基于改进GA的K-均值聚类算法

利用遗传算法或免疫规划算法解决初始聚类中心是较好的方法，但容易出现局部早熟现象．为了克服以上缺点，借助免疫机制的优点，将免疫原理的选择操作机制引入遗传算法中，提出基于改进遗传的K-均值聚类算法，该方法结合K-均值算法的高效性和改进遗传算法的全局优化能力，较好地解决了聚类中心优化问题．试验结果表明，本算法能够有效改善聚类质量．     

自适应免疫遗传算法在混合流程车间调度中的应用

针对钢丝绳生产混合流程生产模式和工艺、结构特点，研究与设计了自适应免疫遗传算法求解钢丝绳生产JSSP问题．该算法利用免疫算法指导收敛方向，提高了遗传算法运算效率，改善了局部搜索能力．同时改进了算法交叉算子和停机准则．应用于钢丝绳生产作业计划管理系统，提高了调度的科学性、时效性及可行性．     

直线单级倒立摆自抗扰控制优化设计

自抗扰控制技术（ADRC）通过对模型不确定因素和外扰进行补偿，使得控制系统对外扰和不确定因素均有很好的适应能力，能够有效控制多种工业上较为难控的对象，表现了极强的鲁棒性和抗干扰性，但是ADRC参数众多难以调节．本文将生物免疫算法与遗传算法相结合，提出了一种基于免疫遗传机理优化计算模型，避免了遗传算法易出现早熟、搜索效率低及不能很好保持个体多样性等问题，给出了基于免疫遗传算法的ADRC参数整定方法，通过对直线单级倒立摆的自抗扰控制，仿真实验表明了通过免疫遗传算法整定的ADRC具有的良好控制效果．     

基于改进小生境免疫遗传算法的矩形件排样

讨论了基于改进小生境免疫遗传算法的矩形件排样问题，提出了基于排挤机制的小生境技术结合遗传算法的新思路，分别采用遗传算法、改进免疫遗传算法和小生境免疫遗传算法对大规模矩形件排样问题进行了实例比较分析，实例表明：在大规模矩形件排样过程中免疫算子和基于排挤机制小生境技术结合遗传算法的运用具有较好的全局寻优表现和收敛速度，算法有效、可行.     

免疫算法用于直线阵优化设计的研究

采用免疫算法对直线阵进行优化设计，在克隆选择原理基础上讨论了该算法应用于等间距直线阵优化的基本问题，对旁瓣特定约束条件的八阵元等间距直线阵进行了数值实验．结果表明，免疫算法能够成功地应用于等间距直线阵优化设计，同时优化结果要优于基本遗传算法。     

基于免疫遗传算法改进DFNN模型及其应用

针对动态模糊神经网络（DFNN）在进行预测应用时容易陷入“局部极值”的缺陷,提出一种改进方案。综合人工免疫算法和遗传算法的优点,用免疫选择优化遗传算法的进化策略,提出一种新的免疫遗传算法。将免疫遗传算法对模糊神经网络的学习算法进行改进,增强其学习能力和算法的稳定性。结合复杂性强的短期电价预测问题,采集美国PJM电力市场的实际数据作为样本数据,对免疫遗传算法改进DFNN进行实证研究。研究结果表明：与DFNN的预测结果相比,改进后的方法在同样的运算条件下,预测精度提高4．5％,而运算时间仅增加6．4s,说明基于免疫遗传算法对DFNN模型的改进效果较好。     

基于免疫算法的天线方向图综合研究

给出了一种基于高斯变异与自适应克隆规模控制相结合的免疫算法的天线方向图综合方法．该算法利用免疫算法的分散式和独立式的搜索方式，克服了遗传算法局部收敛和对初始群体依赖等缺陷；同时自适应的克隆算子和变异算子克服了搜索的盲目性，提高了算法的收敛速度．计算机仿真结果表明，提出的算法能够在方向图的指定区域生成多个零点，并且零陷均衡，相比遗传算法取得了更低的零深．     

基于改进小生境免疫遗传算法的船体建造板材图形排样

讨论了基于改进小生境免疫遗传算法的不规则图形排样问题,提出一种基于排挤机制的小生境技术结合传统改进免疫遗传算法的方法.通过实例比较,分别采用遗传算法、改进免疫遗传算法和小生境免疫遗传算法对排样问题的解决和优化.经过船体建造板材套料实验研究,在大规模不规则图形排样过程中免疫算子和基于排挤机制小生境技术结合遗传算法的应用中,具有较好的全局寻优表现和收敛速度,该算法是有效、可行的.     

