一种基于遗传算法的连续属性离散化方法

连续属性离散化是基于粗糙集的数据挖掘中的关键问题。针对该问题提出了一种遗传算法,在保持不可分辨关系的前提下,以最小断点集为目标,对交叉算子、变异算子进行了改进。最后,使用UCI机器学习数据对算法进行了验证,并与其它的离散化算法进行了比较,结果表明算法是有效的。     

基于遗传算法的自适应控制系统

为了得到高品质的系统输出,提出了基于遗传算法的自适应控制系统的设计方法。以自适应控制器的每个控制量、状态参数、输出量等作为基因,在问题的状态空间内进行并行的启发式优化搜索,根据这些基因构成的染色体估计系统输出量。这种方法适用于非线性动态系统中多参数、多约束条件的最优控制。     

知识发现中的数据离散化处理

主要讨论了基于粗集的数据挖掘的连续数据离散化处理过程．     

基于遗传算法的离散仓库选址研究

本在考虑规模经济的因素下，基于遗传算法，将仓库选址决策中的总成本进行适当分解和表示，建立了一个离散仓库选址模型，给出了算法的实现过程，并给出一个运算实例。     

基于条件信息量的决策表连续属性离散化算法

该文提出了一种新的决策表连续属性离散化算法.首先使用条件信息量来度量条件属性的重要性,并据此对条件属性按照条件信息量从大到小排序,然后按排序后的顺序,考察每个条件属性的所有断点,将冗余的断点去掉,从而将条件属性离散化.该算法易于理解,计算简单.     

粗糙集理论中连续属性离散化的一种新方法

连续属性的离散化是粗糙集理论研究的一个重要内容,对后继阶段的知识获取过程具有重要的意义。选取用于离散化的断点一般分为两步,即候选断点的选择和结果断点的确定。文中提出一种新的候选断点选取算法,可以在第一步中有效减少候选断点的数目;在第二步中采用自顶向下的方式确定候选断点的重要性,在此基础上给出了一种确定结果断点的启发式算法。仿真实验结果表明该算法是有效的。     

基于自适应遗传算法求解装箱问题

针对遗传算法在求解复杂优化问题时收敛速度慢,易陷入局部最优的不足,对标准遗传算法进行改进,将交叉概率和变异概率进行自适应调节,再结合移民策略,提出可自适应调节参数的改进遗传算法,应用该算法对装箱问题进行相应研究。     

基于自适应遗传算法求解装箱问题

针对遗传算法在求解复杂优化问题时收敛速度慢,易陷入局部最优的不足,对标准遗传算法进行改进,将交叉概率和变异概率进行自适应调节,再结合移民策略,提出可自适应调节参数的改进遗传算法,应用该算法对装箱问题进行相应研究。     

改进型自适应遗传算法研究

针对遗传算法的改进 ,提出了一种新的评价种群过早收敛程度的指标 ,进而给出一种新的自适应调整策略。仿真计算表明 ,该方法较一般遗传算法和一般自适应遗传算法有较大提高     

基于沃尔什变换的连续型数据离散化方法及应用

在智能信息处理中，大多要求整型或字符型的离散化数据，而实际数据往往是连续型的。本文在沃尔什变换的基础上，提出一种连续数据离散化方法。该方法不需要给定划分维数，连续数据经过沃尔什低通滤波后被划分成离散的区间，再用整数和符号标示。通过实际数据测试，该方法取得了较好的效果。     

用遗传神经网络混合算法求解可变加工时间Job-shop调度问题

有效地混合了遗传算法和基于约束满足的自适应神经网络算法,对于一类加工时间可变的调度问题进行了研究.遗传算法被用来进行迭代寻优.当前代经交叉和变异后生成的染色体对应非可行解,由自适应神经网络运算后得到可行解,对应的染色体作为新一代染色体.本算例的目标函数是基于任务的提前/拖期惩罚、附加惩罚以及加工时间的偏离量惩罚,目标是确定最优加工时间和最优加工顺序极小化目标函数,并与一般的遗传算法相比较,实验结果说明了遗传/自适应神经网络算法混合算法的有效性.     

基于自适应算法的制动器试验台控制方法

针对目前解决制动器试验台控制问题的算法复杂度高,近似解不能很好地逼近于最优解等问题,提出了一种基于自适应算法的制动器试验台控制方法.该方法将制动器试验台的控制问题转化到对电流的控制问题上,运用自适应算法的自我适应与自我调整等特性,以路试的能量变化与机试的能量变化的差值作为调整的准则,形成一个反馈系统,从而调整电流的大小,使机试逐渐逼近于路试.通过Matlab软件仿真使能量相对误差小于3%,表明该方法能使相对误差尽可能的小,是一种解决制动器试验台控制问题的有效方法.     

一种改进的LMS自适应算法研究

传统的LMS算法的精度不高,收敛速度慢,并且跟踪性能不好.本论文主要研究了一种改进型的变步长的LMS自适应算法NLMS,并基于MATLAB仿真软件设计完成了一种改进型的NLMS自适应滤波器,对该算法进行仿真验证.结果表明:该改进型的自适应算法NLMS平均误差更小,精度更高.     

基于寿命特征的模糊遗传算法(英文)

在知识发觉中遗传算法已经广泛应用于分类,模型选择和其它优化问题.但是它的行为和表现却直接受其输入参数值(如交叉概率和变异概率)的影响,不合理的参数设置通常会导致许多问题比如早熟问题.为此有的学者提出用自适应技术在算法过程中自适应调整这些参数,但这并未对遗传算法产生整体的改善,因为参数设置是依赖于具体问题的.提出了基于染色体个体寿命特征的遗传算法,用模糊逻辑控制器自适应调整交叉概率和变异概率.这个方法加强了遗传算法的全局搜索能力,很好的解决了早熟问题.将本算法和标准遗传算法及自适应遗传算法比较,仿真结果表明本算法在克服早熟问题上的明显优势.     

基于属性频度进化的粗糙集属性约简方法

提出了基于遗传算法的知识相对约简算法,它以条件属性在差别矩阵中出现的频率为启发信息,以决策表的属性核来初始化传统遗传算法的种群,加强了遗传算法的搜索、缩短了计算时间;提出了修正校验算法,提高决策表属性约简的正确性．通过实例分析,证明是求解知识约简的有效方法．     

基于遗传算法和ANFIS的个人信用评分模型

个人信用作为社会信用体系建设的重要部分,将其结合现代计算机理论技术来构建个人信用评分模型一直是研究的热点。本文利用前人遗传算法筛选出来的个人信用相关重要属性,并从这些重要属性的3种分类中依类定性地取出部分属性,结合自适应神经模糊推理系统理论（ANFIS）,建立基于遗传算法和AN-FIS的个人信用评分模型。对选取的数据实证分析,并与GA-SVM方法的结果作了比较,试验结果表明该模型只需少量重要属性变量就能够有较好的分类效果。     

一种基于排序的新型遗传算法

提出了一种新型遗传算法,算法的遗传操作是基于排序的模式下进行的,且根据每代种群的集中度对种群进行一定数量的突变.最后对几个标准函数进行了试算,结果表明算法具有良好的效果.