排课问题的一种遗传算法适应度求解方法

排课问题的多个优化目标间可能是冲突的,如何有效优化求解的多个目标,是排课问题的关键。适应度计算方法影响遗传算法的采样空间和执行效率,研究适应度的求解方法有助于解决多目标优化问题。利用多目标决策协调模型进行排课问题的改进适应度求解方法的研究,以优化遗传算法的采样空间,加快算法的收敛。把该方法应用到排课问题中,实验结果表明对目前仍没有较好解决方法的组合优化问题,可以得到比较容易的解决。     

基于遗传算法的配电网故障定位

将一个多变量等式约束条件隐含于开关函数中，基于遗传算法建立了改进的配电网故障定位数学模型。根据故障诊断理论中最小集的概念建立了环网开环运行配电网的故障定位统一数学模型，并运用广义分级的处理思想提高了运用该模型进行配电网故障定位时的效率。仿真实验验证了上述模型的正确性和有效性及该故障定位算法在配电网故障定位中的准确性和高容错性。     

优化的遗传算法在游戏编程中的应用

本文简要介绍了游戏编程中的人工智能问题,基本遗传算法的实现原理及过程,分析了基本遗传算法的不足之处,重点介绍对基本遗传算法三个方面的优化及优化后的遗传算法具体的处理过程.     

IT进化的自然法则

适者生存,一般用来描述个体相对于整体而言的生存道理。在     

遗传算法在试题库智能组卷中的应用

通过比较国内常用的组卷算法,遗传算法能解决选题的盲目性,并能从群体中选择更满足条件的个体,具有很强的智能性,同时它能根据不同的环境产生不同的后代,具有动态性、自适应性,从而能满足题库不断变化的要求.通过对智能组卷问题及遗传算子的研究分析,结合实际问题建立有效的数学模型,能够根据该模型从题库中按照用户给出的试卷指标选取一组最优解.开发的组卷系统经使用表明该系统具有较好的实用性和高效性,也证实所设计算法的可行性.     

基于粒子群的电力系统短期负荷预测

短期负荷预测是电力系统管理的一项重要方法,准确的负荷预测可以保证用户得到安全、经济、合理的供电。针对负荷预测方法的多样性,在传统的BP网络用于负荷预测的基础上,提出粒子群PSO(Particle Swarm Optimizer)优化神经网络权值的算法,并应用到电力系统短期负荷预测中。仿真结果表明PSO优化算法训练的神经网络不仅收敛速度明显加快,而且其预报精度也明显地得到提高。     

基于遗传算法的雨水管道系统优化设计

建立了一个雨水管道系统优化设计模型，并应用遗传算法求解管网投资最小的最优设计方案，该方法以管段设计流速为决策变量，采用浮点数编码方式将优化问题的解表达为染色体，设计了相应的适应度函数、交叉算子和变异算子，与传统设计方法相比，遗传算法所得到的最优设计方案可比原设计方案节约投资19．38％。研究表明，应用GA进行城市雨水管道系统优化设计是一种可行且非常有效的新方法，不仅可以找到最优设计方案，而且可以为决策者提供多种优化设计方案，为进行方案评价和决策提供可靠依据。     

基于遗传算法的网络联盟企业伙伴选择问题的研究

为了适应市场竞争的全球化，必须研究新的企业生产模式．网络联盟企业的提出就是一种对传统企业如何适应全球化竞争的研究和尝试．在阐述了组建网络联盟企业中合作伙伴选择过程后，着重探讨基于遗传算法的网络联盟企业伙伴选择的模型和算法．     

基于连续探索型遗传算法的多峰值函数的优化

提出了一种连续探索型遗传算法．它不仅能提高简单遗传算法的收敛速度．而且能有效地保证种群的多样性，在全局范围内搜索解空间．得到最优解．将算法应用于多峰值函数的优化．仿真表明该算法的有效性和效率性．     

大型水泵机组的遗传BP神经网络算法

利用BP神经网络在处理非线形问题上的优势来处理大型水泵机组的传递函数的非线形。并结合遗传算法寻找适合机组传递函数的最佳网络拓扑结构，为了控制的实时性要求网络的结点尽可能的少，因此在遗传算法的适应度函数中将时间的因素考虑进去。结果是，考虑时间的算法得到的网络结构要优于不考虑时间的算法所得到的网络结构。