一个新的二叉树的轮廓线索树构造算法

本文给出了二叉树的轮廓线索树的一个新的构造算法 .与 Reingdd的算法相比 ,该算法简单、高效、便于分析 ,易于推广到 m-叉树的轮廓线索树的构造算法上     

一种新的求解多峰函数优化问题的动态演化算法

本文给出了一种新的求解多峰函数优化问题的定义：定位所有的极值点，包括全局的峰值点和局部的峰值点。传统的演化算法框架都是群体固定的演化迭代过程，对求解多峰函数优化问题时由于无法事先得知峰值点的个数而很难确定合适的群体大小．影响了算法的效率。提出一种群体动态可调的演化方式，使得初始群体大小可任意指定，在演化过程中通过聚集和按比例引入新个体两个过程而动态变化。实验表明，该算法能尽可能多地定位峰值点。     

函数优化异步并行演化算法

提出了一种新型、高效的函数优化异步并行演化算法,利用这个算法,在巨型并行计算机上解决了一些高难度的大型优化问题,其中包括一个超高维的非线性规划问题－BUMP问题。由于BUMP问题的强非线性和超我峰特性,目前还未见有超过50维的BUMP问题的结果发表。而在此不仅仅得到了从2维到50维迄今最好的解,而且一直计算到了1000000维,并得到了满意的结果。数值实验表明,新算法是鲁棒和高效的。     

电子商务安全中的时间认证体系研究

电子商务安全认证系统在认证身份、保证数据的完整性、真实性的基础上,必须进一步确认“发端人”发出、“收件人”接收的时间,以防止时间性抵赖。文章提出一种加入时间量的安全认证体系,讨论了新出现的问题,并提出了解决的方法。     

基于遗传算法的二叉树画树算法

用遗传算法设计了一种通用二叉树画树算法框架.在该框架下,可以根据应用的不同,通过设 计反映美观标准的不同目标函数来得到不同的画树算法,而且容易添加或减少美观标准以适 应不同用户的需要.与以前的算法相比,此算法具有算法统一、方法简单、容易实现和易于修 改的优点,并且具有自适应、自学习和易于并行化的特点.     

基于遥感数据的空间目标融合预测模型

提出了一种融合预测模型，把基于全局数据的径向基函数、人工神经网络与基于区域数据的空间采样插值相结合，并通过优化权重组合和修正误差，使得预测误差最小化。利用了多角度成像光谱辐射仪MISR，采集了从2002年—2003年美国大陆26个局部区域的辐射数据，对模型进行了2组气溶胶光学厚度的预测实验。地表特征因为反射能力的不同，导致了预测模型的不同复杂度。结果显示，融合模型能显著地减少陆地上的预测均方差。     

对策论中最优策略搜索的协同进化演化算法

在对策论中，寻找最优策略是一个十分困难的问题，设计了一个协同进化的演化算法，并对此做了初步的研究和尝试。在算法中采用了决策树的编码表示方法，设计了基于决策树的杂交和变异算子，并引入了分裂算子和惩罚因子来平衡策略的复杂度和可读性。此算法应用在猜数字这个复杂的游戏上，实验结果表明该算法有效且快速。     

电子市场中组合客户联盟模型及遗传算法设计

在电子市场中,客户联盟可以为买卖双方赢得更多利润。该文提出了一个组合顾客联盟模型,可同时描述顾客偏好和商品数量。并针对此复杂的组合优化问题,给出了用遗传算法求解的框架。     

高阶常微分方程的演化建模用于时间序列的分析

本文提出采用高阶常微分方程模型代替传统的时序分析中所用的ＡＲＭＡ模型来实现一维动态系统的建模,并针对传统方法建模过程中所遇到的困难,设计了将遗传程序设计与遗传算法个嵌套的混合演化建模算法,以遗传程序设计优化模型结构,以遗传算法优化模型参数,首次成功地实现了动态系统的高阶微分方程建模过程自动化,对三个典型时间序列实例的实验结果表明：采用此算法可由计算机自动发现适合描述该动态系统的高阶常微分方程模型,     

一种具有个体学习能力的演化算法

1 引言 70年代由美国学者John H.Holland提出的遗传算法是一种借鉴生物界自然选择思想和自然遗传机制的全局搜索算法。它把问题的每一个可能解看作一个个体,而个体的集合则形成种群。算法在整个种群空间内随机搜索,按一定的评价函数对当前种群中每一个个体进行评价,然后基于个体的评价值按优胜劣汰原则选择出父体,再用变异、杂交等遗传算子作用于父体以产生新的个体形成下一代种群,如此反复,使种群不断进化,直至产生最终的解。因为演化算法在解决大空间、非线性、全局寻优等复杂问题时具有传统方法所不具备的独特的优越性,所以它得到了广泛的研究和应用。