带分级思想的遗传工作流挖掘算法

针对基于遗传算法的工作挖掘中容易淘汰掉适应度低的个体,从而丢失存在于低劣个体中的优良基因片导致得到的解不理想的情况,提出一种带分级思想的遗传算法对工作流进行挖掘。该算法采用因果矩阵作为工作流模型的编码。在创建初始种群阶段引入启发式规则,并根据个体的适应度值对种群实施分级策略,提高解的质量。仿真实验表明该方法与基于遗传算法的工作流挖掘方法相比更能产出较高质量的解。     

小生境遗传算法在函数优化中的应用

探讨了基于稳态复制策略的二进制小生境遗传算法,并把其应用于复杂函数优化问题中,通过与基于最优保存策略的基本遗传算法进行比较,说明改进算法可以极大克服遗传算法未成熟收敛问题以及极易陷入局部解问题,提高了算法收敛性能和收敛速度。     

基于两阶段动态目标的云工作流调度

为了解决云环境中截止时间约束下工作流调度代价优化问题,提出一种基于两阶段动态目标的工作流调度算法TDO-PSO。算法以粒子群进化为基础,定义了工作流任务与资源间的编码机制,设计了满足工作流目标优化的适应度函数。同时,为了适应紧密截止时间约束时可行解搜索困难的问题,设计了两阶段动态目标的搜索模式。在第一阶段,当无法得到可行解时,将满足截止时间约束的最小化执行时间设置为优化目标;在第二阶段,如果获得了可行解,则设置满足截止时间约束的最小化执行代价为优化目标。实验结果表明,TDO-PSO算法不仅可以得到更小的执行代价,且更能够适应紧密截止时间约束。     

基于遗传退火算法的关联规则挖掘

把模拟退火算法具有全局平衡的特性引入到遗传算法中来,避免了遗传算法收敛性慢以及容易陷入早熟的特点,提出了一种基于遗传退火策略的关联规则挖掘模型。实验结果表明,与遗传算法相比,改进的算法更能有效挖掘大型数据集中的关联规则。     

逼近交叉策略的遗传算法在PD雷达解模糊中的应用

遗传算法作为一种通用的寻优方法 ,本文将其用于PD (pulseDoppler)雷达的解模糊处理 .基于多重PRF (pulserepeatfrequency ,脉冲重复频率 )之间所有可能距离的均方误差 ,设计了适应度函数 ;讨论了基于逼近交叉策略的遗传算法在PD雷达解模糊中的应用 ,并通过仿真分析了解模糊正确率、测量误差、计算效率等之间的关系 .仿真结果证明该方法的解模糊正确率与滑窗相关器算法比较有了较大的提高 .     

基于自适应策略的动态模拟退火遗传挖掘算法

关联规则挖掘是数据挖掘中一个很重要的研究课题。提出了一种基于自适应策略的动态模拟退火遗传挖掘算法。实验结果证明它能弥补基于传统遗传算法的挖掘方法的缺点。     

基于自适应策略的动态模拟退火遗传挖掘算法

关联规则挖掘是数据挖掘中一个很重要的研究课题。提出了一种基于自适应策略的动态模拟退火遗传挖掘算法。实验结果证明它能弥补基于传统遗传算法的挖掘方法的缺点。     

一个新的求解非线性方程组的遗传算法

设计了一种新的遗传算法求解非线性方程组.该算法采用精英选择策略,能一次求出非线性方程组的所有解.数值实验结果表明,该算法具有较高的求解速度和精度,与其它传统方法比较,具有一定的优越性.     

混沌遗传算法在自动组卷中的应用研究

该文提出了一种基于混沌序列的改进型遗传算法来实现自动组卷的新方法．首先对染色体采用分段自然数编码策略;然后,将混沌机制同时引入到遗传算法的交又和变异阶段,在交叉阶段交叉基因座由混沌交叉算子来确定,在第三阶段变异个体的变异基因住由混沌变异算子来给出．该算法将混沌优化的遍历性、规律性与遗传算法的全局性相结合,有效地克服了遗传算法随机性大、未成熟收敛等缺点．     

一种基于多阶段PSO的多目标工作流调度算法

基于启发式算法的工作流调度算法目标单一,无法保证用户满意度,且多目标调度算法少、性能差。为了改善现状,提出基于多阶段PSO的多目标工作流调度算法MSPSO,分析工作流任务的层次结构,按层次进行多阶段PSO调度,结合排队理论估算每阶段调度需要的虚拟机数量,控制PSO搜索空间,使算法能快速找到最优解。用4种真实科学工作流在CloudSim环境下进行仿真实验。结果表明,MSPSO算法资源利用率提高了1.81%,能耗降低了9.16%,任务违约率低至0.075%。MSPSO调度算法不仅能动态增减虚拟机,降低能耗,还能在保证截止时间的前提下降低任务违约率,提高资源利用率。     

