基于不动点算法和K_2（m）剖分的遗传算法的改进

针对n维闭包腔函数优化问题,把单纯形自映射不动点算法与遗传算法结合进行求解。首先将解空间利用同胚映射转化为n维标准单纯形,然后对n维标准单纯形进行K2（m）剖分和相应的整数标号得到个体的承载单纯形顶点的标号信息,依据顶点信息和函数设计编码和遗传算子,当个体的承载单纯形是全标单纯形时,算法终止,得到优化问题的近似解。算例结果表明,改进后的算法在6代之内完成收敛,显示了极高的全局优化形态与计算效率。     

基于不动点理论的改进遗传算法及其应用

针对遗传算法的遗传效率问题,引入不动点理论的“剖分—标号—剖分”思想,通过寻找全标单纯形来对最优解进行定位,对全标单纯形再次剖分,寻找其内部的全标单纯形,使最优解得范围进一步缩小。遗传算法按相对适应度大小随机选取全标单纯形内的点作为初始化群体,极大地提高了遗传算法的效率。将遗传变异区间化,锁定在全标单纯形内或附近单纯形,使得最优解的精确度也得到极大地提高。     

基于不动点理论的改进遗传算法

针对标准遗传算法收敛精度不高的缺陷,把不动点理论引入遗传算法。将种群中的个体视为剖分中的点,通过对解空间进行J1剖分和整数标号得到个体承载单纯形的顶点标号信息;利用该信息指导算法进行最优化搜索和收敛性判断。当种群个体的承载单纯形全部转化为全标单纯形时,算法中止,得出全局最优解。算例结果表明,该算法具有很高的计算效率和稳定性。     

基于新的D2三角剖分的变维数不动点算法

本文在D_1三角剖分的基础上,构造了标准单纯形S~n上的一种新的三角剖分D_2,并与之相应地建立了一种新的变维数不动点算法。数值试验表明基于三角剖分D_2的变维数算法是可行的。     

整数标号的Brouwer不动点的构造性算法

本文提出计算标准单纯形上连续自映射不动点的一种整数标号的变维数单纯重复开始算法，该算法给出了Ｂｒｏｕｗｅｒ不动点定理一个新的构造性证明。数值结果表明新的算法是行之有效的。     

GF(2m)域椭圆曲线密码体制中改进的省时算法

为了提高椭圆曲线加解密速度,需要对模逆运算算法进行改进或省出求模逆运算来节省时间。以GF（2^m）中三类代表性射影坐标变换中c=1,d=2时的射影坐标变换为GF（2^m）域中椭圆密码体制最为省时的事实,通过c=1,d=2时的射影坐标和仿射坐标混合坐标点加进行运算,结果会比x=X／Z,y=Y／Z^2射影坐标变换更为省时。     

K2Ca2Cu(SO4)4·2H2O复盐的合成与表征

以3种简单盐类为原料,在50℃下用水热合成法制备了结晶优良的硫酸钙复盐K2Ca2Cu(SO4)4.2H2O,并通过X射线衍射、红外光谱与拉曼光谱分析、扫描电子显微分析等现代测试手段对其性能进行了表征,验证了该复盐带有2个分子的结晶水,测得了复盐的红外光谱与拉曼光谱的特征波数,清晰地观测了复盐的晶体形貌。     

GF(2m)域中椭圆曲线密码体制最省时的射影坐标变换

为了提高椭圆曲线密码体制的加、解密速度,需要对模逆运算算法进行改进或省出求模逆运算来节省时间.通过射影坐标变换而省去求模逆运算,选取GF(2m)中3种代表性的射影坐标变换进行理论分析,得到的结果与在计算机上运行结果一致,从而得出x=X/Z,,y=y/Z2是最省时的射影坐标变换.     

基于DCT变换和m序列的二值水印嵌入算法

针对因特网上数字图像的版权保护、认证和完整性等问题,基于DCT变换和m序列,提出了一种二值水印嵌入算法,实现了二值图像的嵌入和提取．实验表明,该算法当JPEG压缩比达到12时还能很好的恢复出水印,而且对剪切、噪声、滤波等图像处理操作也具有很好的鲁棒性．     

广义φ凹(凸)算子的不动点定理

目的　讨论常微分方程、积分方程和偏微分方程解的存在性 .方法　利用正规锥和广义 φ凹 (-φ凸 )算子 .结果与结论　得到了不动点定理 ,推广了文献 [1 ]中的结论     

改进的2^n—射线算法与Brouwer不动点定理的证明

本文给出一个改进的2~n-射线算法和 Brouwer 不动点定理一个新的构造性证明,并给出了新算法的一些数值试验结果。     

基于改进遗传算法的开关磁阻电机优化设计

针对传统的遗传算法存在搜索效率低和无客观判敛标准的缺点,结合不动点算法的渐细剖分思想对其进行改进,首先将函数优化问题转换为不动点问题;然后对解空间做单纯剖分,根据剖分顶点信息进行迭代搜索;最后将寻找到的全标单纯形转换为目标值输出.将改进算法应用到开关磁阻电机的结构优化设计中,建立了以电磁径向力最低为目标的优化设计模型.以功率为2.2kw的电机为例,利用该模型进行优化分析,并与原电机参数进行对比.结果表明,改进后的算法经过10次迭代后求得较好的全局最优解,稳定高效.     

基于遗传模拟退火算法的改进K-medoids算法

针对标准K-medoids算法在大数据聚类应用中易陷入局部最优解以及聚类效果受初始中心限制的缺点,提出了基于遗传模拟退火算法的K-medoids改进算法。该算法结合遗传算法和模拟退火算法,可以增强标准K-medoids算法在聚类时的全局搜索能力,并加快其收敛速度。对比实验证明:这一改进有效地弥补了标准K-medoids算法的上述缺陷,达到了提高聚类效率、加快收敛速度、改善聚类质量的目的。     

基于双模式变异策略的改进遗传算法

针对基本遗传算法寻优速度慢且易陷入局部最优的缺陷,提出了一种基于双模式变异策略的改进遗传算法。在标准变异的基础上引入个体线性差分变异思想形成双变异模式,同时利用控制参数对两种变异模式加以平衡。通过10个基准测试函数仿真实验,结果表明本改进算法在寻优速度和全局收敛能力上都有较大的提高。     

基于遗传算法和蚂蚁算法求解函数优化问题

针对遗传算法求解精度低以及蚂蚁算法求解速度慢的问题，提出一种基于遗传算法和蚂蚁算法的混合算法.该混合算法利用了遗传算法快速随机的全局搜索能力的优点，设计了编码与适应度函数，进行了种群生成与染色体的选择，并通过设定交叉算子和变异算子， 生成了信息素分布.该混合算法利用了蚂蚁算法正反馈以及具有分布式并行全局搜索能力的优点，通过确定吸引强度的初始值，建立了强度更新的模型，从而求得精确解.并将该算法应用于求解函数优化问题.结果表明，该混合算法与遗传算法和蚂蚁算法相比，收敛速度快，寻优性能好.     

基于遗传算法的火电机组负荷优化分配方法研究

依据火电机组的实时煤耗特性曲线,针对目前较实用的负荷优化分配方法——动态规划法的弊端,即在机组数目较多时运算量过大、难以满足实时要求,提出了改进的遗传算法,在加快搜索速度、提高寻优精度、保证群体多样性等方面采取了新的措施。改进后的遗传算法在搜索结果接近全局最优解的前提下,大大提高了寻优速率,具有较高的实用价值。