基于遗传算法的函数级别软件错误定位

针对软件开发过程中的错误定位问题,提出一种以函数调用路径和遗传算法为基础的软件错误定位方法FGAFL。将软件测试中的错误定位问题转化为组合优化问题,结合函数调用路径对错误定位的影响构建适应度函数。通过遗传算法在候选种群中迭代搜索具有较高可疑度的候选错误分布,得到最优解。根据最优解对程序中的函数按可疑度进行排序,依次检查函数并定位错误的具体位置。实验表明,FGAFL方法可以有效降低运算量并缩减代码审查的范围,提高错误定位的精度和效率。     

基于遗传算法的排课系统

排课系统在教务管理系统中是比常见的一个模块，但在多约束条件情况下，要排出一张高质量的课表并不容易。通过使用遗传算法，对初始课表进行优化，并用Matlab进行编程，试验结果表明，遗传算法对课表的优化有着比较显著的作用。     

基于遗传算法的文本分类技术

针对常用的文本分类算法参数难以确定的问题,该文引入遗传算法,在编码方案、种群的初始化、适应度函数和停止标准等方面进行优化,得到更好的文本分类结果.通过三种文本分类算法的对比实验,该文提出的算法效果最好.     

一种基于遗传算法的自动排课系统设计

该文提出并实现了一种高校自动排课算法,利用遗传算法建立数据模型,定义了时间片、授课单元、切片算子、不完全两点交叉和适应度函数。通过使用遗传算法,对课程进行编排和对课表进行优化;并用VC 进行编程,Matlab进行仿真,用文件输出结果;实验结果表明,遗传算法对课表的编排和优化有着比较显著的作用。     

基于遗传算法的排课问题适应度函数设计

排课是各类学校教学管理工作中重要而且相当复杂的管理工作.排课问题是一个有约束、多目标的组合优化问题,并且已经被证明是一个NP完全问题.遗传算法借鉴生物界自然选择和自然遗传机制,善于处理传统搜索算法难以解决的复杂的和非线性的问题.对于使用遗传算法解决排课问题中关键的适应度函数进行设计,验证结果表明能较好地实现排课目标,为设计出科学、优秀的排课系统提供理论依据.     

基于遗传算法的工程项目评标

评标是工程项目投标中的重要环节,利用遗传算法进行评标,其难点在于缺乏合理可行的适应度函数设计方法。在给出遗传算法编码规则的基础上,引入层次分析法（AHP）进行适应度函数设计,通过实例计算,阐述利用AHP方法进行适应度函数设计的全过程。结果证明,该算法可有效应用于工程项目评标。     

基于改进的最优家族遗传算法的快速图像匹配

为提高图像匹配技术的匹配速度和稳定性,从优化搜索策略和减少在非匹配点上的相关计算总量两方面入手,引入了性能优良的最优家族遗传算法(OFGA),采用序贯相似性检测作为该遗传算法中的适应度函数,并结合适应度函数的非线性强的特点,对OFGA算法加以改进,使得两者相辅相成、互相受益.实验表明该改进算法对提高图像匹配的速度方面成效显著,且算法稳定.     

基于遗传算法的聚类分析

遗传算法是一种模拟自然进化的优化搜索算法,它仅依靠适应度函数就可以搜索最优解.介绍了一种基于遗传算法的聚类分析方法,采用浮点数编码方式对聚类的中心进行编码,并用特征向量与相应聚类中心的欧氏距离的和来判断聚类划分的质量,通过选择、交叉和变异操作对聚类中心的编码进行优化,得到使聚类划分效果最好的聚类中心.实验结果显示,该方...     

