基于条件熵和改进遗传算法的入侵检测算法研究

针对传统的入侵检测方法对于实时性网络检测效率低的问题,引入条件熵对高维数据集进行属性约简,但是由此引起了漏报率过高的问题,因而必须引入遗传算法以进化出最优种群。将条件熵和改进遗传算法相结合,以提高入侵检测的效率和降低漏报率,并将改进遗传算法和标准遗传算法进行了比较,结果表明,将改进后的遗传算法用于入侵检测中具有较高的检测率。     

求解Flow Shop问题的改进遗传算法

在对FSP问题进行描述的基础上,提出了一种新的改进遗传算法。该算法针对遗传算法的弱点进行了一系列的改进:设计一个新的选择策略和一个新的多交叉算子策略来避免早熟并引入了兄弟竞争的策略来加快收敛速度和全局搜索能力。仿真计算表明了该算法的良好收敛性和有效性。     

基于遗传算法的电力系统经济调度方法

为了在满足有功功率平衡情况下使发电费用最小,机组出力、电压水平及线路安全约束也应得到满足。文章选取遗传算法对基于智能优化方法的电力系统经济方法进行了研究,介绍了遗传算法的基本计算流程。采用MATLAB软件讨论了交叉率对电力系统经济调度遗传算法的影响。     

基于遗传算法的净水器装配线平衡改善

针对H净水器公司RB产品总装配线存在的生产线不平衡、产能不足等问题,提出了基于传统工业工程和遗传算法的改善方案。首先利用鱼骨图、ECRS原则等对生产线平衡问题进行初步优化。在此基础上,采用遗传算法对装配线动作单元进行排序优化,进一步提高生产线平衡率。改善后RB产品瓶颈工序得到改善,生产线平衡率提高,有助于提高企业竞争力。     

基于遗传算法的冷链物流节点选址研究

根据传统的T.T.T.理论,在假设温度不变的条件下,推导出食品的腐败率与时间的非线性关系,并在此基础上建立了惩罚函数和冷链物流节点选址模型。采用遗传算法对模型进行求解,通过一个算例证明了遗传算法可以有效解决冷链物流节点选址问题。     

基于协同进化遗传算法的 SOFM 神经网络及其应用

针对遗传算法优化SOFM神经网络的不足,提出利用合作型协同进化遗传算法实现SOFM 神经网络优化的方法。其基本思想是：针对SOFM神经网络中存在的“死神经元”现象,在SOFM 神经网络中引入全局搜索能力很强的合作型协同进化遗传算法,这样既解决了分类结果对样本输入顺序的过分依赖,又实现了SOFM 神经网络在竞争过程中的全局最优性。将新算法用于矿井突水水源判定问题,结果表明,该算法具有较好的全局收敛性,且可在很大程度上避免“死神经元”现象。     

基于改进遗传算法的BP网络权值优化

BP算法与遗传算法是神经网络中两个非常重要的算法,但各有优缺点,本文对遗传算法的交叉率进行了改进,使得算法的效率得到提高;并将其用于BP网络的权值优化,实验结果表明,比传统的方法效率有明显提高.     

改进遗传算法在公交智能调度中的应用

针对基本遗传算法易发生未成熟收敛及收敛速度慢的缺陷,将初始种群均匀化生成、选择算子采取自适应排序、交叉算子采用竞争择优的方式进行改进,并应用到公交调度优化问题中,建立符合实际情况的公交调度数学模型。通过仿真实例分析表明,改进后的遗传算法用于公交车辆智能调度是有效、可靠的。通过公交车排班表和发车频率图的比较可知,该结果是符合客流的实际分布情况的。     

基于遗传算法的多址通信信道编码优化方法

为了优化传统多址通信信道编码的效率以及误码率,提出基于遗传算法的多址通信信道编码优化方法。引用马尔科夫信道转移模型对节点信道进行编码,构建相应的通信信道编码预测机制,得到信道的激发状态。将上述状态结合级联的方式进行修正,获取数据交互率。将遗传算法进行改进,通过新的交叉方式进行交叉运算,得到最佳数据交互率以及最高传输速度,将两者进行传输划分,实现多址通信信道编码优化。实验结果表明,相比传统的多址通信信道编码优化方法,所提方法能够有效提升编码速率,降低网络冲突。     

汽车动力总成悬置系统分析及优化

某车型出现怠速震动过大的问题,推测为悬置隔振率低导致,通过建立汽车动力总成悬置系统的Matlab、多体动力学模型,分析悬置系统的固有特性。然后以悬置系统的解耦率和隔振率两个主要性能指标为目标匹配优化悬置系统,通过Isight集成ADAMS和Matlab,利用多岛遗传算法对悬置橡胶刚度进行优化,获得最优线性段刚度。测试动力悬置系统悬置隔振率,对悬置隔振率测试结果进行了校核分析。     

混合编码遗传算法及其应用

遗传算法中编码机制对交叉和变异的搜索能力有重要影响,为了弥补单一编码遗传算法求解复杂问题时所带来的局限性,混合编码遗传算法受到越来越多的研究者关注。本文重点介绍了混合编码遗传算法中的混合编码问题——多参数级联和多参数交叉编码,分析了由二进制,十进制和浮点数等编码组成的混合编码遗传算法的几种实现过程以及混合编码遗传算法在各行业的应用。     

