基于最小熵产生选择策略的遗传算法研究

针对遗传算法(Genetic Algorithm, GA)容易陷入局部最优的问题,借鉴热力学非平衡定态下的最小熵增原理,提出一种基于最小熵增原理的热力学选择策略,使个体的选择不再完全依赖于适应值。通过最小熵产生选择策略使种群在保证收敛速度的同时保持多样性,有效避免了种群陷入局部最优。通过定义个体密度来度量种群多样性,利用精英策略驱动种群熵产生快速下降;当种群多样性过低时,使用基于最小熵产生的选择策略产生新种群以保证种群多样性。在0/1背包问题和数值测试问题上的实验结果均表明,该策略能很好地保证解集分布的均匀性,防止种群陷入局部最优。同时,该策略也可应用于目前较新改进的遗传算法中,对算法效率也有一定的改进,具有很好地普适性。     

万洋“三连炉”直接炼铅法的生产实践

介绍了济源市万洋冶炼(集团)有限公司“三连炉”直接炼铅法工艺系统的运行情况及主要技术经济指标,分析了“三连炉”炼铅法的特点和优势.实践表明,该方法生产效率高,节能效果好,设备运行稳定.     

求解双边装配线平衡问题的改进蚁群算法

结合第2类双边装配线平衡问题(TALBP-2)的特点,提出了一种改进蚁群算法.针对TALBP-2中操作间的序关系,对分配至同一个边工位中相邻的两项操作间定义了一种新的信息素;提出了一种新的定界策略,根据所得的最好解,减小工位时间的上界,利用已分配工位的平均实际作业时间界定工位时间的下界,缩小蚂蚁的搜索空间;针对TALBP-2提出了一种新的操作分配准则,根据所定义的3种理想操作的优先分配权限分配操作;提出了一种边工位确定原则,平衡两边工位时间的增加速度.算例的比较结果表明算法有较好的求解效果和稳定性.     

.动力学演化算法的模糊控制器多参数优化*

模糊控制是一种非线性的控制方法,其性能在很大程度上取决于模糊控制规则、量化因子及比例因子,但传统的靠专家经验设计规则的方法不能根据被控对象的状态对模糊控制规则进行实时、动态的调整,而且对量化因子和比例因子也是根据经验选取,因此控制效果有时很难保证。提出了一种利用动力学演化算法自动对控制规则的调整因子、量化因子及比例因子进行优化。仿真实例表明了这种设计方法的可行性和良好的控制效果。     

基于布朗运动的改进粒子群优化算法*

为了改善粒子群优化算法的收敛速度,在布朗运动和伊藤过程的启示下,提出了一种混合布朗运动和粒子群优化算法这两种思想的改进算法。通过对布朗运动和伊藤过程进行抽象,设计了漂移算子和波动算子。漂移算子保留了粒子的位置属性,但没有了速度属性,并引入了吸引子的概念,借鉴差分变异算子设计了波动算子。通过解决典型的复杂函数优化问题,实验结果表明,改进算法具有收敛速度快的特点,并具有良好的健壮性和稳定性。     

用含仿射操作的遗传算法求解软件可靠性模型参数估计的 …

本文将含仿射操作的遗传算法引入到软件可靠性模型的参数估计问题中，与单纯形法比较，它不但较好地解决了以往参数估计中的奇异性，同时也提高了参数估计的精度。特别是按此方法估算出来的参数使心合曲线的后沿与软件故障数据曲线的后沿拟合得很好。     

一种结合局部搜索策略的求解TSP的演化算法

介绍了一种结合局部搜索策略的求解流动旅行商问题（TSP）的演化算法。该算法的主要思想是将局部搜索策略在邻域内搜索的快速性与演化方法在全局搜索上的鲁棒性结合起来，从而跳离局部最优。将该算法用于TSPLIB中部分TSP实例上的试验结果表明：与传统的各种求解TSP的演化方法相比，该算法在获得全局最优解的精确度上有了一定的改善。     

一种改进的线性判别分析法在人脸识别中的应用

提出了一种新的基于LDA的人脸识别算法。该方法重新定义了样本的类间散布矩阵，在原始的定义基础上增加了一种径向基函数（RBF）调节类间距离，使得在选择投影方向时能更好地分升各类样本；同时该方法存类间散布矩阵与类内散布矩阵的特征分解的基础上，通过变换求出符合Fisher准则的最优投影方向，可以证明这样得到的投影方向同时具有正交性与统计不相关性。通过ORL人脸数据库的数值实验，表明了该算法比传统算法有更好的性能。     

一种基于输运理论的多目标演化算法

提出了一种根据输运理论中的粒子输运方程、相空间能量定律和熵增法则构造的一种能够准确、高效地求解多目标优化问题的多目标演化算法(MOPEA).由于该算法使用了粒子系统从非平衡达到平衡的理论来定义求解多目标问题的Rank函数和Niche适应值函数,使得种群中的所有个体都有机会参与演化操作,以达到快速、均匀地求出多目标优化问题的Pareto最优解.数据实验显示,利用该算法求解多目标优化问题不仅能够使算法快速地收敛到全局Pareto前沿,同时由于该算法要求所有的粒子都要参与杂交和变异等演化操作,从而避免问题早熟现象的出现,并通过与传统演化算法的性能指标分析比较说明,使用该算法求解多目标优化问题具有明显的优越性.     

一种求解TSP问题的单亲遗传算法

1 前言 TSP问题可描述为:给定一个城市的集合,寻找一条从集合中的某个城市出发,访问每个城市一次且仅一次,最后回到出发点的最短路径。这已被证明是一个NP难解问题。求解TSP问题,遗传算法通常采用序号编码和非序号编码两种解表达方式。其中序号编码相对简单直接,其代表性的有“邻接表达”、“普通表达”和“路径表达”等几种编码方式,后者是最自然的表达方式。序号编码方式的杂交算子难于设计,杂交后解的合法性是需着重考虑的问题。虽然目前已提出了一些基于路径表达的杂交算子,如PMX、OX和CX,但普遍计算额外开销很大,而且杂交算子的使用对群体的多样性存在很大影响,容易使算法过早收敛。