注入式的遗传算法的分析与研究

该文提出了一种改进的遗传算法———注入式的遗传算法。该算法利用遗传算法全局搜索能力强和知识库具有存储记忆功能的特点,通过引入知识库中的经验值来提高遗传算法的求解速度和精度。该实验用基本遗传算法和注入式遗传算法来求解旅行商问题,通过对比实验结果,证明改进遗传算法的可行性和有效性。     

多目标柔性作业车间调度的集成算子遗传算法

柔性作业车间调度（FJSP）中，在将任务按顺序分配到各机床前，首先要为任务选择加工机床。为求解多目标FJSP，本文在分析该问题特点的基础上，提出了一种面向甘特图的串编码（GORS）及相应的的遗传算法算子的基本操作，提出了集成算子遗传算法，并给出了其具体实现。文献算例的实验及与国际最近研究成果比较表明。该算法减小了目标参数值即生产周期、最大机床负载和总的机床负载。     

基于六模糊控制器的自适应遗传算法

遗传算法的性能主要取决于算法对满意解的搜索和优化的能力。本提出的自适应遗传算法可以自动均衡搜索和优化关系。该算法采用六个模糊控制器对符号编码遗传算法的遗传操作实施动态参数控制。对旅行商(TSP)问题的求解结果表明该算法在解决类似于TSP的组合优化问题时具有比标准遗传算法更好的性能。     

灾变机制下的元胞遗传算法

文章提出了一种改进的加入灾难的元胞遗传算法.该算法是细粒式并行遗传算法和粗粒式并行遗传算法的混合形式.在遗传算法和元胞自动机的原理基础上,通过加入灾难的方式,用于求解复杂甬数优化问题,获得了较好的效果.     

一种求解背包问题的混合遗传算法

将启发式贪婪算法与简单遗传法相结合构成一种混合遗传算法,用该混合遗传算法求解大规模背包问题,含有５０个物品的背包问题的试算结果表明,用这种方法求解大规模背包问题,其解的质量和求解性能较简单遗传算法和贪婪算法都有很大的改善。     

一种新的求解非线性方程组的混合遗传算法

为了解决实际工程中经常遇到的求解非线性方程组的问题,作者提出了求解非线性方程组的一种新的思维,即首先将非线性方程组的数值求解问题转化为最优化问题,然后利用浮点遗传算法全局群体搜索能力及起始搜索速度快的特点,快速得到接近精确解的较优解,之后将其作为拟牛顿法迭代的初始值,利用其局部寻优能力非常强的特点,快速迭代至精确解。该混合遗传算法充分利用了浮点遗传算法与拟牛顿法的各自优点。     

求解装箱问题的遗传算法

本文提出了两种求解装箱问题（ＢｉｎＰａｃｋｉｎｇ）的遗传算法。一种是简单遗传算法,它采用等长度字符代码编码方法,使用常规的遗传操作算子。另一种是混合遗传算法,它综合运用解装箱问题的ＦＦＤ（ＦｉｒｓｔＦｉｔＤｅ－ｃｒｅａｓｉｎｇ）近似算法和简单遗传算法。试算结果表明,由这两种遗传算法所得到的装箱方案较一些近似算法所得到的装箱方案都要好。     

基于混合粒子群算法的机场停机位优化分配问题研究

合理且高效的停机位分配方案是提高机场运营效益的重要手段之一。通过对航班占用停机位特性的分析,以旅客步行距离最短和停机位空闲时间均衡为目标函数建立优化模型,设计一种基于遗传算法与PSO算法相结合的混合粒子群算法对其求解,最后运用试验数据来说明该算法求解停机位分配问题的可行性。     

适用于欺骗问题优化的分段遗传算法

为了有助于克服遗传算法中的模式欺骗性问题，本文基于遗传算法在不同阶段运行性能的不同，并且借鉴新达尔文主义中生物进化的选择机理，分析和探讨了一种适应性分段遗传算法，并且通过试验证明了该方法的有效性。     

基于实值编码遗传算法的起重机伸缩臂结构优化

实值编码遗传算法(RCGA)的染色体空间和问题解空间是同一个空间，较好地解决了二进制编码遗传算法(BCGA)存在的求解精度和冗余代码等问题；给出了改进的交叉和变异操作算子；RCGA自然集成工程领域知识．弥补BCGA语义的不足．就实现而言．RCGA可有效继承常规数值算法的代码。因此，RCGA更适合有连续变量的复杂的工程数值优化问题。本文建立了多工况的基于惩罚的RCGA模型用于起重机伸缩臂的优化设计，该模型比常规方法更符合工程实际，优化结果令人满意，证明RCGA在工程设计中有实用意义。     

协同多目标攻击空战决策的启发式粒子群优化算法

利用协同多目标攻击战术的特定知识，并结合粒子群算法，提出了一种用于空战决策的启发式粒子群算法。该算法利用粒子群算法对解空间探索能力强，容易跳出局部最优陷井及启发式算法局部搜索能力强的优点，快速、高效地对全局最优值进行搜索。该算法通过求解友机导弹对目标的最优分配来确定空战决策方案。仿真实验结果表明。本文算法对最优空战决策方案的搜索性能明显优于普通粒子群算法及其他两种遗传算法。     

基于工件表达法的遗传算法在车间作业计划中的应用

针对车间作业计划领域的实际情况，本文提出了一种简单快捷的遗传算法编码方式——基于工件表达法，详细讨论了其算法设计及其实现原理。通过基于该编码方式的遗传算法在车间作业计划优化中的应用实例与其他算法结果的比较，证明该编码方式简捷、实用、有效。     