求解多维0/1背包问题的Memetic算法

根据多维0/1背包问题的特点,结合遗传算法和模拟退火算法的优点,设计了一种Memetic算法。该算法以基于模式替换的改进遗传算法作为全局搜素算法,采用模拟退火算法进行局部搜索。全局搜索算法引入了模式替换,使每代种群中的最好基因个体保存下来形成模式,引导种群搜索方向,提高搜索性能,然后进行选择、均匀交叉和变异操作,最后采用最大化修复策略,对不可行解进行修复,并对可行解进行修正。模拟退火算法以一定概率接受较差的解,从而避免陷入局部最优解。通过实验仿真和算法比较验证了Memetic算法的优越性和有效性。     

基于自适应策略的遗传优化设计

早熟收敛和后期收敛速度慢是标准遗传算法(SGA)的一对主要矛盾,给算法的优化效率造成很大影响,对操作算子及其遗传参数的确定实现自适应是解决该问题的有效方法。作者根据各操作算子及其参数的特征对选择、交叉、变异算子进行基于自适应策略的遗传优化设计,使算法很好地缓解了早熟收敛和后期收敛速度慢的矛盾,从而提高了优化效率。仿真结果表明,基于自适应策略的遗传算法比标准遗传算法具有更高的解精度和优化效率。     

一种基于WF-Net中隐含任务的过程挖掘算法

首先分析WF-Net中存在的隐含任务问题,然后基于α算法,提出了能发现工作流日志中隐含任务的过程挖掘算法α+**。该算法利用任务间特定的相互依赖关系判定是否存在隐含任务,然后把隐含任务添加到对应的位置生成新日志。最后采用α算法从新日志中提取出工作流网。利用ProM对本算法进行了验证。     

基于多种群遗传算法的PID控制器参数优化技术研究

针对PID控制器参数优化问题,提出了基于多种群遗传算法的参数整定方法。为了实现快速高效的参数优化,我们将多种群遗传算法与下山单纯形局部优化算法相结合,提高了算法搜索到全局最优解的概率,并加快了算法收敛速度。实验结果表明,该方法可以实现最优PID参数控制,得到比经典遗传算法更为理想的控制效果。此外,该方法具有普遍的适用性,可用于其它参数优化问题。     

网格环境下独立任务调度的混合遗传算法

提出一种新的混合遗传算法。该算法在基于传统遗传算法的基础上采用了分组和负载均衡策略。仿真实验结果表明,这种调度算法有效地实现了资源的负载均衡。它相对于传统遗传算法,收敛速度更快,能产生更好的调度结果。     

遗传算法在关联规则挖掘上的应用

结合遗传算法全局优化的特点,本文提出了采用遗传算法与Apriori方法结合的改进算法,并将其应用于关联规则挖掘过程。改进算法具备较好的全局优化的特性,特别是在深度挖掘和小关联度挖掘的方面,较传统算法的效率有所提高。     

一种改进的遗传算法及其应用

为解决遗传算法的早熟和局部收敛现象,提出的一种改进的遗传算法,该算法引入海明距离构造初始种群,在选择、交叉、变异过程中采用最优保存策略。实验表明改进的遗传算法增强了种群的多样性,并在一定程度上避免早熟现象发生,同时又能较快找到全局最优解。     

基于数据挖掘的工作流过程优化研究

工作流管理系统的日志中积累了大量流程实例运行过程中的资源和路径等信息,通过对这些信息的分析和挖掘,可以为工作流过程重组和优化提供科学的依据。借鉴WEB日志挖掘的方法,阐述了工作流管理系统日志挖掘的整体方案,并详细描述了各个模块的实现思想和核心算法。实践表明,该方案具有较好的实用性。     

基于遗传模拟退火算法的药品零售大数据关联规则挖掘

针对药品零售大数据信息,提出一种基于遗传模拟退火算法的关联规则挖掘改进算法。首先以遗传算法为主体,模拟退火算法作为其辅助,在遗传算法选择操作、交叉运算和变异运算中融入模拟退火算法,实现对算法的设计;然后运用Python语言实现了算法,并通过对药品零售大数据关联规则挖掘,发现药品零售大数据之间的关联,有效地量化了药品之间的相关程度;最后对改进算法进行有效性和可行性测试。仿真实验表明,相比遗传算法,该算法的挖掘速快,挖掘质量高,有效地提高品零售大数据关联规则挖掘的性能。     

一种基于遗传算法的改进图像匹配方法

研究了基于遗传算法的图像匹配方法。针对传统的遗传算法运行速度不高且容易产生早熟现象这一局限性,提出一种改进的遗传算法。该算法利用伪并行遗传算法(PPGA)的思想,提出了新的遗传策略,减小了算法陷于局部极值的可能性并同时提高了搜索速度。