基于RFID和图像识别的食品追溯信息查询算法

针对传统遗传算法在食品二维码识别和追溯的应用中表现出识别准确性不高的问题,本文提出了一种基于算子和适应度函数优化遗传算法的食品二维码识别追溯模型,首先在遗传算法运行中依据种群的特点来动态调整交叉概率和变异概率的数值,然后采用一种将海明距离测度与适应度距离相结合的方法,将个体的目标适应度降低,最后将食品二维码识别追溯模型转化为图像识别模型,并采用改进的遗传算法对其进行二维码识别和追溯。仿真试验结果表明,本文提出的基于算子和适应度函数优化遗传算法的食品二维码识别追溯模型相比较标准遗传算法,具有更高的识别精度。     

基于遗传算法的自动组卷系统设计

自动组卷系统是计算机辅助教学的重要组成部分,而遗传算法以其全局寻优和智能搜索的特性,得到了广泛的运用。根据自动组卷系统的特点,将遗传算法合理应用于自动组卷中,在遗传算法中,设计了双种群机制,并以试卷难度、试卷区分度、试卷的估计用时、知识点分布为基础构造适应度函数,通过轮盘赌选择方法、多点交叉和变异,较好地解决了自动组卷的多重目标寻优问题。     

大数据混沌模型寻优计算过程数学建模仿真

针对大数据混沌模型寻优计算过程无法在全局范围内实现最优并且具有不确定性因素的情况,提出一种基于改进遗传算法的大数据混沌模型寻优计算方法。对关联维数、最大Lyapunov指数以及时间序列熵进行分析和提取,依据获取的结果,采用实数编码对原参数进行遗传操作,将误差绝对值时间积分性能指标当做参数选择的最小目标函数,在目标函数中引入控制输入的平方项和惩罚函数,求出最优指标与适应度函数,通过适应度比例法和最优保留策略完成选择操作,通过选择、交叉、变异算子对种群进行处理,产生下一代种群,直至参数收敛或达到要求。仿真实验结果表明,所提方法具有很高的寻优能力。     

基于改进的遗传算法的教务排课机制研究

传统的排课算法中存在着一定的不足之处,为了解决这一问题,本文在排课算法中引入了遗传算法,用于更好地找出最好的排课方案。以课表为染色体对象,对课表进行编码,利用遗传算法实现课程的安排。本文在适应度函数中,设置了课程时段优度、课程日组合适应度、周课时分布适应度和教室日分布均匀度。为了使得算法更稳定效率,还提出了多子种群算法以及多轮轮赌的算法机制。仿真实验结果表明,本文提出的排课机制具有最优解。     

基于遗传算法的关联规则挖掘方法

基于对数据挖掘,特别是关联规则挖掘的研究,提出了一种改进型遗传算法的关联规则提取算法,并从编码方法、适应度函数的构造和遗传算子的设计方面进行讨论分析。通过对早熟问题的分析并改进自适应算子,提高了算法的效率,使算法在相对稳定的动态种群规模中寻找优质解。     

高维多峰优化的遗传算法设计

针对传统遗传算法用于多峰值问题时容易出现的问题,提出了一种基于适应度自动调节的改进遗传算法(FMT-GA)。FMT-GA算法采用了与传统遗传算法不同的适应度评估方法以及选择算子,并设计了基于适应度值大小的类似于非均匀变异的自适应变异算子以及自适应交叉算子,在约束条件的处理上,与传统的做法也有较大差异。文章最后对2个多峰值函数进行了实验测试,测试结果表明,FMT-GA算法克服了传统遗传算法易停滞于局部极值的缺陷,收敛精度以及速度都有了比较明显的提高。     

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。     

基于自适应样本选择策略的两阶段CEBoosting方法

为了提高boosting算法的学习效率,根据Boosting算法泛化误差由偏差和差异组成的思想,把Boosting算法的学习过程分为减小拟合误差和减小差异两个阶段。针对第一阶段学习过程的特点,采用传统的样本选择方法如轮盘赌方法,针对第二阶段学习过程的特点,提出了具有针对性的SS样本选择方法。在此基础上,提出了一种新的基于自适应样本选择策略的两阶段ASSBoosting方法,根据Boosting算法学习过程中不同阶段的特点,自适应选择取样方法,提高了Boosting算法的学习效率。仿真结果证明了本方法的有效性。     

基于遗传算法的信道容量计算

针对离散信道容量的一般计算问题,本文提出基于遗传算法的信道容量计算方法。该方法首先对信源输入概率P(x)进行编码,设置适应度函数为平均互信息(IX;Y),其次,在每一迭代步骤中应用选择,交叉和变异规则,从当前的种群中产生新的子群。对多种信道仿真结果证明了此方法的有效性。     

