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.     

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。     

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。     

水循环算法与引力搜索算法的改进

水循环算法的提出是针对自然界中的分流、降雨、汇流与下渗等自然的水循环现象所提出的一种算法,有效调整了粒子与种群数量,并能够实现智能与动态展示,这种算法的提出能够有效实现种群迭代速度的提升。引力搜索算法是基于引力定律所提出的一个新型算法,并对引力搜索算法进行改进,同时提出水循环算法与引力搜索算法的改进措施。     

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.     

改进遗传算法的梯级水库供水优化调度应用研究

针对遗传算法在梯级水库供水优化调度求解中容易出现的局部寻优能力差、易早熟等不足的问题,为了进一步增强遗传算法的优化性能,提出了时历法与遗传算法相结合的方法,应用于冶峪河流域屯庄与黑松林水库优化调度研究中。实例计算结果表明,该算法在研究梯级水库调度中计算速度快、收敛性好,为高精度水库群优化调度提供了一个新的途径。     

基于经济最优的温室环境建模与优化控制

鉴于温室自身具有很强的复杂性,而且温室各环境因子之间是实时互相影响的,温室环境的多目标优化控制实际操作起来难度很大。文章针对温室系统这种混乱且复杂的特性,在构建温室温湿度模型以及温室调控设备耗电量模型的基础上,采用多目标遗传算法优化,针对黄瓜温室环境,以此达到优化控制。通过matlab进行了仿真研究,结果表明,该算法能有效降低温室环境达到黄瓜最适宜生长环境所需的耗电量,从而降低了企业温室生产的经济成本。     

基于GA-Elman动态回归神经网络的股价预测模型研究

文章针对股价预测问题的复杂性、不确定性、时变性及动态性等特性,利用Elman神经网络具有记忆性的优点,采用遗传算法训练优化Elman神经网络的初始权值,提出了高效的GA-Elman动态回归神经网络股价预测模型。实验模拟结果表明:该模型快速稳定且具有较高的精度,将其用于股票价格预测可行且有效。该模型的提出也为股票价格预测提供了一种新的技术和方法。     

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。     

改进Adaboost算法对县域粮食作物产量的预测

Adaboost算法是一种典型的机器学习算法,但其算法在训练过程中用时较长.针对这个问题,采用改进的机器学习DWTAdaboost算法与Adaboost算法对1950—2012年内蒙古自治区扎兰屯地区的各项经济统计数据进行分析,比较两种算法模型对数据分析的优劣.结果表明DWTAdaboost算法在保证准确率不变的前提下效率更高.     

基于GS-LGBM的乘用车使用寿命预测研究

为准确预测乘用车使用寿命,提出基于网格搜索优化LightGBM（GS-LGBM）模型的乘用车使用寿命预测方法。通过对2014—2019年乘用车报废数据进行大量实验,并与9种流行的机器学习算法进行对比,结果表明,LightGBM在平均绝对误差（MAE）、中位绝对误差（MEAE）、均方误差（MSE）和拟合优度判定系数（R2）4项指标上均明显优于其他算法。为进一步提升模型预测精度,采用网格搜索算法对LightGBM进行参数优化构建GS-LGBM模型,效果显著提升（MAE降低11.02%）,说明该方法能够更准确高效地预测乘用车使用寿命。     

基于蚁群算法的机场除冰车辆调度问题研究

除冰车辆调度是飞机除冰作业中的一项核心任务。为了使除冰效率更高,本文对机场除冰车辆调度问题进行研究,考虑飞机的机型,除冰液类型,航班的重要程度以及除冰车需要满足的时间窗,以最小化飞机的除冰成本为目标函数建立数学模型,并采用改进的蚁群算法优化求解该模型。结果证明了模型的正确性和算法的有效性。     

基于动态调整惯性权重粒子群算法的冷热电联供系统运行优化

为实现能源梯级利用、冷热电联供系统优化运行，将基本粒子群算法、改进粒子群法、动态调整惯性权重的粒子群（IDWPSO）算法进行对比。表明相较于其它两种算法IDWPSO算法在收敛速度与精度方面都有更好的表现。建立以运行成本和环保成本最小为目标的冷热电联供CCHP (combined cooling, heating and power)系统模型，并采用IDWPSO算法优化。结果表明，在满足系统负荷与约束条件下，IDWPSO算法优化后的系统综合成本有所降低，对CCHP系统优化运行具有指导意义。     

基于改进模糊聚类算法的地铁站点重要性分析

为了研究地铁网络的节点重要性,研究一种改进模糊聚类算法:将地铁网络抽象为无向无权复杂网络,选取节点介数、接近中心性和特征向量中心性作为节点重要性的评价指标,利用k-means和熵权法改进的FCM模糊聚类算法,对地铁网络节点的重要性进行软化分.采用误判率交叉估计法对模糊聚类结果进行检验.实证表明,相比传统FCM算法,改进FCM算法目标函数收敛次数降低了58.06％,目标函数值降低了5.33％,误判率为0,更适用于地铁站点的重要性分析.     

考虑公平性的客舱乘务员排班研究

针对由于排班不公平导致客舱乘务员流失的情况，为降低排班问题复杂度，首先生成符合航班运行基本规则的任务环，在此基础上同时考虑飞行小时、过早过晚航班、客舱乘务员人数三种因素，建立公平性排班数学模型，采用遗传算法求解。对比客舱乘务员随机排班和公平性模型排班两种方案下的结果。实验结果表明，运用优化后的乘务员公平性排班模型的方差更小，此模型对于客舱乘务员排班提供更公平的方案，具有一定的有效性。     

基于减少旅客延误的航班中转行程优化

为减少中转行程中产生的旅客延误,在考虑中转过程中后序航班旅客延误的情况下,以中转旅客与后序航班旅客的总延误最小为目标建立优化模型;在满足航班运行限制的约束条件下,应用种马遗传算法对模型进行求解;使用北京首都国际机场的客流数据进行实例验证,并对不同旅客最短衔接时间的优化结果进行比较。研究结果表明:与经典遗传算法和增强精英保留遗传算法相比,种马遗传算法具有更快的收敛速度;在旅客最短衔接时间为120 min的条件下,优化后中转行程中产生的旅客延误减少了29.9%;当旅客最短衔接时间越小时产生的旅客延误越少,且模型优化效果较为稳定,优化百分比为25%～30%。     

基于遗传算法优化BP神经网络的企业营销风险预警研究

为了克服现有研究的缺限,文章提出了一个基于遗传算法优化BP神经网络的企业营销风险预警模型.首先阐明了BP神经网络和遗传算法应用于企业营销风险预警的可行性,然后构建了基于遗传算法优化BP神经网络的企业营销风险预警模型,接着通过某企业实例对模型进行了训练和测试.结果表明,该模型可以有效及时地对企业面临的营销风险做出预警.