一种新的全局优化方法及应用

通过对模拟退火，遗传算法和趋化性算法的分析比较，提出了一种新的随机优化方法，从它在过程Flowshop优化调度中的应用可以看出，本文所提出的方法搜索速度快，精度高，实施方便，优于模拟退火法，遗传算法及其某些改进算法所得到的结果。     

基于小波变换的多分辨率CT/MRI图像配准

本文以仿射模型为基础将区域配准问题转化成优化问题,然后给出小波金字塔分解用于配准的一般框架,并与常规金字塔分解法进行了分析比较;针对配准过程的多变量非线性优化问题,结合混沌理论和遗传算法提出了改进的全局优化的混沌遗传算法.这种算法将混沌序列嵌入标准遗传算法,对标准遗传算法的个体进行混沌化处理,利用混沌的遍历特性来改进遗传算法的鲁棒性.     

基于多代竞争遗传算法的数值函数优化

目的 对标准遗传算法的过早收敛问题进行改进。方法保持种群的多样性，将上几代个体中的一部分与本代共同参与竞争，提出多代竞争遗传算法，通过理论分析和对数值函数优化证明该算法的有效性。结果推导出多代竞争遗传算法的模式定理，经验证明显优于标准遗传算法。结论多代竞争遗传算法有利于保持种群的多样性，避免了过早收敛。     

基于改进量子遗传算法的小波神经网络优化及其软测量应用

针对简单量子遗传算法在优化高维问题寻优速度慢、收敛率低的缺陷,提出一种改进的量子遗传算法,通过搜索各种群中最优染色体组成当前最优个体,并依此个体来确定量子门的全局最优搜索方向.将改进算法用于优化小波神经网络,藉此建立了4-CBA浓度的软测量模型.仿真结果表明:与简单量子遗传算法相比,改进算法对复杂优化问题具有全局快速寻优性能.     

灾变合作型协同进化遗传算法及其在Job Shop调度中的应用

合作型协同进化遗传算法是多个子种群通过协作而共同进化的新型算法,常应用于多目标、大规模的优化问题。本文在合作型协同进化遗传算法的基础上,进一步模拟自然界中的灾变现象,在原先的算法中加入灾变算子,提出灾变合作型协同进化遗传算法,以防止出现不成熟收敛现象,并用经典的函数优化问题和Job Shop车间调度问题进行仿真实验,其结果验证了改进算法的优良性能.     

投影遗传算法

针对一般遗传算法在求解优化问题的多个优化解时的局限性,结合曲面投影与遗传算法的基本思想,提出了一种基于曲面投影的投影遗传算法用于解决此类问题,数值验证的结果表明了本算法的有效性和实用性。     

基于模糊规划的处理时间不确定条件下的Job shop问题

研究了处理时间不确定条件下的Job shop生产调度问题，建立了基于模糊规划理论的不确定Job shop调度模型。在采用两种模糊运算的基础上，结合模糊优化和遗传算法给出了一个解决非线性模糊优化问题的可行算法，通过仿真数据说明了所建模型及算法的有效性，并就结果进行了讨论。     

基于多代竞争遗传算法的数值函数优化

目的对标准遗传算法的过早收敛问题进行改进.方法保持种群的多样性, 将上几代个体中的一部分与本代共同参与竞争,提出多代竞争遗传算法,通过理论分析和对数值函数优化证明该算法的有效性.结果推导出多代竞争遗传算法的模式定理,经验证明显优于标准遗传算法.结论多代竞争遗传算法有利于保持种群的多样性,避免了过早收敛.     

基于量子行为的模拟移动床的操作优化

模拟移动床是一种能实现连续分离的装置,由于模拟移动床模型复杂,性能指标众多,因此需要智能算法对模拟移动床的性能指标进行优化。本文运用遗传算法、粒子群算法对模拟移动床线性吸附等温线下的性能指标进行单目标优化,并利用加入量子行为的粒子群和遗传算法作比较,证明了量子理论在解决模拟移动床优化问题的优越性,然后运用NSGAⅡ算法、MOPSO算法对模拟移动床线性吸附等温线下的性能指标进行多目标优化和对比实验,仿真结果验证了所用方法的有效性。     

遗传算法优化调强放射治疗射野权重初步研究

目的 研究调强放射治疗（IMRT）剂量计算与射野权重优化方法。方法建立基于二维卷积的IMRT剂量计算模型．用Visualc#．Nct编写剂量计算及基于遗传算法的IMRT射野权重优化程序，分析优化结果。结果用遗传算法优化射野权重能够在一个临床可接受的计算时间内得到较高适形度的剂量分布。结论遗传算法是一种有效的IMRT射野权重优化方法，在IMTR治疗计划优化中有广阔的应用前景。     

基于遗传算法和BP神经网络的CTG识别研究

目的:针对正常类、非典型类和异常类3类胎心宫缩监护图(Cardiotocography,CTG),利用BP神经网络建立分类识别模型。方法:根据遗传算法(Genetic algorithm,GA)具有全局寻优的特点,引入遗传算法对神经网络权值和阈值进行优化,形成一种训练神经网络的混合算法(GA-BP算法),以克服BP算法易陷入局部最优解的缺陷,并以UCI数据库中的CTG数据集为例进行测试。结论:仿真结果表明,对于正常类、非典型类和异常类3类样本,BP算法的分类准确率分别为97.32%、71.97%和95.45%,而GA-BP算法的分类准确率分别提高到98.24%、82.67%和95.65%。可见GA-BP分类模型具有较强的学习能力和泛化能力,分类准确度更令人满意,所提出的方法是可行的。     

