多目标优化问题的遗传计算方法研究

多目标优化问题在宏观经济规划、决策等领域有着广阔的应用背景。但目前,除了多目标线性规划较成熟外,多目标规划还没有一种成熟的普适的实际算法。即使是多目标线性规划,在面对大维数、超大维数需求时,算法对内存的开销之大使得算法不可行。遗传算法（GeneticAlgorithm简称GA）是一种自适应启发式群体型迭代式全局随机搜索算法,近年来受到各学科的广泛重视。但是,GA本质上进行的是单目标无约束优化,GA用于解决多目标优化问题的工作还很少,有人通过以目标向量的各分量为适应性值进行反复循环的办法选出一代可能解,计算表明,该…     

改进的细菌群体趋药性算法及应用

为使细菌群体趋药性(BCC)算法中细菌群体初始种群在解空间足够均匀,文章提出改进的BCC算法,利用均匀设计方法优选出合适的初始种群,以充分利用解空间的信息;将改进的算法,应用于函数优化上,结果表明改进后的算法在函数进化代数和寻优成功率上都有较大的提高,说明改进的方式能提高BCC算法整体运行性能.     

遗传算法及其在客户关系管理中的应用研究

遗传算法是一种宏观意义下的仿生优化算法,它模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率搜索算法.这种算法可以用于对海量的客户信息进行搜索,提取对决策有用的信息,让企业在激烈的市场竞争中处于有利地位,最终达到最高利润.本文还通过一个简单的实例研究将该算法应用在客户关系管理中.     

遗传算法及其在客户关系管理中的应用研究

遗传算法是一种宏观意义下的仿生优化算法，它模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率搜索算法。这种算法可以用于对海量的客户信息进行搜索，提取对决策有用的信息，让企业在激烈的市场竞争中处于有利地位，最终达到最高利润。本文还通过一个简单的实例研究将该算法应用在客户关系管理中。     

基于改进的粒子群算法的PID参数优化

改进的粒子群优化PSO算法通过采用改进的PSO算法对PID参数进行了优化,使用实数编码方法,用局部版粒子群算法取得了良好的优化结果.说明了改进的粒子群算法寻优简单、鲁棒性强、易于并行化,是一种效率很高的寻优方法,是PID参数优化的理想方法.     

机械类专业本科毕业设计分类指导策略

本科毕业设计（论文）是高等院校实现人才培养目标的重要实践环节,毕业设计的管理与指导是影响毕业设计（论文）质量的重要因素之一。通过对机械类学生在毕业设计期间所表现出的不同群体特征的分析,将毕业设计期间学生分为考研群、就业群、创业群和择业群。并针对不同群体,提出了从选题、开题、指导过程及论文答辩等环节实施分类管理与指导的策略。     

农业信息化投入对农业产出贡献率评价研究

为进一步提高农业信息化投入对农业产出贡献的评价精度,提出一种基于粒子群优化算法优化LSSVR的混合智能评价方法,采用粒子群优化算法选取最小二乘支持向量回归机训练参数。首先,介绍粒子群优化算法优化LSSVR算法,并以农业信息化对农业总产出贡献率的预测进行农业信息化评估实验。选取广东省2003-2010年农业信息化对农业总产出贡献率的数据进行研究,表明基于粒子群优化最小二乘支持向量回归机的混合智能评估算法相比于传统的支持向量回归机有更好的评估效果。这种方法能较好地评价与预测农业信息化对农业总产出的贡献率,对正确引导我国农业信息化的发展具有重要的理论价值。     

基于GTO的遗传算法研究

借鉴中西医中修改基因片段治疗疾病的方法和思想,将其理论引入到遗传算法中,提出了一种基于医疗算子的遗传算法,给出了实现该算法的具体步骤,并用于TSP问题的优化求解。与标准遗传算法和免疫遗传算法(IGA)仿真对比,在求解TSP问题上,该算法是可行的、有效的,而且具有收敛速度快、有效克服退化、避免早熟收敛的特点。     

跨国公司逆向知识转移网络：内涵、模型与机制

针对跨国公司（Multi-national Corporation,MNC）母、子公司间逆向知识转移的网络关联特性和群策略演化问题,以网络视角剖析跨国公司逆向知识转移的内涵与过程,在此基础上构建具有星型网络结构的MNC逆向知识转移进化博弈模型,通过求解稳定策略（ESS）分析母子公司间逆向知识转移的群策略演化机理。最后,依据群策略演化的关键参数（关系强度、吸收能力、机会成本、收益损失）,借助复杂自适应系统（CAS）的回声模型,设计MNC逆向知识转移网络演化保障机制。     

基于量子粒子群优化的油气资源经济可持续发展评价

在构建油气资源经济可持续发展能力评价指标体系的基础上,提出了一种基于量子粒子群优化的神经网络评价方法。该方法用三层前馈神经网络建立评价指标和评价结果之间的非线性映射关系,用量子粒子群算法优化神经网络权值完成网络训练。以中国2001—2005年的油气资源经济可持续发展评价为例,验证了方法的有效性和可行性。     

