DNA遗传算法研究

DNA计算与遗传算法的集成起了科学界的广泛关注。交叉操作是DNA遗传算法（DNA-GA）的核心,其效率和精度直接影响到计算结果。论文主要介绍了DNA-GA计算过程中的交叉、变异问题及已有的几种主要的交叉变异方法,最后指出了DNA-GA存在的问题及研究方向。     

DNA编码问题及其复杂性研究*

高质量的DNA编码可以避免DNA分子间的非特异性杂交,提高DNA计算的有效性和可靠性。首先对DNA编码的约束条件进行归类,分析了各编码约束对编码质量的影响;然后研究了编码质量、编码数量、序列长度与DNA计算可靠性、有效性、可扩充性之间的关系;最后通过类比DNA编码问题和图的独立集问题,说明了求解最大DNA序列集合问题是NP完全的。     

基于DNA遗传算法的CR多载波参数优化

提出了一种基于DNA计算的非支配排序多目标遗传算法(DNA-GA)来对CR多载波传输参数进行优化。该算法通过非支配排序计算个体适应度,结合克隆操作使算法收敛于全局最优,并引入DNA基因级操作,以提高算法的搜索性能,保持种群的多样性。通过在不同服务需求情况下得到的仿真参数结果,证明了DNA-GA可以有效地优化CR传输参数。     

旅行商问题的闭环DNA算法

旅行商问题TSP是NP完全问题,在工程实践中有着广泛的应用,利用常规算法很难在多项式时间内解决。DNA计算是一种新兴的计算模式,与生俱来的强大并行计算能力使得它在解决众多NP问题上表现出了巨大的优势。尝试利用DNA计算中改进的闭环模型解决TSP问题。首先介绍了闭环DNA 计算模型及其改进;随后提出了一种基于改进的闭环模型求解TSP问题的算法,并对算法的实验过程进行了详细的描述;最后运用该算法解决了一个小规模的TSP问题算例,结果表明,该算法能在较低的时间复杂度内有效地解决TSP问题。     

旅行商问题的闭环DNA算法

旅行商问题TSP是NP完全问题,在工程实践中有着广泛的应用,利用常规算法很难在多项式时间内解决。DNA计算是一种新兴的计算模式,与生俱来的强大并行计算能力使得它在解决众多NP问题上表现出了巨大的优势。尝试利用DNA计算中改进的闭环模型解决TSP问题。首先介绍了闭环DNA计算模型及其改进;随后提出了一种基于改进的闭环模型求解TSP问题的算法,并对算法的实验过程进行了详细的描述;最后运用该算法解决了一个小规模的TSP问题算例,结果表明,该算法能在较低的时间复杂度内有效地解决TSP问题。     

经典Ramsey数DNA计算模型(Ⅰ):位序列计算模型

Ramsey数问题是组合数学乃至整个数学中最具魅力的研究领域,也是最困难的数学问题之一．对于经典Ramsey数,至今只有9个Ramsey数得到解决．按照传统的算法,其搜索空间太大,当前的电子计算机无法胜任．研究表明,DNA计算在求解困难的NP一完全问题上优于电子计算机．目前已经建立了众多求解NP-完全问题的DNA计算模型,但未见到用于求解Ramsey数的DNA计算模型．作者建立了一种新颖的DNA计算模型,用于一般经典Ramsey数的求解．全文共分两篇,该文属首篇,建立了一种可适用于DNA计算模式的所谓的求解Ramsey数的位序列计算模型,其中的位序列是以图的相邻矩阵下三角阵中行从左到右、列从上到下的排列次序．文中重点对该模型的机理与使用方法进行了分析研究．     

基于自组装模型的最大团问题DNA计算算法

DNA计算在解决NP完全问题时,有着传统图灵机无法比拟的优势.但是随着DNA计算研究的不断深入,传统DNA计算模型显现出杂交错误率和生化操作复杂性过高的缺点.如何提高DNA计算结果的准确性在DNA计算研究中日显重要.针对NP完全的最大团问题,引入DNA自组装模型,提出了一种求解最大团问题的DNA计算算法.算法通过减少实验的操作步骤数,以降低生化解的错误率,给出了DNA分子的编码方案及结果检测的实验方法.算法设计的tiles种类为(O)(n+|E|),生化操作复杂性为(o)(1),其中n为图的顶点数,|E|为边数.与求解最大团问题的其他DNA算法的对比分析表明,本算法不仅明显提高了生化解的准确性,且算法的生化实验复杂度低,具有良好的实验操作性.     

