一种多策略并行遗传算法及其收敛性分析

为解决传统遗传算法收敛速度慢、群体多样性不足的缺陷,提出了一种多策略并行的遗传算法;算法采用多策略并行处理的方式,产生不同策略模式下的个体,增加群体的多样性,再经过自适应迁移策略,提高算法的收敛速度;利用Markov链模型分析多策略并行遗传算法的收敛性;采用旅行商函数进行算法测试,结果表明改进算法的收敛性较传统遗传算法有较大的提高,具有较强的工程应用性能。     

基于模式记忆的免疫遗传算法

免疫遗传算法在传统遗传算法的全局随机搜索的基础上，借鉴生物免疫机制中的抗体的多样性，能有效提高群体的多样性，同时其具有记忆功能能够有效地提高搜索效率。但是在函数优化问题的解决上，免疫记忆功能一直没有能很好的实现。该文提出在免疫遗传算法中引入模式控制的方法来解决复杂函数优化的问题。基于免疫遗传机制，利用免疫记忆库记忆优秀免疫遗传模式，它能有效地加速优化过程，并且克服通常函数优化无缺乏记忆的功能。通过一个复杂函数的仿真实例证明了该方法的有效性。     

一种改进的遗传算法及其在TSP中的实现

TSP问题是典型的NP完全问题，遗传算法是求解NP完全问题的一种方法。文章针对TSP问题．提出了一种改进的遗传算法。在遗传算法中引入进化算法的思想，在此基础上提出顶端培育策略和分阶段策略，以求在保证群体多样性的同时加快收敛速度。在算法的仿真和测试中，改进后的算法明显优于传统的遗传算法。这表明，该算法具有良好的可行性和实用性。     

一种改进的抑制早熟收敛的遗传算法

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,提出了遗传算法算子的一些改进策略,对遗传算法的选择、交叉、变异算子以及操作方法进行了改进,采用最佳保留选择策略,改进后的交叉与变异操作,使算法始终保持了种群的多样性,同时也提高了寻优最终结果的精确性.实验表明改进的遗传算法有效的改善了遗传算法的缺点,改进后的算法明显优于传统的遗传算法,该算法具有良好的有效性和可行性.     

改进免疫遗传算法及其应用研究

在传统遗传算法基础上提出一种改进遗传算法——免疫遗传算法（IGA）,该算法将生物系统免疫思想引入遗传算法中,通过计算抗体之间的亲和度来促进和抑制抗体,既保留了群体中较优抗体又保证了抗体多样性,避免搜索进化的过早收敛,得到全局最优解。文中采用此改进算法来控制无源光中光分支器和光网络单元中位置分配选择,通过浓度因子控制解空间的搜索方向,帮助逃离局部极值。利用Visual C＋＋6．0对改进的免疫遗传算法和传统遗传算法进行比较,证明IGA的有效性和优越性。     

基于遗传算法的弹性TSP研究

文中针对遗传算法求解TSP问题，探讨了使用弹性边控制策略来保证群体的多样性，并结合TSP问题的特点，定义了一种新的衡量群体的多样性的方法。通过对算法的分析和测试表明，该算法的改进是有效的。     

免疫遗传算法在TSP求解中的应用

基本遗传算法保持群体多样性的能力较差，所以经常在问题求解的过程中得到局部最优解。根据生物的免疫原理提出的一种改进算法——免疫遗传算法。免疫遗传算法主要体现了生物免疫系统中的基因重组、免疫记忆、隔离小生境和免疫元动态等特性，这些特性改进基本遗传算法的群体多样性保持能力。最后结合旅行商问题（TSP）的优化介绍了具体实现方法，实验结果表明该免疫遗传算法有较好的性能。     

物流配送路径多目标优化的聚类-改进遗传算法

探讨运输车辆路线安排调度问题的解决方法，提出一种先用优先级综合聚类分析法将客户分类，再用带有控制开关系统的改进遗传算法求解多目标VRP的优化方法。构造了一种随机开关，以此控制遗传算法中的变异运算，增加了群体的多样性，避免了遗传算法中“局部最优现象”的发生。计算机仿真实验证明了该算法的有效性。     

求解TSP问题的一种改进的遗传算法

TSP问题是典型的NP完全问题,遗传算法是求解NP完全问题的一种理想方法。文章针对解决TSP问题,提出使用改进的遗传算法,即用浓度控制选择策略以保证群体的多样性,用贪婪交叉算子和启发式倒位变异算子来提高算法的收敛速度,较好地解决了群体的多样性和收敛速度的矛盾。算法的分析和测试表明,该文算法的改进是有效的。     

改进免疫遗传算法及其应用研究

在传统遗传算法基础上提出一种改进遗传算法--免疫遗传算法(IGA),该算法将生物系统免疫思想引入遗传算法中,通过计算抗体之间的亲和度来促进和抑制抗体,既保留了群体中较优抗体又保证了抗体多样性,避免搜索进化的过早收敛,得到全局最优解.文中采用此改进算法来控制无源光中光分支器和光网络单元中位置分配选择,通过浓度因子控制解空间的搜索方向,帮助逃离局部极值.利用Visual C 6.0对改进的免疫遗传算法和传统遗传算法进行比较,证明IGA的有效性和优越性.     

