遗传算法在非线性方程组求解中的应用

本文研究了遗传算法在非线性方程组求解上的应用，分析了其解决此类问题的特性及局限性。     

遗传算法在学校教学信息管理系统中的应用

学校教育信息管理的核心是资源的统筹利用，它包括人力资源、物力资源以及时间资源等。本文通过对上述资源的遗传算法模型分析，构建了基于数据库字段的结构化遗传编码，提出了利用遗传算法解决信息资源管理问题的方法，并通过实验验证了该方法的有效性．为学校教育管理信息化提供了一种有效的技术手段。     

基于混合遗传算法的模糊车间调度问题

该文介绍了模糊流水车间调度问题，在此基础之上设计了一个解决该问题的混合遗传算法——嵌入多点最速下降法的遗传算法（GDA），将其与各种算法进行了仿真比较，论证了其有效性。     

适用于数据分类的极限学习机优化算法

针对极限学习机参数优化问题,提出量子遗传算法优化极限学习机的方法（QGA-ELM）。在该方法中,对ELM的输入权值和隐含层阈值采用量子比特编码,并将其映射为QGA的染色体,QGA的适应度函数为对应ELM的分类精度;通过QGA的量子旋转门优化出输入权值与隐含层阈值,以此训练出分类精度更高的ELM,从而改善ELM的泛化性能。通过ELM和QGA-ELM对数据集的仿真结果对比表明,QGA-ELM有效地提升了ELM网络的分类精度。     

基于遗传算法的高校试题组卷系统的研究

阐述了高校组卷系统的原理,重点研究了作为系统关键的组卷策略运算过程,提出了一个改进的动态分层遗传算法作为高校组卷系统的组卷策略,最后通过实验检验其性能。     

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。     

基于遗传BP神经网络的化工企业安全体检模型研究

近来频繁发生的化工企业安全事故使企业意识到企业安全的重要性,企业安全评估预警已成为各界关注的焦点。针对引发化工企业安全事故因素的复杂非线性特点,提出基于遗传BP神经网络的化工企业安全体检模型,该模型通过遗传算法克服BP神经网络局部最小的缺点,利用主成分分析法优化输入矩阵,并以山东省101家大中型化工企业数据为实证样本,对模型进行仿真实验。实验结果表明,该模型体检结果与真实期望值的相对误差在1.34%~3.84%,具有较高的评估预测精度,能够准确对企业进行安全体检。     

基于量子遗传算法的无人机生命迹象探测研究

针对基本遗传算法易早熟与局部搜索能力欠佳的缺陷,将一种改进的量子遗传算法应用于无人机生命迹象探测路径优化。在基本量子遗传算法的基础上,根据目标函数梯度自适应地确定量子旋转门转角。数值实验表明,该改进算法比基本量子遗传算法有更好的局部收敛性与更快的收敛速度,可获得比基本量子遗传算法更优的生命迹象探测路径。     

免疫算法与遗传算法的比较

免疫算法与遗传算法二者有不同点，通过仿真实验表明它们之间在功能和应用方面有区别．     

快速、准确的图像阈值分割新方法

图像分割是数字图像处理系统中基本而关键的技术.通过阈值分割是其最简单的技术,它假设目标和背景是可以分离的.详细讨论将自适应遗传算法与OTSU算法相结合应用于最佳阈值的确定中,提出了相应的算法并用于图像分割,由于自适应遗传算法具有全局搜索最优解能力,因此能在很短时间内自动确定阈值.实验仿真结果表明,该方法不仅可以实现准确的图像分割,并且使得分割速度大大提高.