基于混合遗传算法的数据挖掘

随着数据库应用的不断深化,数据库的规模急剧膨胀,人们需要对这些数据进行分析,从中发现有价值的信息。但是数据库管理系统本身却没有提供有效的工具和方法来利用这些数据,因此数据挖掘成为当今研究的热点。本文即以混合遗传算法为基础对数据挖掘中的算法问题进行系统研究。     

基于AdaBoost算法的故障诊断仿真研究

AdaBoost算法是提高预测学习系统预测能力的有效工具。提出一种基于AdaBoost算法的神经网络故障诊断方法,利用多层前向神经网络作为故障弱分类器,实现了对多类故障的诊断。为了克服AdaBoost对数据噪声比较敏感的不足,通过降低错分样本的权重改进了算法。针对一个涡轮喷气发动机气路部件故障的仿真实验表明,这种方法提高了最终故障分类器的泛化能力,改善了其噪声鲁棒性,便于工程应用。     

基于混合遗传算法的RTL激励生成

寄存器传榆级（RTL）描述是目前应用最广泛的电路设计描述形式．在时序电路的RTL激励生成中，基于模拟的方法避免了帧扩展法庞大的搜索空间，但采用该方法常存在向量过多．质量不高等问题．本文充分考虑影响算法效率的各种因素，在此基础上，提出一种基于混合遗传算法的激励生成方法．该方法结合多种覆盖评估准则与故障模型作为激励生成目标，同时采用动态参数设置，实现全局-局域混合搜索机制．实验结果显示该方法是有效的．     

基于自由落体算法的混合遗传算法

遗传算法(Genetic Algorithm)是一类借鉴生物界的进化规律演化而来的随机化搜索方法。它是一种有效的解决最优化问题的方法。但也存在一些不足,主要是早熟收敛问题。因此,标准的简单GA在实际应用中得到的结果可能并非是全局最优解。为弥补标准遗传算法的这些缺陷,该文利用遗传算法与自由落体算法相结合,来求解现实生活中存在的二维装箱问题,事实证明得出了较好的解。     

基于混合遗传模拟退火算法求解TSP问题

TSP问题是典型的NP-hard组合优化问题,遗传算法是求解此类问题的一种方法,但它存在如何较快地找到全局最优解,并防止“早熟”收敛的问题。针对上述问题并结合TSP问题的特点,提出将遗传算法与模拟退火算法相结合形成遗传模拟退火算法。为了解决群体的多样性和收敛速度的矛盾,采用了部分近邻法来生成初始种群,生成的初始种群优于随机产生初始种群。仿真实验结果证明,该算法相对于基本遗传算法的收敛速度、搜索质量和最优解输出概率方面有了明显的提高。     

基于混合遗传算法的板坯入库优化算法

研究适合板坯入库的优化算法,从而更合理地分配空间,改善板坯仓库劳动强度大,空间利用率低的现状.在已有的带匹配权值的Best Fit算法(Weighted Best Fit, WBF)基础上采用遗传算法优化板坯排序,然后在遗传算法中引入相异度函数和非均匀变异策略,克服早熟提高收敛速度,从而构成一种混合WBF和遗传算法的板坯入库优化算法.此算法比WBF算法或单纯的遗传算法更能提高算法性能和优化效果.     

基于混合遗传算法的染色优化模型与仿真

为解决染色工艺优化设计问题,以生产成本最小化为优化目标,构造染色工艺优化设计的数学模型。针对模型非线性约束的特点,采用具有自适应惩罚适值函数和交叉率的混合遗传算法,对模型进行优化计算及仿真。实验结果表明,该方法优化后的生产成本节约了8.8%,证明该优化模型及算法的有效性及实用性,对生产成本的预测以及染色工艺参数的制定具有实际意义。     

基于混合遗传算法的时间最优控制问题求解

研究了用混合遗传算法求解时间最优控制问题.混合遗传算法是用粒子群位移转移的思想改变遗传算法的变异规则,通过记录各染色体的历史最优值和种群的最优值,来修正下一代的染色体,新的算法保留了遗传算法的选择和交叉操作,保证了遗传算法强大的全局搜索性能,该算法可求解数学优化问题.在分析时间最优控制问题已有求解方法优缺点的基础上,提...     

基于神经网络和混合遗传算法的优化控制研究

本文主要提出一种对复杂系统进行智能优化控制的解决方案,首先采用神经网络对欲控制的复杂系统进行建模,然后采用实际数据构建针对性的神经网络模型,最后用混合遗传算法对神经网络模型进行制定参数寻优,从而获得对复杂系统的智能优化控制。在理论探讨的基础上,本文给出了此优化控制方法的相关MATLAB程序,只要针对具体问题稍加调整,相信此程序能较好地解决实际中复杂系统的优化控制问题。     

基于混合遗传算法的聚类模式数据挖掘方法

数据挖掘是指在数据库中发现潜在的、人们感兴趣的关系及特征。聚类的任务是根据一定的标准将数据分组。最常用的一种启发式算法是“爬山法”,这种方法可以保证获得局部最优。遗传算法是一种寻求全局最优的优化技术。本文将遗传算法同“爬山法”结合提出了一种混合遗传算法。     

基于单纯形的小生境混合遗传算法

总结单纯形搜索算法的核心思想.然后提出单纯形交叉方向算子和最优小生境、次差小生境与最差小生境3个概念.在最优小生境中采用单纯形搜索算法得到局部极值,在最优小生境与次差小生境之间用单纯形交叉方向算子产生优秀个体,而在最差小生境中采用受限单纯形搜索产生优秀个体,从而构成基于单纯形的小生境混合遗传算法SimplexNich-HGA.最后用SimplexNiche-HGA、单纯形混合遗传算法Simplex-HGA 以及基本遗传算法SGA求函数Rosenbrock的极值,并进一步用SimplexNiche-HGA和Simplex-HGA 求多峰值函数Shubert的极值,验证算法的正确性和求多峰值函数的极值的效率.     