基于模式比较的遗传算法

在分析了模式阶、模式定义长度和种群多样性三者之间关系的基础上,提出一种新的基于模式比较的遗传算法。该算法的核心在于,使用配对算子来提高子代种群的多样性。配对算子不像简单遗传算法那样随机选择配对,而是根据模式阶和模式长度对染色体进行配对。实验结果表明,该算法有效地避免了简单遗传算法中因种群多样性较差而造成的早熟现象,显著地提高了收敛速度和搜索全局最优解的能力。     

一种基于模式替代的遗传算法解0/1背包问题*

背包问题是一个典型的 NP完全问题。提出一种基于模式替代的遗传算法解0/1背包问题思想,通过收集每代种群中最好的几个个体生成模式来引导种群的搜索方向,以提高遗传算法的搜索速度和寻找最优解的能力。通过仿真数值实验,将该方法与简单遗传算法、贪心算法计算结果比较分析,充分证明了使用基于模式替代遗传算法来求解背包问题的有效性和实用性。     

Exact Schema Theory for Genetic Programming and Variable-Length Genetic Algorithms with One-Point Crossover

A few schema theorems for genetic programming (GP) have been proposed in the literature in the last few years. Since they consider schema survival and disruption only, they can only provide a lower bound for the expected value of the number of instances of a given schema at the next generation rather than an exact value. This paper presents theoretical results for GP with one-point crossover which overcome this problem. First, we give an exact formulation for the expected number of instances of a schema at the next generation in terms of microscopic quantities. Due to this formulation we are then able to provide an improved version of an earlier GP schema theorem in which some (but not all) schema creation events are accounted for. Then, we extend this result to obtain an exact formulation in terms of macroscopic quantities which makes all the mechanisms of schema creation explicit. This theorem allows the exact formulation of the notion of effective fitness in GP and opens the way to future work on GP convergence, population sizing, operator biases, and bloat, to mention only some of the possibilities.     

基于模式学习的文化遗传算法研究

针对遗传算法的缺陷,提出了一种基于模式学习的文化遗传算法,该算法将遗传算法纳入文化算法框架,组成基于GA的主群体空间和信念空间两大空间,主群体空间在进化过程中定期组织最差个体向信念空间提供的种群最优模式学习,从而充分利用了优秀个体所包含的特征信息,在很大程度上提高了收敛速度。实验结果表明,该算法是一种提高遗传算法性能的有效算法。     

多源模式匹配技术

模式匹配技术是数据集成领域中的关键技术。为了快速、准确地完成模式匹配工作,已经提出了大量的基于各种模式类型的模式匹配方法。本文介绍了现存的模式匹配技术和两种多源模式匹配技术;并且为满足大规模匹配的需要提出了一种改进的多源模式匹配算法。     

利用本体簇生成标准概念模式

提出了一种标准概念模式的生成方法，为概念模式的复用提供了一种新的方法，其通过引入本体与本体族，对给定概念模式的语义完整性进行评估；然后，对符合完整性要求的概念模式采用量化手段进行处理，从而产生具有代表性的标准概念模式，该方法从语义与结构两个方面对概念模式进行处理，使产生的标准概念模式更具有复用价值。     

数据集成中不确定性模式匹配模型的研究

针对已有模式匹配中证据组合方法效率较低的缺点,提出一个能够处理不确定性模式匹配的模型——USMM(Uncertain Schema Matching Model)。该模型是多维混合模型,其中运用领域知识和证据组合方法处理模式匹配中的不确定性,以降低匹配复杂度;利用模式的多维结构信息挖掘匹配中内在的不确定性;在计算名称相似度的公式中加入可信度来细化匹配的不确定度。最后形式化定义了不确定模式匹配、不确定匹配关系。实例分析证明该模型是可行的,具有较高的实用价值。     

Web数据空间边建边用模式集成

使用边建边用的方法,实现了Web数据空间的模式集成。在模式集成时,提出了一个Web数据空间模式集成的框架,运用组合方法,创建了一个中间模式;同时,为用户提供了Top-k个源数据模式。实验表明该方法通过用户参与可以提高查询的准确率与召回率,Top-k个源数据模式的提供,明显提高了查询的有效性。     

Constraint Preserving Transformation from Relational Schema to XML Schema

XML has become the standard for publishing and exchanging data on the Web. However, most business data is managed and will remain to be managed by relational database management systems. As such, there is an increasing need to efficiently and accurately publish relational data as XML documents for Internet-based applications. One way to publish relational data is to provide virtual XML documents for relational data via an XML schema which is transformed from the underlying relational database schema such that users can access the relational database through the XML schema. In this paper, we discuss issues in transforming a relational database schema into the corresponding XML schema. We aim to preserve all integrity constraints defined in a relational database schema, to achieve high level of nesting and to avoid introducing data redundancy in the transformed XML schema. In the paper, we first propose a basic transformation algorithm which introduces no data redundancy, then we improve the algorithm by exploring further nesting of the transformed XML schema.     

一种基于模式分析的防止遗传算法过早收敛的方法

本文提出一种遗传算法中模式的表示方法和个体间最大共有模式的获取方法,并以此为基础提出了基于模式分析的种群插入策略来解决遗传算法过早收敛问题.通过与其他种群插入算法的对比证明该 方法的有效性.给出了采用该种群插入策略的遗传算法的收敛性定理及其证明.