混合遗传模拟退火算法解决多机调度问题

将模拟退火引入遗传算法,构造混合遗传模拟退火算法.通过对具体多机调度问题的求解,表明混合遗传模拟退火算法的效率要优于单一的遗传算法和模拟退火算法.     

基于混合蚁群算法的企业车间作业计划问题研究

文章研究了以最小化制造跨度为目标的，具有模糊加工时间的车问作业计划问题。针对该问题，采用三角模糊数来表征时间参数，并在此基础上构建问题目标函数。之后给出了一种混合蚁群求解算法，将模拟退火算法的全局优化特性嵌入蚁群算法来避免局部最优的问题。最后通过实例验证了算法的有效性。     

高校选修课程模型探析——以"退火算法"模型为例

高校的排课处理、选课处理都是典型的NP完全组合优化问题.本文根据选修课程问题的特性,以选课结果的优化处理为目标,对模拟退火算法进行改进,利用优化的数据结构和初始解提高运算速度,建立了带性能约束的多目标优化数学模型,据此实现了处理程序,并证明改进后的算法能显著提高收敛速度.     

张家口煤矿机械有限公司库存成本优化研究

在张家口煤机厂的库存成本管理中,库存物料种类繁多,配件数额大,库存管理比较滞后,造成库存成本较高.本文以多级库存成本模型为基础,结合张煤机的库存实际状况,以张煤机库存总成本最低为目标,建立以订货量（或生产量）为参数的新的库存模型,并运用模拟退火算法,利用matlab详细的讨论了该库存模型的求解算法,算出最优订货点（或生产点）、安全库存以及最优订货量（或生产量）等库存参数,拟达到降低库存成本,提高库存周转率,优化张煤机现行库存的目的。最后给出了应用算例。     

基于遗传算法的移动机器人路径规划研究综述

近年来，随着人工智能技术的不断发展，对移动机器人产业的开发和研究受到越来越多的重视。其中，路径规划作为移动机器人设计的关键核心技术之一，更是学术界、产业界关注和研究的热点问题。遗传算法作为智能仿生学算法在移动机器人路径规划中得到了广泛的应用。归纳总结了传统遗传算法、改进遗传算法、混合遗传算法在移动机器人路径规划研究中的应用情况，为相关专业技术人员了解遗传算法在移动机器人路径规划研究中的发展历程及算法应用提供一定的参考。     

求解旅行商问题的几种解法

旅行商问题（TSP）是一个典型的NP完全问题，现在还没有找到有效的解法。目前比较热门的求解TSP问题的方法主要有四种：神经网络算法；模拟退火算法；遗传算法；蚁群算法。     

基于多目标规划的众包任务最优打包数量的研究

近年来,基于移动互联网的众包平台层出不穷,而任务的定价对众包平台的发展具有重要意义。针对现实中存在多个任务点位置比较集中的现象,建立了基于遗传模拟退火算法的模糊C-均值聚类模型和多目标规划模型,解决了在任务打包发布的情况下任务定价问题,并分析打包数量不同对任务完成率的影响。     

HMM语音识别系统中Baum-Welch算法的优化

在HMM语音识别系统中传统的训练算法(Baum-Welch算法)计算量大、易受噪声干扰,而且当B初值选取不当时,又可能产生算法发散或者迭代收敛到非全局最优的现象。文章利用遗传算法对训练算法Baum-Welch算法进行了优化,应用于HMM语音识别系统中。仿真实验结果表明,经过遗传算法优化后的HMM模型的识别率相对于未优化的模型有一定程度的提高。     

基于改进型伪并行遗传算法的背包问题求解

文章提出了综合运用不同贪婪解码策略的改进型伪并行遗传算法以求解0／1背包问题。该算法有效避免了种群的单一性。在初始种群的构造以及约束条件的处理方面采用了贪婪法,群体之间的信息交换采用粗粒度孤岛模型。仿真研究表明,该算法有效克服了标准遗传算法早熟收敛问题,寻优效率较高。     

基于GIS的遗传算法在路径诱导中的应用与实现

最优路径搜寻是路径诱导问题的核心,文章在路径优化问题的求解中,将遗传算法和蚁群思想进行融合,首先利用前部分遗传操作迅速产生优化解,并由此衍生的初始信息素进行蚁群计算,并将后部分遗传操作引入蚁群算法以保证群体多样性以防陷入局部,仿真实验验证了算法的正确性和有效性。在系统实现部分,基于GIS环境,利用面向对象的程序设计语言C++,在VC集成开发环境下,通过MapInfo获取地图,并且把得到的路径优化结果回显在地图上。     

基于多层路径规划的自动布线优化研究

为实现大规模集成电路中的"自动布线问题",首先针对单层平面内通道自动布线问题使用A*算法,发现上下引脚连接线路发生路径冲突时,单通道自动布线问题无解.对多层数电路通道自动布线使用Floyd算法建模,分别对每层线路进行优化.构建基于遗传算法的A*目标函数最优化自动布线模型,来解决三维空间结构优化、系统整体布线距离优化以及金属线与通孔寄生电阻最小化问题.之后使用样本测例对建立的模型进行验证,提出新的解决路线.     

