TSP问题的智能优化算法研究

智能优化算法比较常见的有模拟退火算法、遗传算法、人工鱼群算法、神经网络算法等。本文主要对前三种算法优化性能进行研究。首先介绍了三种算法的基本原理,然后总结了各自的优缺点并从原理和参数两个方面对三种算法进行了对比分析,以经典NP难题——TSP为例进行了仿真研究给出了未来针对TSP问题的研究重点。     

基于演化算法的高校课程排课系统的研究与实现

提出了基于演化算法高校课程排课系统的方法,以课程为排课核心,以授课计划为排课依据,利用演化算法建立起有效地数据模型.通过实验验证,该算法能够结合高校实际情况,自动地找到了解决排课问题的模型,具有一定的通用性.     

一种改进的基于神经网络的入侵检测算法

径向基神经网络具有良好的分类特性,被广泛应用于入侵检测系统的研究中,然而RBF神经网络需要事先确定隐层神经元数目,并且容易陷入局部最优.利用遗传算法优化隐层神经元数目,并且基于粒子群思想优化隐层到输出层的权值,同时给出了详细的算法流程.经Lincoln实验室入侵检测系统数据评估集合测试,该智能算法的检测成功率大大提高,并且训练时间比较短,完全可以应用于入侵检测系统中.     

基于遗传算法的新建给水管网优化设计

遗传算法是一种较新的工程优化算法,将其引入给水管网优化设计,增强了管网设计方案的经济合理性。对给水管网优化设计的数学模型建立,遗传算法的基本原理、实数编码技术、评价函数的建立进行了分析,并用实例验证了其有效性。     

基于遗传算法的多水源环状管网优化设计

遗传算法应用于管网优化时会表现出收敛速度慢、结果不理想等缺陷。针对环状管网优化设计的管径离散、约束条件多等特殊性,充分利用管网水力特性,通过模糊判断、扰动等手段干预遗传算法进化方向和进度,使得遗传算法在一定程度上改变了应用于管网优化时表现出的缺陷。算例表明,改进后的遗传算法值得在管网优化设计中推广。     

递归式多目标遗传算法

介绍递归式多目标遗传算法(Recursive Multiple Objective Genetic Algorithms,RMOGA).整个进化过程分为与目标数量相等的几个递归阶段,每个阶段多增入一个目标.每个阶段先用一个独立的群体进化新增的目标;该群体中性能较好的个体与上一阶段多目标进化的群体联合形成已增目标集的初始群体.实验结果表明,在绝大多数问题中,RMOGA的性能优于NSGA-Ⅱ,SPEA及PAES等3个典型的多目标遗传算法.     

最优控制算法综合分析

最优控制,顾名思义就是使控制系统的性能指标实现最优化的基本条件和综合方法。它是庞特利雅金在1958年提出的最大值原理和贝尔曼的动态规划的基础上,立足于状态变量法,解决复杂的系统问题,使其达到最优的指标。     

基于树木生长形态的仿生计算算法

对树木生长过程和形态结构进行描述与抽象,用动态生长的生长树进行模拟,提出一种新的仿生算法:生长树算法。树木在生长过程中,趋光性促使枝叶寻求占据相对更有利的空间位置,朝向能获取更多光照的位置生长,此过程体现寻优原则。借用遗传算法和蚁群算法的种群、个体评估等概念,借鉴信息素浓度机制,提出"光素浓度"衡量光照对生长树的叶枝节点的作用,叶枝节点个体不断探寻周围环境的光素浓度与外部环境进行信息交流,同时个体之间存在生长竞争关系,算法不断对个体进行评价、选择、生长,逐步个体的编码从而求得问题目标解。将算法应用于几个典型函数寻优,实验结果经与标准遗传算法进行对比,生长树算法具有迭代层数少、寻优速度快的优势。     

分布式系统上异构拥有源服务质量的优化研究

提出的正交同步解调法(即GQSD算法)是一种可用来减少种群代的最大重复次数的新技术手段。GQSD算法有助于在现有(非旧式的)优化算法上使处理源调度达到最优化。GQSD是一种通过界定新参数和度量数据来降低任务延时以及响应用时的新型算法。GQSD算法还达到服务器的服务水平。模拟实验表明采用GQSD算法后,分布式系统的总任务进程的完成时间得到缩短,性能有所提高,从而使得不同层次分布式处理器的服务质量得到提高,处理延时也大大降低。     

遗传算法在柴油机故障诊断中的应用

BP神经网络在故障诊断时,对故障的学习训练盲目性大,导致速度慢,结果可靠性差。但是遗传算法可以优化挑选故障向量具有针对性,弥补BP神经网络诊断的不足。所以基于遗传算法的BP神经网络可以使各代种群在进化过程中容易得到全局最优解。实例对比分析,表明优化后的神经网络具有较好的收敛性能和运算速度,能够改善诊断精度。