基于改进遗传算法的自动组卷问题研究

为了解决传统遗传算法在自动组卷中容易出现未成熟收敛和收敛速度慢等问题,提出了一种基于改进遗传算法的自动组卷方法。采用分段二进制编码策略,对每个子空间进行初始种群选择,保证了初始种群舍有丰富的模式,从而增加搜索收敛于全局最优的可能性。并对交叉算子和变异算子进行了优化,实现了交叉和变异概率随解的变化而自适应调整。实验结果表明,改进的遗传算法能有效地解决自动组卷问题,提高了收敛速度和组卷的成功率。     

基于遗传算法的试题库组卷研究

组卷问题是一个多重优化约束目标求解问题,使用传统方法解决此种问题较困难,考试题库以及组卷算法的设计决定了组卷的效率和质量。文中提出一种基于遗传算法的组卷方法,给出了初始种群方法,分段编码及交叉算子、变异算子,优化了搜索过程,实验证明求解组卷问题采用该方法行之有效,有利于实现考试的规范化、科学化、教考分离。     

一种改进操作算子的加速收敛遗传算法

针对基本遗传算法效率低和易早熟的缺陷,提出了一种改进操作算子的遗传算法.该算法在种群初始化、选择、交叉、变异等基本算子的基础上加以改进,使算法具有更好的适应性.对3组不同函数的测试表明,改进算法较传统的遗传算法具有在种群很小的情况下收敛速度快稳定性高的优点,同时能有效地避免早熟现象.     

基于改进遗传算法的必经点最短路径算法

提出一种解决经过必经点的最短路径的改进遗传算法。在传统遗传算法的基础上,引入Dijkstra算法进行种群初始化;针对传统遗传算法易收敛于局部最优解,迭代次数多,迭代时间长的缺点,提出了改进的交叉算子和变异算子。应用改进遗传算法进行网络节点计算,表明该算法在计算性能上优于传统遗传算法,也验证了改进遗传算法的先进性,有效性。     

基于粗糙集理论与遗传算法的迷宫问题求解

针对遗传算法运算速度低、容易陷入局部最优值、早熟收敛等缺点,对标准遗传算法进行了改进和优化.采用粗糙集理论与遗传算法相结合的方法,由栅格的可行性构建初始决策表,用粗糙集方法对其进行简化,并对遗传算法的初始种群进行训练,直接由粗糙集训练获得一系列可行路径,再利用遗传算法求解最优路径,并在交叉和变异算子中设计了自适应算子,从而减少了遗传算法的种群规模,提高了进化效率.计算机仿真结果表明该算法在收敛速度和输出全局最优解的概率相对于标准遗传算法都有了显著提高.     

用遗传算法解组卷问题的设计与实现

组卷问题是一个多重约束目标的问题求解，为此我们设计了一个求解该问题的遗传算法，给出了分段二进制编码的针对该编码的交叉算子，变异算子的改进，实例表明该遗传算法在求解组卷问题非常有效。     

基于模拟退火遗传算法的波束图设计

针对传统的标准遗传算法应用于传感器阵列的波束图设计时,存在收敛速度慢和计算结果稳定性低的问题,文中提出了一种模拟退火遗传算法.该算法对标准遗传算法的适应度函数、交叉算子和异化算子等多个要素分别进行了改进,并融入了模拟退火算法.模拟退火遗传算法应用于波束图设计时,具有较快的收敛速度和较高的稳定性.仿真结果表明基于该算法的波束图设计方法,获得了比传统方法旁瓣级更低的波束图.     

基于遗传算法的自动组卷策略

自动组卷是一个多约束条件的最优求解问题,传统组卷算法存在速度慢、成功率低、组卷质量不高等不足,已不符合现行要求。为此,文中采用整段交叉,段内变异的方法,通过确定适应度函数和遗传算子探索了遗传算法在自动组卷中的应用,在一定程度上克服了已有算法的不足,并用算例验证了其有效性及适用性。     

一种改进的分裂合并图像分割算法

图像分割是图像分析和目标识别中的关键技术之一。在传统图像分割方法的基础上,提出一种将改进的自适应遗传算法与合并分裂法相结合的图像分割算法。针对遗传算法运算速度低,容易陷入局部最优值、早熟收敛等缺点,在此通过对遗传操作算子的改进、适应度评价函数的科学设计以及交叉和变异概率的自适应调整来降低图像分割产生的误差。计算机仿真结果证明,该算法能够取得较好的图像分割效果。     

浅谈基于遗传算法的自动组卷技术的研究

本文从分析自动组卷技术的发展出发,分析了目前三种常用的组卷技术存在的优缺点,描述了自动组卷过程中试题库的设计,详细的阐述了基于遗传算法的自动组卷技术中传统的遗传算法存在的不足,并提出了对遗传算法的改进和优化,主要针对染色体编码的改进、适应度函数设置的优化、交叉算法的改进以及变异算法的优化四个方面进行研究。     

基于矩阵二进制编码遗传算法的频繁项集挖掘

提出一种基于矩阵二进制编码的改进遗传算法MGA (Matrix Genetic Algorithm),应用于挖掘关联规则中的频繁项集。通过对初始种群的编码以及降维保证了合理的初始适应度,并对遗传算法中交叉算子和变异算子生成新个体与筛选的过程进行优化,使算法有优良的全局和局部搜索能力。实验结果显示,MGA算法的整体挖掘效率与质量良好。     