FMS动态调度软件自动生成

在面向对象建模的基础上，首先给出了FMS的对象模型，着重研究了FMS动态调度软件自动生成的关键技术。在FMS调度软件的自动生成中，作者提出了运用构造调度指令表的方法，比较好地解决了FMS高度软件自动生存中系统触发唯一高度活动问题，而且将源代码自动生存的顺序，转化为调度摊在调度指令表中的顺序的生存，降低了软件自动生成的难度。文中给出了关键操作的算法，并考虑了死锁的预防，文末给出了应用实例。     

基于退火惩罚混合遗传算法求解生产批量计划问题

针对以获得最低生产成本为目的的批量生产计划问题，提出了该问题的混合整数规划模型，首先，根据单级多资源批量计划问题的特点提出了问题的数学描述，；然后根据该数学问题的复合性，利用遗传算法的随机搜索和进行化过程寻找问题的全局最优解，为了防止适应度函数的过早收敛，引入退火惩罚因子对适应度函数进行处理，使得获得全局优解的可能性加大，实验结果表明，该方法能获得比传统遗传算法更为理想的近似最优解。     

基于带波动算子非线性Schrdinger方程数值分析的守恒差分算法(英文)

对一类带波动算子的非线性Schro。dinger方程进行了数值分析,提出了一个含参数的二阶守恒差分格式,根据参数选取的差异,该格式既可隐式计算也可显式计算。对初值条件进行了中心差分离散,使其具有二阶精度,从而与守恒格式的精度一致。利用矩阵理论证明了差分解的存在惟一性,并利用一个重要的不等式在先验估计的基础上,运用能量估计的方法证明了该格式按无穷范数以二阶精度收敛到真实解。数值实验表明该格式具有较高的计算效率。     

基于带波动算子非线性Schroedinger方程数值分析的守恒差分算法

对一类带波动算子的非线性Schrodinger方程进行了数值分析，提出了一个含参数的二阶守恒差分格式，根据参数选取的差异，该格式既可隐式计算也可显式计算。对初值条件进行了中心差分离散，使其具有二阶精度，从而与守恒格式的精度一致。利用矩阵理论证明了差分解的存在惟一性，并利用一个重要的不等式在先验估计的基础上，运用能量估计的方法证明了该格式按无穷范数以二阶精度收敛到真实解。数值实验表明该格式具有较高的计算效率。     

基于带波动算子非线性Schr(o)dinger方程数值分析的守恒差分算法

对一类带波动算子的非线性Schr(o)dinger方程进行了数值分析,提出了一个含参数的二阶守恒差分格式,根据参数选取的差异,该格式既可隐式计算也可显式计算.对初值条件进行了中心差分离散,使其具有二阶精度,从而与守恒格式的精度一致.利用矩阵理论证明了差分解的存在惟一性,并利用一个重要的不等式在先验估计的基础上,运用能量估计的方法证明了该格式按无穷范数以二阶精度收敛到真实解.数值实验表明该格式具有较高的计算效率.     

基于机器学习方法的三维粒子重构技术

通过三维粒子重构获取粒子场的分布情况是层析粒子图像测速的关键步骤,有限二维投影下的三维粒子重构是一个欠定的反问题,其精确解往往很难得到。一般情况下,可以通过优化方法得到近似解。为了获取质量更高的粒子场并用于层析粒子图像测速,提出了一种基于卷积神经网络（Convolutional Neural Networks,CNN）的粒子重构方法。所提出的技术可以从基于传统的代数重构技术（Algebraic Reconstruction Technique,ART）的方法所得到的粗略粒子分布中进一步提高粒子重构质量。与现有的基于ART的算法相比,新技术在重构质量方面有了显著的改进,可以有效剔除虚假粒子并更准确地还原粒子形状,并且在粒子浓度较稠密的情况下计算速度至少快了一个数量级。     

压电结构的控制-结构一体化设计

对于离散分布、同位配置压电片驱动器和传感器的压电耦合板,首先构造了四节点 Ｋｉｒｃｈｈｏｆｆ矩形板弯单元,从而建立了有限元模型。在此基础上,给出了主动阻尼振动控制模型。将系统的存留能量指标归结为一个 Ｌｙａｐｕｎｏｖ 方程的解。以系统的存留能量指标为适应度函数,以作动器和传感器的位置及控制增益为优化参数,利用基于共享函数机制小生境技术的遗传算法进行结构、控制设计。最后,对一悬臂压电耦合板进行了实例分析。结果表明,该方法是解决控制结构一体化设计的一种有效途径,可以得到多个最优解或次优解。     

Solving Job-Shop Scheduling Problem Based on Improved Adaptive Particle Swarm Optimization Algorithm

An improved adaptive particle swarm optimization(IAPSO)algorithm is presented for solving the minimum makespan problem of job shop scheduling problem(JSP).Inspired by hormone modulation mechanism,an adaptive hormonal factor(HF),composed of an adaptive local hormonal factor(H l)and an adaptive global hormonal factor(H g),is devised to strengthen the information connection between particles.Using HF,each particle of the swarm can adjust its position self-adaptively to avoid premature phenomena and reach better solution.The computational results validate the effectiveness and stability of the proposed IAPSO,which can not only find optimal or close-to-optimal solutions but also obtain both better and more stability results than the existing particle swarm optimization(PSO)algorithms.