基于遗传算法的项目评标研究

针对遗传算法中的两项重要技术——编码问题和适应度函数的设计做了深入探讨,利用遗传算法全局最优的特点,对教学设备进行了评标,同时对适应度函数的设计针对以往的设计方法提出新的见解,对其设计方案提出改进,引入AHP算法进行适应度函数的设计,给出利用AHP算法进行适应度函数设计的全过程。     

基于遗传算法思想的现行Cernet拓扑结构优化

把Cemet骨干网拓扑结构作为研究对象,并以实现具有QoS保证的IP隧道机制为目的,对该拓扑结构通过引用遗传算法进行了分析,找出了网状型骨干网拓扑结构和星型拓扑结构各自不能建立起IP隧道传输机制的主要原因.通过分析比较,汲取了两种拓扑结构各自的优点,提出了一种以星型为主、网状型为辅,两种拓扑结构相结合的拓扑结构,该拓扑结构较好解决了广域骨干网建立IP隧道传输机制的需要.在此基础上,由遗传算法优化出了一种基于QoS保证的新广域骨干网拓扑结构.最后,对该拓扑结构进行了仿真实验.仿真实验证明,该拓扑是一种优化的结构.     

基于遗传算法的嵌入式软件测试用例生成系统研究

综合考虑了嵌入式软件的特点,将遗传算法应用于搜索全面覆盖软件特殊路径的测试用例生成的问题,合理构建了嵌入式软件测试用例自动生成系统,给出了系统流程图,改进了部分算子,使搜索效果得以加强,并分析了交叉率、变异率等参数的取值范围,通过改变不同的参数值得到对比图,以确定适合该系统的最佳参数值,并针对实际汇编语言编写的嵌入式软件指定路径进行仿真测试,从理论和实践上证明了该思路的正确性和可行性。     

系统标定的一种新方法

以2008年高教社杯全国大学生数学建模竞赛的A题为研究背景,设计了利用数码相机进行系统标定的一种新方法,建立了相应的数学模型,并设计遗传算法实现了模型的快速求解,算例表明了模型及算法的有效性。     

基于遗传算法的湿陷性黄土地基灰土挤密桩优化设计

利用Visual C＋＋语言,定义了一个面向对象的基于实数编码遗传算法类。运用可最大限度保证遗传算法搜索到问题的全局最优解的深度搜索策略,编制了灰土挤密桩的优化设计和造价估算遗传算法程序,并针对兰州某地灰土挤密桩复合地基进行了计算分析,并与原有方案比较,结果表明：两种优化方案在满足承载力和变形的条件下,在降低造价成本方面优势非常明显。     

含禁忌算子的遗传算法在水面舰艇编队防空作战目标分配中的应用

针对水面舰艇编队的垂直发射防空火力单元具有多个火力通道,可同时对抗多个目标的特点,建立目标分配模型,并引入禁忌搜索,设计了含禁忌算子的遗传算法,通过实例进行仿真。结果表明,获得最优解的概率比采用简单遗传算法提高了10倍,收敛代数也缩小到原来的10％,优势明显。     

随机动态规划的混合算法研究

针对随机条件下动态规划模型的主要特点,运用智能算法混合编程理论,设计了一种探索多阶段决策问题的智能混合算法.该算法首先将问题转化成一族同类型的一步决策子问题,然后利用随机模拟和遗传算法,依据训练样本形成的训练神经元网络,在单步决策中寻求最优策略和最优目标值,逐个求解,再据初始状态逆序求出最优策略序列和最优目标值.仿真结果表明,该算法具有一定的通用性,初始设计点可以随机产生,其计算精度不因函数的非线性强弱而受影响,对目标和约束的限制较少,可应用于多种形式的随机多阶段决策优化问题,较好地满足了随机动态规划模型求解和优化的要求.     

基于EAP-GA的联合作战行动计划

建立了行动计划生成模型,利用混合遗传算法来优化可行的行动计划,提出了在复杂不确定环境中求解有效联合作战行动计划的方法框架EAP-GA,有效解决了不确定环境中行动计划问题.结合一个联合登岛作战想定案例,对行动计划建模及求解进行了验证.     

基于遗传算法的结构测试数据自动生成

生成测试数据是软件测试的主要过程,将遗传算法引入到测试数据的自动生成中,重点介绍其生成过程,并对遗传操作进行改进,在一定程度上降低算法的过早收敛性.最后构建出基于遗传算法的测试数据生成模型.并用实例证明算法的高效性.     

基于遗传BP神经网络的装备研制风险分析方法

简要介绍了GA和BP算法,利用遗传算法全局性搜索的特点,改变BP算法依赖梯度信息的指导来调整网络权值的方法,寻找最为合适的网络连接权和网络结构,提出了遗传算法优化BP神经网络的思路及其数学模型.最后,结合对某型航空装备的风险源的分析,利用此优化模型进行了验证.结果表明了该方法的可行性,为装备研制风险分析提供了一种新思路.