企业绿色持续创新能力评价体系研究

以企业创新能力评价指标体系为基础,结合企业绿色持续创新能力的特性,提出了企业绿色持续创新能力评价指标体系,利用粒子群优化算法对传统的BP神经网络算法进行改进,建立了基于粒子群优化BP神经网络的评价模型,并将其应用到企业绿色持续创新评价研究中。结合粒子群优化算法的全局寻优能力和BP神经网络算法的局部搜索优势,能有效防止网络陷入局部极小值,同时能保证评价结果的准确性。     

房地产税开征背景下商业房地产价格估算——基于改进的粒子群算法

对房地产的准确估价是开征房产税的基本前提,寻求和采用准确性高、成本低的房价评估方法是非常必要的。针对普通的商业房产地估价问题的复杂性,融合灰色关联理论、模拟细菌行为改进的粒子群算法和神经网络算法的优势,本文提出了一种新的商业房产地估价模型——基于灰色关联理论、模拟细菌行为改进的粒子群算法和神经网络算法集成的商业房产地估价模型。首先利用灰色关联理论求得影响商业房产地价格的主要因素,从而优化BP神经网络的输入变量;然后利用模拟细菌行为改进的粒子群算法优化BP神经网络初始权重和阈值。该方法能有效地提高普通BP算法对非线性问题的处理能力,同时也提高了普通BP算法的收敛速度和搜索全局最优值的能力。本文选取湖南某市进行实证研究表明,新的估价方法能较准确地估测商业房地产的价格,在商业房地产估价中具有较好的应用前景。     

建设项目多资源优化的进化算法实现

工程实践中,资源优化具有众所周知的重要意义,然而现存的一些资源优化的方法往往存在求解精度不够、求解效率较低、通用性差等缺点,尤其是在对具有不同权重的多资源均衡问题的研究还不是很充分。引入的改进进化算法在解决有不同权重的多资源均衡优化问题时表现得十分有效,计算过程容易掌握,由于算法本身具有隐并行性,特别适用于并行计算和全局优化问题。在计算机技术和网络技术迅速发展的今天,处理较复杂的大项目多资源优化问题,该算法具有不可估量的潜力和优越性。     

基于粗糙集与粒子群算法的权重优化模型研究

针对服务质量评价中指标权重确定的问题,提出一种基于粗糙集与粒子群算法的权重优化模型。首先,利用粗糙集与模糊集,计算出初步权重并给出各个指标权重变化的区间,且在各区间内生成不同的权重值。再通过仿真实验来生成针对不同指标权重所产生的评价结果,定量计算出评价结果的方差。然后通过方差作为粒子群算法的适应度函数进行后向反馈,实现指标权重的优化。最后,将优化后的权重用于物流企业物流服务质量评价结果的计算。     

创造可持续的高技术企业发展生态系统

本文以加利福尼亚北部和南部地区生物制药公司和计算机硬件与软件公司簇群发展为案例，提出一种理解可持续高技能生态系统（HSEs）形成条件的框架。这一框架指出：HSEs与自然生态系统具有四个共同的组织要素，即：激发系统创生的催化剂；不断进化中的食物链；支持性的适宜环境和系统中各主体之间的高度依存。     

关于营销渠道模式进化的探讨分析

一、营销渠道进化的内涵和特点（一）营销渠道进化的内涵 营销渠道的进化是渐变与突变的统一、是渐灭和突灭的统一、是偶然性与必然性的统一。在营销渠道的进化过程中,渐变和突变、渐灭和突灭在时间上、空间上分别都表现为互为镶嵌的进化模式,其中突变又可以进一步分为绝灭和复苏两种表现形式,     

污水管网平面布置和管径——埋深的综合优化

文章以管网造价为目标函数，建立了污水管网布置优化设计的单亲遗传算法模型，并结合改进的两相优化法对污水管网的布置和管径-埋深进行了综合优化。通过算例可知，应用单亲遗传算法对污水管网进行布置优化的可行性．优化效果明显。进化代数少。     

基于蚁群算法的物流配送路线优化研究——以重庆市渝中区为例

蚁群算法于上世纪末提出,是继遗传算法之后的一种启发式算法,用于解决组合优化问题.它借鉴蚂蚁通过自组织的协作能力而产生的群体智慧来解决组合优化问题.ACO算法的特点在于使用正反馈,在较优的解的路径下,留下较多的信息激素,信息素会吸引更多蚂蚁走这条路径,这个过程中,会引导整个系统向最优解的方向迈进.蚁群算法可以用来解决一些尚未找到有效算法的问题,而且蚁群算法还是元启发式算法(Meta-heuristic),是一种算法框架,可以在其基本思想上针对不同问题做改进从而应用到不同问题上去.     

基于情境和过程的多样性群体绩效

本文介绍了国外近年来群体多样性研究进展,并针对两种解释群体多样性作用机制的社会心理理论提出了两种不同的多样性管理策略,即自我类化（英文缩写为SG）策略和自我验证（英文缩写为SV）策略。在多样性研究中引入群体冲突这一过程变量,讨论了不同情境下多样性群体的策略选择。最后探讨了领导风格与情境因素、群体多样性的交互关系,建立了一个综合性的概念模型。     

分子计算及其应用

分子计算是一种宏观意义下的仿生算法,是模拟生物进化过程与机制求解问题的自组织,自适应的人工智能技术,是借鉴生物的自然选择和遗传进化机制,通过使用DNA作为一种内存,并在内存上进行操作的一种全局优化自适应搜索算法,它包括遗传算法和DNA计算。