双重SGA算法对股票投资组合的优化分析

随着证券市场的不断发展而发展起来的,证券投资组合的选择和确定面临大量繁重和复杂的计算,SGA算法在客观和理性的证券投资组合决策中可以起到很好的辅助支持作用。本文通过双重遗传算法模型设计,对证券组合投资中的权重进行智能化的求解,并进行投资组合权重方案的评价,为决策的支持提供很好的参照。     

基于启发式人工鱼群算法的全局优化问题研究

文章提出了一种启发式人工鱼群算法(mAFS-P),依靠人工生命计算和群体智能行为来检测可行区域,采用局部搜索来确定最优解区域,并给出约束问题的扩展,通过调整参数,评估算法的性能,提高求解精度。通过与模拟退火算法(ASA),粒子群算法(PSwarm),协方差矩阵进化算法CMAES的比较,得出mAFS-P算法在解决全局优化问题上具有提高解决方案的准确性,降低计算成本的优越性。     

并行遗传定值优化算法研究

获得一套全局最优的继保定值,对电网安全稳定运行有重要作用。经过对以往文献的研究,文章总结了主要的优化方法,并针对遗传算法计算精度高但是耗时长的特点,提出了并行计算的遗传优化算法。对遗传算法模型等进行概述,描述了并行遗传优化算法的核心算法。     

应用遗传算法求解非线性问题的全局解的方法

本文是探讨了在matlab环境中实现遗传算法,通过求解一个非线性极小化问题,先用一般的方法求解该问题,然后再用遗传算法求解,通过对求解结果的分析说明该算法能够对函数的全局最优进行搜索,深刻体现了遗传算法的优越性。     

应用遗传算法求解非线性问题的全局解的方法

本文是探讨了在matlab环境中实现遗传算法,通过求解一个非线性极小化问题,先用一般的方法求解该问题,然后再用遗传算法求解,通过对求解结果的分析说明该算法能够对函数的全局最优进行搜索,深刻体现了遗传算法的优越性.     

遗传算法在软件工程中的应用和探究

遗传算法是一种数学算法，具有并行查找以及强大的适应性、鲁棒性、易于实现的益处，它在多目标优化问题的优化求解中有很大的作用和优势。遗传算法被研究人员普遍地使用于机器、控制工程、人工智能、机械视觉等领域。遗传算法是现代有关智能计算中的关键技术。本文从遗传算法的发展和特点出发，详细介绍了软件工程中遗传算法的流程。最后以库存管理系统来说了软件工程中的应用。     

基于自然选择的粒子群和模糊聚类的变压器故障诊断

由于基本粒子群算法存在收敛速度慢、易陷入极值的不足之处,利用遗传算法中的选择和交叉机制对传统粒子群算法进行改进,并与模糊聚类算法相结合对变压器溶解气体分析的故障诊断分析。分析结果表明,该算法具有较高的故障诊断正确率,满足电力变压器的故障诊断要求。     

遗传模拟支持向量机在居民消费价格指数预测中的应用

为了能够准确地对我国居民消费指数进行预测,本文深入研究了支持向量机在居民消费价格指数中的预测,首先阐述了最小二乘支持向量机的基本理论,接着提出了遗传模拟退火算法,最后进行实例研究,结果表明该方法具有较高的预测精度。     

算法态度文献综述、研究框架和未来展望

随着数字化和人工智能算法的发展，算法被越来越广泛地采用，算法决策越来越普遍。但是人们对于算法决策的理解仍然存在不同态度。通过梳理有关对算法决策态度和行为的研究文献，文章提出系统性研究框架，明确人们对算法决策产生不同态度和行为的主要原因、边界条件、主要发现和研究不足，同时构建算法态度形成过程理论框架，并确定可行的研究方向。文章希望通过系统性回顾已有研究和整合新的模型，帮助人们更好把握对算法决策的理解，从而促使企业、政府、个人更积极地利用算法工具。