基于改进型遗传算法的智能组卷研究

本文通过分析智能组卷的目标要求,建立了智能组卷系统的数学模型,并提出了一种基于改进型遗传算法的新的智能组卷算法。通过引入两个不同的选择策略,不同的变异算子,进一步提高了智能组卷算法的效率和性能。     

田径运动会日程编排问题中的遗传算法研究

运动会竞赛日程编排问题已被证明是NP问题,涉及的因素很多。目前,对该问题的算法研究成果比较少,暂时不存在有效的解决方法。针对这一现状,研究了该问题需要考虑的参数,并建立了数学模型。在此基础上,根据径赛和田赛编排时需要注意的问题,设计了一种遗传算法,实验结果表明:该方法能快速收敛到最优解,编排效率很高。     

基于遗传算法的组卷研究与设计

随着计算机在教育领域的普及,基于网络技术的试题库系统得到了广泛应用,系统组卷的效率和质量主要取决于其算法设计,常用组卷算法难以充分满足用户多重约束条件下的最优组卷需求。遗传算法是根据生物遗传进化思想而设计的一种计算模型,能够克服常用组卷算法的片面性、低效性,可动态、自适应地得到全局最优组卷方案,利用该算法进行了组卷研究与设计。基于遗传算法的智能组卷系统可大大减轻教师出卷的工作负担,使命题组卷更合理、高效。     

浅析遗传算法在无线网络系统仿真中的应用

在简要介绍遗传算法的同时，将其引入到无线网络系统仿真中，通过举例的方式，改变了传统的在仿真中手动调整方式，由计算机来完成一些大量繁琐的工作，从而提高了仿真效率，准确性。     

浅析遗传算法在无线网络系统仿真中的应用

在简要介绍遗传算法的同时,将其引入到无线网络系统仿真中,通过举例的方式,改变了传统的在仿真中手动调整方式,由计算机来完成一些大量繁琐的工作,从而提高了仿真效率,准确性。     

基于遗传算法的有时间窗车辆路径问题研究

本文在建立有时间窗车辆路径问题数学模型的基础上,构造了求解该问题的启发式算法--遗传算法,并进行了实例计算.模拟结果表明,利用遗传算法进行求解有时间窗车辆路径问题,可以方便有效地求得问题近似最优解.     

遗传算法研究概述

遗传算法是一种在群体的逐代遗传中,搜索出全局最优解的搜索优化算法.近年来由于遗传算法在解决复杂优化问题中显现出巨大优势,因此受到国内外学者的广泛关注.本文介绍了遗传算法的简单原理、设计方法,并概述了它的技术和应用领域.     

遗传算法综述

遗传算法是一种基于生物自然选择与遗传机理的随机搜索与优化方法。近年来,由于遗传算法求解复杂优化问题的巨大潜力及其在工业工程领域的成功应用。介绍了遗传算法的研究现状,描述了它的基本原理和主要特点,概述了它的应用领域,并指出了今后遗传算法的研究方向。     

自适应遗传算法

为了防止标准遗传算法中过早收敛到局部最优解的早熟现象,本文在分析早熟特征的基础上提出了相似程度的概念,并利用相似程度来选取杂交算子概率和变异算子概率,从而得到自适应遗传算法。实验结果表明,改进的自适应遗传算法比标准的遗传算法效果要好很多。     

试用遗传算法解决排课问题

排课问题是教学管理是一个重要问题,它也是一个多因素的优化决策问题,遗传算法被广泛应用于这类问题,本文试根据排课问题的特点,给出了排课问题的数学模型,并提出了遗传算法解决此问题的方案.     

自适应竞争遗传算法研究

遗传算法具有良好的全局搜索性能,鲁棒性强,适用于并行处理,但标准的遗传算法(SGA)收敛速度太慢,交叉率和变异率固定等缺陷,对提高控制系统的响应速度和控制精度不利,严重影响到遗传算法实际应用。文章主要研究了基于自适应竞争的遗传算法,采用保优竞争策略,仿真显示该算法的有效性。     

函数优化的遗传算法

遗传算法是一种有效的模拟进化算法,针对不同问题,编码方式多种多样。针对函数优化问题,阐述了不同的编码方式及遗传操作,在Matlab环境中用遗传算法实现求解函数优化问题。     

并行机调度遗传算法研究

为解决接近实际生产状况的并行机调度问题,将工件延迟与提前完成成本、机器闲置时间成本、机器启动成本列入考虑因素。在遗传算法的设计上,提出了一套染色体的组成方式,设计了适应度函数和进化机制,使其能较好地表示问题的解空间并提升求解效率,具有一定的实用价值。     

遗传算法概述

遗传算法是一种全局优化的随机搜索算法。它是解决复杂优化问题的有力工具。在工程设计、演化硬件电路设计以及人工智能等方面应用前景广阔。系统地介绍了遗传算法的发展史、基本思想、特点、主要应用领域等相关方面。     

浅析多媒体教学利与弊

随着现代教育技术的发展，多媒体辅助教学（CAI）已成为我国教学改革的基本方向。本文简单的介绍了多媒体教学的优点和弊端。     

试论数据挖掘中的遗传算法

本文对数据挖掘进行了概述，阐明了数据挖掘的概念、数据挖掘在商业中的意义。如何进行数据挖掘及数据挖掘流程，提出了数据挖掘技术中的一个重要算法-遗传算法的基本原理以及遗传算法在数据挖掘技术中的地位。提出了基于遗传算法的关联规则的提取方法。文章还给出了用遗传算法进行关联规则挖掘的实例，并讨论了数据挖掘技术所面临的问题和挑战。     

遗传算法的早熟问题

遗传算法是数据挖掘中比较成熟的一种算法,但早熟现象是遗传算法中遇到的一大问题,本文对早熟现象产生的原因及解决策略进行了分析。     

遗传算法与幻方构造

文章首先简单介绍了基本遗传算法的原理以及构造随机幻方的必要性。然后列举出一种构造随机幻方的遗传算法并加以分析和评论;并且引进部分匹配交叉算子以及设计了一种新的交叉算子和一种新的变异算子,形成了一种较高效率的构造幻方的遗传算法。通过实验比较,改进的算法要优于先前的算法。最后提出了用遗传算法构造幻方的一种研究思路。     

改进遗传算法的神经网络模型研究

神经网络模型及遗传算法在信息识别、分析与处理方面有着广泛的应用前景。通过对实数编码的遗传算法进行分析,给出了一种改进的优化神经网络模型权值的遗传算法,试验表明,改进的遗传算法可以使神经网络模型的收敛性和稳定性得到明显改善,并且可以减少优化时间。     

利用遗传算法优化BP神经网络

首先阐述了BP算法和遗传算法,并指出BP算法和遗传算法各自的优缺点,讨论了如何利用遗传算法优化BP神经网络,并举实例进行了仿真。结果表明该方法具有一定的实用价值。