基于遗传算法的题库选题设计与实现

从遗传算法的应用入手,阐述了遗传算法的相关概念和执行流程,深入研究了遗传算法在题库选题系统中的应用,探讨了初始种群、适应度函数、选择算子、交叉算子、变异算子的设计方法,并给出了关键实现代码。遗传算法为题库选题提供了高效的解决方案,能够取得良好的选题效果。     

考虑术间利用率和手术进度的日手术排程研究

针对大规模手术排程问题,科室不能1天内完成所有手术时,在考虑相关医疗资源约束条件下,以提高术间利用率与当日手术数量为优化目标,建立求解多目标手术排程问题的优化模型;基于改进的非支配排序算子和拥挤距离算子、自适应交叉变异机制、锦标赛选择机制和精英策略设计改进的非支配排序遗传算法(improved non-dominated sorting genetic algorithm Ⅱ,INSGA-Ⅱ)求解问题,并提出种群染色体唯一策略等以进一步提升算法的搜索性能;并通过对某三甲医院的日手术排程过程进行仿真实验,验证了所提出的手术排程方法的可行性和有效性。     

基于概率神经网络的基因选择和组织分类方法

提出了基于概率神经网络的微阵列数据分析方法。该方法采用Wrapper模式,将基因选择整合到组织分类任务中,并给出了采用随机寻优的特征子集搜索算法。实际的生物学实验数据证明该方法有较高的分类准确性,选择的基因集合与组织类别有较高相关性。     

延时信道信息下一种新的AF中继选择算法

提出单源、多中继、单目的节点的放大转发中继系统中一种新的中继选择算法.考虑源端通过反馈获得第一跳链路过时(延时)的瞬时信道状态信息,推导了中继选择方案的中断概率闭式表达,并基于该表达式,以最小化条件中断概率为目标,提出利用信道相关性信息辅助的中继选择新方案.仿真验证了新方案相比于传统方案有明显的性能增益.     

基于种群优化遗传算法的城市空间增长分析模型

针对标准遗传算法在对城市空间增长分析时还存在精度不高、误差较大等问题,提出了一种基于种群优化遗传算法的城市空间增长分析模型,该模型在标准遗传算法的基础上,首先采用动态自适应调整策略对原算法遗传算子中的交叉算子和变异算子进行优化,然后引入蚁群算法,利用小生境方法限制种群个体的繁衍,以达到种族多样化的优化。仿真试验结果表明,本文提出的基于种群优化遗传算法的城市空间增长分析模型相对于标准遗传算法,其精度得到了很大的提升,降低了城市空间增长预测的误差。     

基于改进遗传算法的双阈值图像分割

将双种群遗传算法用于阈值的选取,仿真结果表明:合适的遗传算子选定后,基于遗传算法的双阈值图像分割方法可以正确有效地分割图像,将遗传算法用于图像处理中,是非常有效的.     

遗传算法中初始种群与交叉、变异率对解的影响及其解决方案

本文的研究表明，在相同的遗传算子下，初始种群性状和数量以及交叉、变异率的确定对算法收敛速度和结果的影响不能忽略。初始种群或交叉、变异率选择不当，将增加迭代次数，甚至直接导致算法陷入局部最优解。为此，本文提出一种基于空间分割的遗传算法及初始种群产生和种群数量确定方法，并根据有关文献，提出一种自适应交叉、变异率方法。实际计算表明，该算法在很大程度上避免了算法收敛于局部最优点，取得较好的效果。     

改进型的中继选择算法

本文改进了基于信噪比和信道增益的中继选择算法,改进后的算法考虑两通信节点间的直接传输链路。从仿真结果可知,改进后的算法能有效地降低中断概率,并提高系统的总速率。     

基于改进遗传算法的高光谱图像波段选择

在对地观测领域,高光谱图像得到了广泛应用,但存在数据量大、波段间相关性高等问题. 针对以上问题分析了已有的波段选择方法,提出了基于信息量及类间可分离性准则的遗传算法对高光谱图像进行波段选择:构造波段互相关系数矩阵进行子空间划分;利用联合熵作为组合信息量的标准,Bhattacharyya距离作为类间可分离性标准,构造遗传算法的适应度方程,改进了遗传算法中的选择算子. 最后用AVIRIS图像对提出的算法进行试验,并利用最大似然分类法对最优波段组合进行分类,总体分类精度达到94.24%,Kappa系数达到0.94.     

基于遗传算法的大学课程表问题研究

通过对课程表问题的数学模型分析,构造了基于数据库字段的结构化遗传编码,利用影响优化目标的因素建立合适的适应度函数,提出了利用遗传算法解决排课问题的方法,并通过实验验证了该方法的有效性。     

基于MapObjects实现基于概率的角交叉定位

针对角交叉定位的研究主要分两部分,第一部分论述角交叉定位、背景、及其先决条件,接着论述了基于概率的定位的角交叉定位的实现过程,并指出了基于概率的角交叉定位比传统的解析几何方法的优点;第二部分论述了将定位结果形象的以数字地图方式显示出来,数字地图显示采用MapObjects控件实现。