一种基于DNA计算的指定结点路由算法

带指定结点约束的路由问题是一个NP难问题,该问题是电信行业路山智能化和交通电力运输等领域的关键问题之一.基于DNA计算的高度并行性,文中提出一种将电子计算机与DNA计算机相结合的方法求解指定结点路由问题.算法由转化算法Transform()、首末结点搜索切割算法FirstEndSearcher()、转化图结果搜索算法DNASearcher()和结果读取算法ResultReader()共4个子算法组成.分析表明:算法的电子计算机部分缩小了问题结点和边的规模,从而使解决问题所需的DNA分子链数数量级从O((n-2)!)减少至O((m-2)!)(n≥2为图中结点数,m≥2为图中指定必经结点数).算法的DNA计算机部分采用了有针对性的DNA编码新方案,提高了边权值编码的信噪比,通过一系列生物操作,筛选出问题的精确解.和单纯DNA超级计算或电子计算机指定结点路由算法相比,文中算法可显著扩大理论上待求解问题的规模.     

DNA计算与背包问题

该文通过对背包问题这一典型的NP完全问题的DNA计算研究,针对属于组合优化一类的ZKP问题给出了一种DNA计算方法,该算法解决了组合优化一类DNA计算的加权赋值问题,并根据DNA计算的特点给出了一般加权赋值型组合优化问题的DNA计算模式。     

基于文化遗传算法的DNA编码序列设计

DNA编码问题是DNA计算的关键,然而,它已被证明为NP困难问题,通常采用优化算法求解。针对传统遗传算法缺乏有效指导,容易陷入局部极值的缺点,结合文化算法采用种群空间和信念空间的双层进化结构进行寻优,提出了一种基于遗传算法和文化算法的混合优化算法用于解决DNA编码问题。仿真结果表明该混合算法能有效地用于DNA编码序列设计。     

混合二元蚁群算法求解集装箱装载问题

集装箱装载问题是一个具有复杂约束条件的组合优化问题,属于NP-hard问题。针对集装箱装载问题的特点,设计了空间三叉树,对可利用空间采用三叉树划分策略,利用二元蚁群算法结合启发式算法进行求解,即先利用二元蚁群算法确定预备装入货物集,再用启发式算法决定货物的装入优先级顺序,并给出了有效的装箱算法。实例结果表明该算法的有效性和实用性。     

遗传算法求解复杂集装箱装载问题方法研究

现场集装箱装载问题多为多目标、多约束优化的复杂问题.遗传算法本身的鲁棒性、并行搜索性以及在NP完全问题求解中的广泛应用,表明遗传算法是解决复杂集装箱装载问题的有效途径.探讨了遗传算法在求解这一复杂问题过程中的应用,给出了有效的编码形式和解码运算.算例求解结果显示出很好的效果.     

冷卷入库的数学模型及算法

讨论某冷轧厂热处理车间冷卷入库堆垛问题,并将其归结为装箱问题进行研究.通过建立数学模型,设计在线算法,达到了优化堆垛、提高生产效率、加快冷卷周转的目的.同时,通过数值实验,比较了多种算法的计算效果,得到了冷卷入库问题合理而有效的算法.     

雷达装备维修器材集装技术研究

多约束条件下的雷达装备维修器材装箱问题是一个复杂的组合优化问题,属于NP完全问题,其求解相当困难.为了解决雷达装备维修器材集装效率低的问题,该文在考虑实际应用的约束条件下,分析并建立了雷达装备维修器材优化装箱问题的模型,采用中间包装,空间分割,空间合并,抽屉分装等策略,提出了一种基于启发式算法的雷达装备维修器材装箱问题的解决方案.仿真实例及实际工作验证了算法的有效性和实用性,较好地解决了雷达装备维修器材的优化装载问题.     