基于混合遗传算法的固定货架拣选问题求解

针对自动化立体仓库固定货架系统拣选路径优化问题的特点,分析并设计了一种新型混合遗传算法。构造初始种群时加入了一种补充算法,遗传操作采用了一种受贪婪算法启发的交叉算子和倒位变异算子,显著改善了原有遗传算法的搜索能力。仿真结果表明该遗传算法在执行时间和优化效果两方面均能很好的满足作业要求。     

基于混合遗传算法求解非线性方程组

将非线性方程组的求解问题转化为函数优化问题,且综合考虑了拟牛顿法和遗传算法各自的优点,提出了一种用于求解非线性方程组的混合遗传算法。该混合算法充分发挥了拟牛顿法的局部搜索、收敛速度快和遗传算法的群体搜索、全局收敛的优点。为了证明该混合遗传算法的有效性,选择了几个典型的非线性方程组,从实验计算结果、收敛可靠性指标对比不同算法进行分析。数值模拟实验表明,该混合遗传算法具有很高的精确性和收敛性,是求解非线性方程组的一种有效算法。     

基于混合遗传算法求解非线性方程组

将非线性方程组的求解问题转化为函数优化问题，且综合考虑了拟牛顿法和遗传算法各自的优点，提出了一种用于求解非线性方程组的混合遗传算法。该混合算法充分发挥了拟牛顿法的局部搜索、收敛速度快和遗传算法的群体搜索、全局收敛的优点。为了证明该混合遗传算法的有效性，选择了几个典型的非线性方程组，从实验计算结果、收敛可靠性指标对比不同算法进行分析。数值模拟实验表明，该混合遗传算法具有很高的精确性和收敛性，是求解非线性方程组的一种有效算法。     

基于混合遗传算法的矿井排水系统优化

针对井下排水系统水泵开机的不确定性和不规律性造成耗电量过大的问题,提出一种以排水系统最小能耗为目标函数的优化调度模型,利用混合遗传算法寻找最优解。仿真结果表明,该方法能够有效避免遗传算法容易出现的早熟现象,提高局部寻优能力,具有较强的适用性。排水系统的平均节能效率达到6.5%以上。     

基于共享机制的自适应混合遗传算法

共享机制小生境遗传算法常由于保持算法种群的多样性而减缓了全局收敛速度.针对共享机制的这个缺陷,提出了一种基于共享机制的自适应混合遗传算法.将熵的概念引入共享机制,提出了用以度量种群多样性的小生境熵的概念;构造了小生境半径和进化参数(交叉、变异概率)的自适应计算方法;设计了用于增强算法局部搜索寻优能力的扩展突变算子.最后实验表明,该算法对于解决多模态函数优化问题具有很好的全局搜索能力和较快的收敛速度,能够有效避免早熟收敛.     

基于混合遗传算法的工作流重构研究

随着知识抽取、数据挖掘等技术的兴起,基于日志的企业流程重构引起了学术界和工业界的高度重视。本文针对目前重构算法大都采用本地策略因而无法保证最优挖掘以及算法对噪声不强壮的情况,提出了一种新的工作流重构算法。该算法结合遗传算法和模拟退火算法的思想,通过对流程活动依赖关系的度量,构建因果关系矩阵映射流程实例（CASE）作为种群染色体,进而完成初始种群的构建,有效地提高了收敛速度,减少时间开销,同时避免了早熟收敛,因此该算法在有效处理噪声问题的基础上,实现了对流程模型的正确挖掘。     

一种基于混合遗传的贝叶斯网络分解算法

针对最优贝叶斯网络分解是一个NP-完全问题,提出了一种基于混合遗传贝叶斯网络分解算法PHGA.PHGA算法将进化过程划分为三个不同的阶段,在前期和中期阶段采用较大的种群规模和交叉率,以及较小的群体选择压力,来增强PHGA算法的全局探索能力,避免早熟现象;在后期采用较小的种群规模和交叉率,以及较大的群体选择压力,并引入爬山局部优化算子,以增强群体在进化后期中的局部寻优能力,提高算法的收敛速度.三个标准的贝叶斯网络上的实验表明该算法在最优解方面要优于遗传算法和模拟退火算法.     

基于混合遗传算法的关系型数据库多连接查询优化

本文分析了关系型数据库的查询优化问题，针对多连接查询提出将遗传算法和爬山法结合，从而构造了关系型数据库多连接查询优化问题的混合遗传算法，并进行了实验计算。结果表明，用混合遗传算法解决多连接查询优化问题，可以发挥遗传算法和爬山法的不同优势，从而得到较满意的查询优化性能。     

基于混合遗传算法的测试数据自动生成研究

为了提高软件测试中测试数据自动生成的效率,提出了一种基于混合遗传算法的测试数据自动生成的方法.在传统的遗传算法中引入模拟退火的思想,先利用遗传算法快速搜索到近优解,再使用模拟退火算法局部寻优,实现两种算法的优势互补.实验结果表明,该算法有效避免了早熟问题,具有收敛速度快、搜索效率高等特点,能够更加快速地自动生成测试数据.