算法,系统地研究了Rhn(n=3～57)团簇的几何结构特性.我们发现在铑团簇的生长中存在类fcc构型与类Ih构型之间的竞争,从n=39开始,铑团簇呈现出明显的Ih生长模式.Rhn(n=3～5r)团簇的幻数为13,19,23,38,55,结合铑团簇的平均最近邻原子间距和平均配位数,分析了铑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.     

Rhn（n=3—57）N簇基态物性的遗传算法研究

采用半经验的Gupta多体势结合遗传算法,系统地研究TRhn（n=3—57）团簇的几何结构特性．我们发现在铑团簇的生长中存在类fcc构型与类Ih构型之间的竞争,从n=39）T始,铑团簇呈现出明显的Ih生长模式．Rhn（n=3—57）团簇的幻数为13,19,23,38,55,结合铑团簇的平均最近邻原子间距和平均配位数,分析了铑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．     

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．     

自适应演化硬件系统中遗传算法内核设计

根据基于演化的自适应系统的体系架构,将与具体应用相对独立的遗传算法操作部分取出来,结合算法的操作流程,设计了一个与应用无关的、能够独立完成遗传算法操作的GAK(遗传算法内核).采用VHDL(超高速集成电路硬件描述语言)语言描述的状态机来实现该设计,其中种群规模、染色体长度等参数均可配置.采用Xilinx的Vl000FG680、速度等级为-6的EPGA(现场可编程门阵列)来实现GAK,其中染色体长度为8位、适应度值为16位、种群规模为256,此时该设计的综合结果为:占用资源为485个片(Slice),时钟频率为48.51MH.进而在GAK上仿真求解了多项式函数的极值优化问题,从而验证了设计的有效性.     

生态建筑的整体性设计问题研究

针对当前普遍存在的生态建筑技术拼凑的设计误区,提出应重视生态建筑设计的整体性问题,从维护整体生态系统平衡、技术系统的整合、设计过程的整合以及相关利益群体价值取向的整合等多角度论述了生态建筑的整合设计策略.     

多目标子空间搜索演化算法MOSSSEA

在研究已有的求解多目标函数优化问题的演化算法的基础上,提出了一个结合Rank排名和子空间搜索的新的以杂交为主的演化算法MOSSSEA(Multi-Object Sub-Space Search Evolutionary Algorithm),将MOSSSEA应用到求解静态多目标函数优化问题中.一组测试函数的结果表明MOSSSEA表现出了优于同类算法的收敛性和多样性.     

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 .     

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。     

基于小生境遗传算法的粗糙集属性约简

利用小生境遗传算法在解决多峰最优问题的快速搜索能力,解决了目前用一般的启发式约简方法不能解决的找到粗糙集的多个属性约简的问题.并通过matlab编程,验证了几个典型的决策表约简,试验证明这种方法是正确、可靠的.最后分析了算法的时间复杂性.     

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.     

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.     

基于遗传算法的静态Ad-hoc拓扑结构控制

将遗传算法引入到了静态Ad—hoc无线网络的拓扑结构控制中，突破了网络中所有节点辐射半径都相同的固有思路，通过调节各无线节点的辐射半径，在相邻节点对之间形成有向路径，从而达到节省节点能源消耗和网络拓扑结构优化的目的，并取得了较好的实验结果。