平衡装载约束下的车辆路径问题研究

针对车辆三维装载约束下的车辆路径问题（3L-VRP）进行研究,引进车辆的平衡装载约束,综合考虑传统的先进后出、局部支撑、脆弱性等约束,构建平衡装载约束下的车辆路径问题（BL-VRP）模型。针对模型中的平衡约束,提出一种接触面积的装载算法。在此基础上,构建以回溯遗传算法（B-GA）为骨架的多阶段算法框架,对车辆路径优化进行求解。研究结果表明,多阶段算法不仅在解决3L-VRP上好于目前已有算法,同时对BL-VRP表现优秀。提出的多阶段算法为解决BL-VRP问题提供一条参考思路,但在时效性上需要进一步完善。     

基于CAFSA-FNN的扭矩加载系统控制研究*

针对磁粉制动器扭矩加载系统的非线性和滞后性,提出了一种基于混沌人工鱼群-模糊神经网络(CAFSA-FNN)PID控制器。该控制器采用基于Mamdani模型的模糊神经网络来整定PID控制器的控制参数,并结合混沌人工鱼群算法离线粗调和BP算法在线细调来学习和调整模糊神经网络的参数。利用Matlab进行离线仿真优化,在此基础上使用PID控制器、模糊神经网络控制器、人工鱼群-模糊神经网络控制器以及本文设计的控制器进行磁粉制动器扭矩加载实验,实验结果证明了该控制器的稳定性、快速性和有效性,能够解决滞后性问题。     

结构化P2P网络的负载均衡技术研究

在结构化对等网络中,负载失衡现象的产生将会造成单点失效、网络拥塞、请求延迟甚至是系统瘫痪等系统应用性能问题。本文针对传统复制算法中存在的无有效的预防热点策略、忽视节点性能差异性和副本维护机制等问题,提出基于节点性能分类和数据,节点分析的自适应负载均衡算法。通过实验模拟证明本文算法能够有效地实现结构化对等网络的负载均衡,降低数据请求报文的丢失率,从而有效地提高系统节点的利用率。     

Optimal job sequence determination and operation machine allocation in flexible manufacturing systems: an approach using adaptive hierarchical ant colony algorithm

In this paper, an Adaptive Hierarchical Ant Colony Optimization (AHACO) has been proposed to resolve the traditional machine loading problem in Flexible Manufacturing Systems (FMS). Machine loading is one of the most important issues that is interlinked with the efficiency and utilization of FMS. The machine loading problem is formulated in order to minimize the system unbalance and maximize the throughput, considering the job sequencing, optional machines and technological constraints. The performance of proposed AHACO has been tested over a number of benchmark problems taken from the literature. Computational results indicate that the proposed algorithm is more effective and produces promising results as compared to the existing solution methodologies in the literature. The evaluation and comparison of system efficiency and system utilization justifies the supremacy of the algorithm. Further, results obtained from the proposed algorithm have been compared with well known random search algorithm viz. genetic algorithm, simulated annealing, artificial Immune system, simple ant colony optimization, tabu search etc. In addition, the algorithm has been tested over a randomly generated problem set of varying complexities; the results validate the robustness and scalability of the algorithm utilizing the concepts of ‘heuristic gap’ and ANOVA analysis.     

航空货运装载问题算法设计与研究

用回溯算法解决飞机货舱装载问题。根据货物和舱位情况,使货舱的空间和载量利用最大化。对于航空货物体积小重量轻的特点,给出一种改进算法,通过理论分析,这些方法可以有效解决该问题。     

铁路输送中平车装载问题的模型与算法

分析了铁路运输中的平车装载问题，借鉴了First Fit算法的思想，并引入条件变异算子，提出了求解平车装载问题的一种改进遗传算法，给出了该改进遗传算法编码方法、遗传算子改进方案和适应度函数的定义，该算法能有效地解决初始群体和进化过程中的无效染色体和早熟问题，并用实例验证了该算法的有效性。