基于遗传算法的高校排课系统研究

提出并实现了一种高校自动排课算法,利用遗传算法建立数据模型,定义一个包含教师编号、班级编号、课程编号、教室编号、上课时间段的染色体编码方案和适应度函数,通过初始化种群、选择、交叉、变异等过程不断进化,最后得到最优解。利用该算法对某高校的真实数据进行实验,结果显示无一例教室、教师、班级冲突,算法具有合理性和可行性。     

基于种群熵的改进型遗传算法

本文针对遗传算法具有早熟或局部收敛的缺点,根据种群熵S的实际意义,设计了一种可按照当前种群熵S的大小自动切换适应度函数的自适应适应度函数。对基本遗传算法,分别采用指数适应度函数,反比例适应度函数和本文定义的自适应适应度函数,在三种常用检测函数上进行实验,结果表明采用自适应适应度函数的基本遗传算法继承了指数适应度函数和反比例适应度函数的优点,既有强劲的收敛能力,又能保持种群多样性,可以更好更快更精确地收敛到问题的最优解。     

遗传算法辅助作曲研究

对遗传算法在作曲中的应用进行了一定的研究。介绍了遗传算法作曲系统目前的发展情况,分析了这一研究领域存在的问题,提出了一种新的交互式遗传算法作曲系统,借助Matlab 6.5下的遗传算法工具箱对系统进行了验证,取得了很好的效果。     

运用遗传算法进行智能音乐作曲研究

采用遗传算法进行算法作曲,主要利用遗传算法的全局最优性,并且相对简单有效的特点.利用简洁的编码方式对基因进行编码,有效地表达了乐曲的主要信息,方便了适应度函数的计算和相关遗传操作的进行.针对音乐质量评估问题,提出了将相关音乐知识的规则和人机交互相结合的模式,共同对所创作音乐进行合理评价.不仅提高了评价的准确性,而且大大降低了人的工作量,产生了良好的音乐工程效果.     

基于自适应遗传算法的多传感器多目标静态数据关联

利用多传感器跟踪多目标技术中最重要的问题是目标关联问题,而常见的关联算法要私计算量大,要私实际动用中效果不理想。本语文提出了利用自适应遗传算法来解决在传感人、检测空域中目标个数未知情况下,单平台多传感器数据融合系统对目标进行检测时的静态数据关联问题。实验结果表明,这种算法具有很高的关联成功率,并且提高了多传感器数据融合系统的检测概率。     

遗传算法在作曲中的应用

对遗传算法在作曲中的应用进行了一定的探讨。介绍了遗传算法应用于作曲的基本过程。通过将给定的乐谱转换成相应的编码,采用遗传算法中的选择、交叉和变异算子产生新的乐曲。     

一种改进的实数编码遗传算法

针对实数编码在进行数值优化时固有的过早收敛、停滞现象和弱的爬山能力等缺点,通过设计不同的交叉、变异算子,提出了一种改进的实数编码的遗传算法。数值实验显示,该算法在函数优化问题上取得了较满意的效果。     

遗传算法的线性尺度变换法实施研究

讨论了遗传算法运行过程中的一种适应度变换法——线性尺度变换法的实施方法。给出了在这种变换下变换参数C应满足的一个条件,并给出了具体的实施建议。改进后的方法同尺度变换的初衷才是一致的。     

一种基于新型遗传算法的块运动估计算法

提出了一种基于新型遗传算法的块匹配运动估计算法。该算法把块运动向量作为遗传染色体,经过选择变异等操作,将随机搜索与特定目标搜索相结合,解决了以往快速搜索算法易陷于局部最优的问题,同时该算法中所带的模糊评价函数使得对个体的评价更合理、客观,该算法还将运动矢量空间偏置特性用于初始种群的选取,进一步提高了算法性能。实验结果表明,该算法性能上接近于FSA,速度却接近于TSS。     

基于遗传模拟退火算法的BP算法研究

目前广泛应用于神经网络优化的方法是反向传播(Back Propagation,BP),但是BP神经网络的全局搜索能力很有限.文中探讨了两种全局优化算法:遗传算法(Genetic Algorithm,GA)和模拟退火(Simulated Annealing,SA),以及它们和BP算法结合形成的优化算法,并且比较了它们在神经网络优化中的优缺点.     

一种基于超群体的并行遗传算法

文章首次提出了空间交配的慨念,构造了一种基于超群体的并行遗传算法。它把每一子群体(sub-group)看作一个特殊的个体,称为超个体(super-individual);该算法就是对由若干超个体组成的群体———超群体(super-group)施加遗传运算,从而实现遗传算法的并行化。它不但较好地克服了早熟问题,而且开拓遗传算法研究的新方向。最后,给出了实验的对比分析,证实了算法的有效性。