基于知识体系结构的组卷方法研究与应用

现有组卷算法未考虑组多份甚至数十份难度一致、知识点均衡试卷的情况,基于此提出了一种针对计算机类课程知识体系结构的改进随机组卷算法。该算法抽题前预先存取数据库中某课程试题,确定试题的抽取范围后,再从候选题集合中遵循未抽取题目的知识点优先原则,依次为多份试卷随机抽取试题。实验结果表明,基于知识体系结构的随机抽取算法与按章随机抽取算法、传统遗传算法相比,组卷效果有更好的提升。     

基于进化稳定策略的单亲遗传算法求解组卷问题

在组卷问题中为了解决传统遗传算法易陷入早熟收敛的问题，在单亲遗传算法基础上，引入基于进化稳定策略．该策略的核心突变算子的构造，有目标地对最优个体进行突变操作，以达到快速扩大搜索空间、稳定群体中个体多样性的目的。实验结果表明，由该算法产生的试卷是令人满意的。     

组卷算法研究与实现

研究并实现了一种符合实际需求的组卷算法,它是题库建设及计算机自动生成考核试卷的核心技术。该组卷算法的目的是保证自动组卷的快速、合理并符合试卷基本要求和教师专门要求,采用的方法是反复随机筛选法,搜索本卷未抽取的试题,逐一用多个要求的条件判断该题是否符合要求,每搜索一次后若题量未够,则进行下一次搜索并放松条件（即去掉一个判断）。在对多门课程题库的多次组卷结果的分析后,该算法能很好地满足在知识点上分布平均,最近曝光度低、难度符合要求,一次抽出的各套试卷之间重复题少。该算法已应用于在电大多门课程的考核出题中,结果表明其减轻了教师的大量重复性工作,而且能保证考核的有效性和合理性。     

改进遗传算法在饲料配方设计中的应用

针对现有饲料配方软件的局限性,以白绒山羊饲料配方为例,提出一种基于改进遗传算法的求解方法。与标准遗传算法相比,采用随机联赛选择替代轮盘赌模型,优化了选择策略;采用不同的随机数交叉和高斯变异,改进了交叉算子与变异算子。测试结果表明,该方法具有良好的运算效率,拓宽了搜索空间,提高了对重点区域的搜索能力,降低了成本,为复杂问题的优化提供了一种新的思路。     

一种改进的BSCB图像修补算法

针对传统BSCB算法对颜色复杂度高或缺损区域较大的图像修补效果较差的问题,提出一种改进的BSCB图像修补算法.考虑传统算法中初始化、光滑算子和修补扩散等步骤中存在的缺陷,分别对其进行了改进.改进的BSCB算法进行图像修补时,采用随机初始化方法,引入平滑和梯度算子代替原拉普拉斯图像平滑算子,并采用加权平均算法选择所有邻点进行异向性扩散,从而得到最终修补结果.实验表明,新方法修补图像,特别是修补颜色复杂度高、缺损区域较大的图像具有较好的效果.     

基于改进的形态学灰度图像边缘检测算法

针对传统形态学在边缘检测算法上存在的检测边缘错位、较粗等缺点,在传统形态学的基础上,提出了一种具有方向估计性的梯度算子。该算法通过改进的梯度算子及多结构元素模式来获取梯度方向,并沿边缘梯度方向进行非极大值抑制,以此细化边缘宽度,最终获取图像边缘。实验结果表明,相对传统形态学边缘检测算法,该算法具有更精细的检测结果与较强的抗噪能力。     

类金刚石薄膜光学参数反演的改进遗传算法

椭偏法测试薄膜不能直接得到薄膜的光学参数,需进行数值反演算法近似求解.采用遗传算法,借鉴竞争选择、小生境和适应值调节思想,对选择算子、变异算子、交叉算子三个重要箅子进行了适当改进,改进后算法有效防止了"早熟"现象.并搜索到了全局最优,降低了操作者对拟合模型设定初值的要求.在实践上.通过3种拟合方式的结果对比,得到了可靠...     

一种新型的自适应混沌遗传算法

针对标准二进制编码遗传算法的缺陷,提出一种基于实数编码技术的新型自适应混沌遗传算法用于求解优化问题.该算法利用信息熵理论产生较好的初始群体分布,并依据概率分布函数构造杂交算子,同时结合混沌动力学特性和人工神经网络理论,设计了一种自适应混沌变异算子,使算法能有效维持群体多样性,防止和克服进化过程中的"早熟"现象,算法操作简单、易于实现.最后通过对几个经典测试函数的数值实验,验证了该算法在提高解的精度和加快收敛速度方面都有显著改善,从而为解决函数优化问题提供了一种行之有效的新方法.     

基于极坐标变换的改进NSGA-II算法

在实际工程中存在着大量的多目标优化问题,而由于大部分多目标优化问题有无穷多个最优解,且传统的数学方法如梯度下降法和牛顿法,无法求解一些不可微或表达式过于复杂的多目标优化问题。为避免以上局限,NSGA-II作为求解多目标优化问题的代表算法被提出,但NSGA-II算法仍存在着一些不足,如变异算子功能过于简单,降低了Pareto最优解的多样性。为增加Pareto最优解的多样性,文中设计了一种基于极坐标变换的改进NSGA-II算法,该算法可使得Pareto最优解分布更加均匀,并最终通过标准的测试函数验证了算法的有效性。