改进智能水滴算法求解混合时间窗车辆路径问题

针对多目标车辆路径问题,研究了车载量、配送里程、混合时间窗等限制约束条件下,以最小配送费用和最少配送车辆数为目标建立多目标数学模型。在分析智能水滴算法求解类似离散问题时存在的局限性基础上,运用多种方式对其进行改进,并引入遗传算法选择、交叉及重组算子提高其性能,构建出两种改进智能水滴遗传混合算法,运用Solomon标准测试算例和实际算例进行验证。比较结果显示,改进后的混合算法能够有效解决离散问题,在持续寻优能力上较传统智能水滴算法和遗传算法更优；并且竞争选择改进智能水滴遗传混合算法求解算例效果最优。     

海外仓模式下考虑交付时间和平台信息共享的跨境电商运营模式选择

海外仓作为跨境电商企业独有的供应链运作模式,如何运作是跨境电商面临的重要问题。本文构建了由一个线上、线下分销的海外仓和一个拥有市场需求信息的跨境电商平台组成的供应链博弈模型,基于交付时间和信息共享策略研究海外仓运营模式的选择。研究结果表明：渠道竞争强度越小,交付时间敏感度越低,平台信息共享的意愿越强;信息共享策略会影响海外仓的交付时间和分销数量决策,但不会影响海外仓的运营模式选择。海外仓运营模式的选择受平台佣金率和渠道竞争强度的影响较明显,当佣金率和渠道竞争强度较小时,海外仓选择市场模式运作,当佣金率和渠道竞争强度较大时,则选择转售模式。     

不同市场结构下政府的最优补贴率及其对企业R&D行为的影响

技术创新的溢出效应致使企业的RD投入低于期望的最优水平,政府应对其进行补贴,但是在不同的市场结构下企业之间的竞争态势存在明显差异,政府应制定差别化的最优补贴率,并引导企业在RD竞争或RD合作中作出正确的选择。主要采用博弈论的方法,以企业数量的多少来衡量市场结构的差异,着重考察4种不同市场结构下政府的最优补贴率及其对企业研发行为的影响。研究发现:(1)在完全竞争的市场结构下,政府的最优补贴率为1,不管企业之间的研发方式如何(RD竞争或RD合作),都不会对最终的研发投入水平产生任何影响;而在完全垄断的市场结构下,政府的最优补贴率为0.33,由于市场上仅有1家企业,因此不存在RD竞争或RD合作的选择问题。(2)在寡头垄断和垄断竞争的市场结构下,政府的最优补贴率应随企业数量的增加、溢出效应的增大而增大,即竞争越激烈、溢出效应越高,政府越应提高补贴率;而企业之间的研发方式选择主要与溢出效应有关,若溢出效应小于0.5,则企业应选择RD竞争;若溢出效应大于0.5,则企业应进行RD合作;若溢出效应等于0.5,则两种研发方式不存在明显差异。     

高技术产业竞争实力评价模型构建方法研究

研究了基于评价对象整体排名构建高技术产业竞争实力评价模型的方法。首先提出了一种综合专家排名信息的高效优化算法;接着利用模型输出的排名和专家综合排名构建优化的目标函数;然后使用遗传算法对此目标函数进行优化,确定模型参数;最后利用10个省市制药行业规模以上企业数据演示了该方法的应用与优点。     

基于遗传算法的投资组合在金融领域中的应用

遗传算法是一种模拟自然界生物进化的搜索算法,经典遗传算法采用的都是固定参数,这是对性能的一种局限和束缚。为解决这些问题,在算法中引入自适应遗传算法(AGA),即交叉概率Pc和变异概率Pm能够随适应度自动改变。自适应遗传算法在保持群体多样性的同时,保证遗传算法的收敛性。AGA由于改进了各遗传算子的参数,使算法能够适应于种群进化各个阶段的特征,使算法的优化效率和解的质量得到提高。本文将遗传算法和投资组合结合起来,提出了基于遗传算法下的投资组合模型,并举例验证。     

基于小种群策略的并行遗传算法

遗传算法作为一种基于生物进化机制的自适应算法,适用于各类复杂系统的优化计算。然而标准遗传算法所具有的易早熟、易陷入局部最优等问题,在一定程度上限制了遗传算法的推广和使用。在对遗传算子做出改进的基础上,提出了一种基于小种群策略的并行遗传算法,从而有效地提高了遗传算法的执行效率和性能。     

社交网络舆情下的二元信息竞争SH2IR模型及仿真研究

[研究目的]网络舆情中信息间的竞争传播更符合社交网络的真实情境,研究舆情事件中多元信息竞争传播的演化机制有助于政府和媒体有效监控舆情、引导舆论。[研究方法]结合舆情事件多信息传播特点,加入信息犹豫者和信息接触率,构建二元信息竞争的SH2IR模型,仿真同步和异步情景下二元信息的竞争演化过程。[研究结论]研究表明,在同步传播模式下,单独增强信息接触率、传播转化率、犹豫转化率以及置换率,都可以扩大信息的传播;在异步传播模式下,信息发布的越早,传播范围越广,但单独增强传播参数对传播效果影响较弱,同时提高信息的传播参数时传播行为明显加强。     

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。     

基于gatbx遗传算法工具箱的配电网优化重构

本文介绍配电网的基本原理及其研究意义,简略说明遗传算法在配电网优化重构中的一般过程和gatbx遗传算法工具箱的部分函数。本文算例部分运用gatbx遗传算法工具箱函数,算例结果说明gatbx遗传算法工具箱在配电网优化重构应用是有效的。