基于免疫克隆算法的物流配送车辆路径优化研究

物流配送车辆路径优化问题是近年来物流领域中的研究热点，该问题属于NP难题，较难得到最优解和满意解．在物流配送车辆路径优化问题数学模型的基础上，构造了一种免疫克隆算法来求解该问题，并在算法中引入了克隆选择、克隆删除、受体编辑、体细胞高频变异、抗体循环补充等思想．仿真计算结果表明，免疫克隆算法能快速收敛于全局最优解，克服了遗传算法中易陷入局部最优解和收敛速度慢的缺点，可有效地解决物流配送车辆路径优化问题．     

基于关系代数的遗传算法模型及其应用

运用选择、投影、广义笛卡尔积等关系代数运算，给出了遗传算法的搜索空间及个体、遗传算子和搜索最优解过程等关系代数形式的描述，建立了遗传算法的关系代数模型，给出了遗传算法的数学解释．然后，给出建立遗传算法关系代数模型的意义，说明了数据挖掘和知识发现应用于遗传算法的可行性．最后，用该模型描述了2个常见用遗传算法解决的问题，即TSP问题和交互式遗传算法中的服装设计问题，结果表明该模型的可行性．     

求解广义分配问题的拉格朗日蝙蝠算法

基于广义分配问题(GAP)自身的特点,将拉格朗日松弛算法(LR)和蝙蝠算法(BA)相结合,提出了一种高效的拉格朗日蝙蝠算法(LR-DBA)。首先,基于GAP的数学模型,在BA算法的基本框架上,重新定义了蝙蝠速度、位置以及局部更新公式,得出全新的求解GAP的离散蝙蝠算法(DBA)。其次,将其与LR相结合,设计出求解GAP的LR-DBA算法。最后,经过大量算例测试表明,对比DBA算法,LR-DBA混合算法在求解GAP时具有明显优势。     

PRM蚁群融合算法的AGV路径规划研究

针对AGV运货时需一次性取多件货物的路径规划问题,提出一种PRM算法与蚁群算法相结合的融合算法,将问题拆分为路径的选择与TSP问题分布解决,即先利用PRM算法进行AGV路径规划,再利用蚁群算法决策出取货顺序,生成总的路径。最后采用matlab进行仿真实验,并与A*算法进行对比,结果证明了PRM蚁群融合算法比A*算法得出的路径更短、效率更高。     

TSP及其扩展问题的混合型启发式算法

就经典的旅行商问题（ＴＳＰ）及其扩展形式;瓶颈问题、多目标问题等给出一种混合型启发式算法,并知微机上予以实现,为困难的扩展型ＴＳＰ提供了新的求解手段。     

遗传算法应用于方程求根的一点改进

在牛顿法与遗传算法的基础上,将方程求根问题转化为函数的优化问题，提出了一种新的求解非线性方程的遗传－牛顿法.算法一方面克服了遗传算法局部搜索能力差的缺陷,另一方面解决了单独使用牛顿法时难以找到合适的初始值的问题.数值实验结果表明,遗传－牛顿法能以较高的效率和精度得到方程的数值解.     

N皇后问题Las Vegas优化算法的实现

介绍了n皇后问题常用的回溯解决策略,分析了概率算法中拉斯维加斯(LasVegas)算法的特点及其在n皇后问题中的应用,并给出了两者结合解决n皇后问题的算法策略和效率分析.     

时间表理论中LPT算法在装箱问题中的应用

本文利用二分搜索法和时间表理论中LPT算法求解装箱问题的近似最优解;给出了一个直观性算法,并研究这个算法的最坏情形,最后说明此算法在某些方面优于著名的FFD算法。     

用混合遗传算法解决有时间窗的车辆路径规划问题

有时间窗约束的车辆路径规划问题是一种NP-hard问题,这种问题往往采用遗传算法来解决.但是传统的遗传算法本身存在的不足将严重影响整个算法的性能.本文设计了一种混合遗传算法,并进行了仿真试验.试验结果表明,用这种算法求解带有时间窗约束的车辆调度问题,可以在一定程度上克服上述问题,从而得到较高质量的解.     

大规模网络最短路径算法的优化及实现

求解大规模复杂网络的最短路径问题由于其计算速度慢、需耗费的存储空间大,是与地理信息相关的应用系统经常遇到的瓶颈问题．在深入分析各种常用最短路径算法基础上,基于经典Dijkstra算法,从时间和空间优化角度,实现一种计算任意2点间最短路径的优化算法．初步实验表明,优化后的算法在处理大规模复杂网络的最短路径问题时比经典Dijkstra算法在计算时间上缩短了80％,在耗费的存储空间上减少了将近一倍．     

基于混合算法求解指派问题

本研究建立了指派问题的数学模型，提出了以遗传算法和蚁群算法相结合的思想及其解决方案．算法主要是将每一个任务作为一个基因位形成染色体，以遗传算法控制寻优方向，更适宜解决组合优化问题．实验结果表明，使用此算法解决指派问题，提高了搜索效率，能够在短时间内找到最优分配方案，证明该算法是可行的．     

求解离散网络平衡设计问题的遗传算法

针对离散网络平衡设计二层规划模型,提出了一种新的求解算法,对上层问题采用遗传算法,而对下层问题采用平衡交通分配的Frank-Wolf算法.数值试验结果表明:该算法是有效的.能够较快地求解这类网络平衡设计二层规划模型.