广义Banach框架及其稳定性

本文引入了广义Banach框架的概念,研究了该框架所对应的框架算子的特点,利用框架算子给出了一个广义Banach框架判定的充要条件.并且对该框架稳定性进行了研究,推广了Hilbert空间中的广义框架与可测空间上定义的（Ω,μ）框架稳定性的有关结论.     

基于QoS和量子遗传算法的Web服务选择

如何从互联网上大量存在的Web服务中选出符合用户需求的服务是一个很重要的研究方向.将量子遗传算法引入服务选择问题中,并将服务选择转换为基于QoS的多目标优化问题.量子遗传算法采用量子比特编码和量子旋转门变异,丰富了种群多样性,并具有更快的收敛速度.通过模拟验证,说明了该方法的可行性.     

基于GASA和粗糙集的BT项目投资方融资方案选择研究

构建一套适用于"建设-移交"(BT)项目投资方的融资方案指标评审体系,探讨设计一种基于粗糙集理论的融资方案选择方法。通过遗传模拟退火方法对数据进行离散化处理,利用粗糙集和条件信息熵的方法计算指标评审体系中属性的权重,将求得权重代入传统的灰色关联分析评价法中计算加权灰色关联度,同时改良了灰色关联分析法的准确性,实现遗传模拟退火、粗糙集、灰色关联分析等理论的良好耦合。     

基于混合自适应的遗传工作流挖掘算法

针对遗传算法工作流挖掘容易过早收敛且局部寻优能力较差,导致得到的解不理想的情况,提出了一种基于混合遗传方法的工作流挖掘算法。该算法采用因果矩阵映射流程实例作为工作流模型的编码,在遗传算法的选择操作阶段采用锦标赛策略与精英保留策略相结合,在交叉变异阶段运用混合自适应方法,并结合模拟退火思想,使解的质量有了明显的提高。仿真实验表明,该算法与基于简单遗传方法的工作流挖掘算法相比效率更高。     

一种改进的求解TSP问题的遗传算法

TSP问题是典型的NP难组合优化问题,而遗传算法是求解此类问题的一种方法。但遗传算法存在收敛速度慢和陷入局部最优的问题。针对上述问题并结合TSP的特点提出了一种改进的遗传算法,对传统遗传算法的各种操作与算子进行了优化与改进,较好地解决了种群多样性与算法收敛性的矛盾。实验结果表明,改进后的算法明显优于传统遗传算法,说明该算法具有良好的有效性与可行性。     

改进的二阶互信息医学图像配准算法的研究

针对人脑的二维图像设计了一种改进的遗传算法和二阶互信息相结合的医学图像配准算法,采用互信息配准模型,以图像的灰度统计信息为配准依据,采用改进的遗传算法搜索图像的最优变换参数,并比较一阶互信息配准与改进的二阶互信息配准两种算法,实验表明改进的二阶互信息配准方法具有较高的配准精度和稳定性。     

一个求解有时限TSP问题的演化算法

为求出有时限TSP问题的最优解,文章采用基于演化计算的群体搜索技术,算法中引入了最差个体淘汰机制,将时限与每一条回路一起并入到适应函数中进行演化.实验表明,该算法能有效地找到全局最优解.     

线性遗传程序设计比较分析

遗传程序设计是近几年各专家学者研究的热点之一。主要论述了6种线性遗传程序设计的原理,比较分析了各线性遗传程序设计的共同点和差异性,简单介绍了各遗传程序设计的应用领域,总结了针对不同的问题采用相应的遗传程序设计的方法。     

遗传算法在TSP问题中的应用

遗传算法是借鉴生物界自然选择和进化机制发展起来的全局的概率搜索算法,旅行商问题(TSP)是著名的NP问题,也是组合优化、计算机科学界经典的问题之一。本文简介了遗传算法的原理、设计方法和基本步骤,并着重用遗传算法对TSP问题进行近似求解。     

混合遗传算法及其应用

给出一种结合梯度法和正交遗传算法的混合算法。实验表明,它通过对问题的解空间交替进行全局和局部搜索,能更有效地求解函数优化问题。