基于遗传算法的Parzen窗离散化方法

为解决连续属性无法直接用于粗糙集理论中这一问题,将Parzen窗方法和遗传算法相结合,提出了一种全新的属性离散化方法。该方法首先选取较多个断点将连续属性分为较多类,然后结合粗糙集理论的一致性要求和Parzen窗所反映的离散结果稳定性指标定义遗传算法的适值函数。仿真结果表明:使用该方法得到的离散结果能得到较少个断点,并且保持数据原有的分类能力。     

非满载车辆路径问题的改进粒子群优化算法

将局部版粒子群算法应用于非满载车辆路径问题,设计了一种实数编码方案,线性调整惯性权值,改进粒子更新公式,建立了解决该问题的粒子群算法。用该算法求解了两个车辆路径问题的算例,并与遗传算法和标准粒子群算法进行了比较。结果表明:该算法提高了搜索最优路径的成功率,能更有效地求解非满载车辆路径问题。     

基于GAs/PSO组合算法的水轮机调速系统PID参数寻优

提出了一种基于GA s/PSO组合算法的P ID控制器参数自整定方法,这种方法兼有遗传算法(GA s)和粒子群算法(PSO)的优点。组合算法种群由GA s和PSO的最佳个体迁移形成,其中GA s采用了实数编码和变异概率自适应,PSO算法采用了带指数衰减的惯性因子的速度更新算法,以加快收敛速度。通过对水轮机调速系统P ID控制器参数寻优仿真比较表明,该组合算法寻优性能比单独的GA s和PSO表现更为优异,且所得系统具有更好的动态性能。     

基于耗散结构的改进遗传算法求取红外图像二维阈值

在二维阈值化分割算法的基础上，提出了一种新的改进分割算法运算效率的遗传算法，在对耗散系统理论研究的基础上，将简单遗传法与耗散结构相结合，构成一种新的算法，并对该算法求解红外图像二维阈值问题进行了仿真研究。仿真计算结果表明：用这种方法求解红外图像二维阈值分割问题，计算效率大大提高，而且求解性能较简单遗传算法有很大的改善。     

混合遗传算法在随机规划问题中的应用

以含有机会约束的生产管理动态规划问题为例,基于随机模拟技术的混合遗传算法实现最优化决策,构造了数学模型。采用ＶＢ编辑,计算机模拟结果显示该模型能很好解决生产过程中的最优化决策问题,它是简单的基于二进制编码的遗传算法所不能解决的。该算法具有很高的鲁棒性,避免了在局部最优解附近徘徊,且因为随机规划问题要求许多数学知识,而算法本身并不要求对优化问题的性质作一些深入的数学分析,从而对那些不太熟悉数学理论和     

不确定性条件下存储时间有限型Flow Shop问题的提前/拖期调度研究

研究了具有不同交货期窗口的Flowshop提前／拖期调度问题，并考虑处理时间的不确定性以及存储时间的有限性，在模糊规划理论基础上，建立了带有提前／拖期的存储时间有限型Flowshop的调度模型，通过中间值最大隶属度算法，将原有的模糊调度模型转化为清晰的调度模型，并应用了遗传算法进行优化求解。仿真实验验证了算法的有效性。     

基于GA-RL算法的多Agent电梯群控系统

针对电梯群控系统这一类复杂的派梯优化决策问题,应用多Agent的理论与技术,建立了系统强化学习模型。提出了一种基于GA算法的多Agent强化学习方法,给出了具体算法的一般描述。建立电梯群控调度系统的虚拟仿真环境,并与其他算法进行了对比研究。仿真结果表明：该方法在提高强化学习的效率和收敛速度,改善种群结构等方面收到了很好的求解效果,为电梯群控系统的优化调度决策提供了一种较好的途径。     

酶法测定糖化白蛋白在妊娠期糖尿病的临床应用研究

目的：探索酶法测定糖化白蛋白（GA）在妊娠期糖尿病早期诊断、疗效监测中的作用。方法：对20例临床高度发生妊娠期糖尿病倾向的孕妇进行定期糖化白蛋白和糖化血红蛋白的检测。对10例已诊断为妊娠糖尿病进行口服瑞格列奈治疗的孕妇进行定期糖化白蛋白和糖化血红蛋白（HbAlc）的检测以判断药物的疗效。结果：20例有发展为妊娠糖尿病倾向的孕妇糖化白蛋白异常出现的平均时间为妊娠（150士15．8）d,糖化血红蛋白异常出现的平均时间为（210±16．2）d。10例口服瑞格列奈治疗的孕妇糖化白蛋白明显降低的时间为服药后第7周,而糖化血红蛋白明显降低的时间为服药第10周。结论：糖化白蛋白能较早诊断妊娠糖尿病,也能更早预测降糖药物治疗效,故糖化白蛋白检测较适合妊娠期糖尿病的诊断和疗效评估。