论文研究一种降低OFDM峰均比的新量子遗传算法 .pdf

OFDM技术在无线衰落信道中传输高速数据时具有突出的优势。提出了一种以PN序列为前导的快速低复杂度的帧定时和整数倍频偏联合同步算法。理论分析和仿真表明，这种算法在低信噪比和大频偏下具有良好的性能。

遗传算法(Genetic Algorithm)是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型,是一种通过模拟自然进化过程搜索最优解的方法,它最初由美国Michigan大学J.Ho

论文研究-一种基于遗传算法的新型神经网络设计.pdf,  神经网络的设计主要集中在网络权值的选取和神经网络结构的确定两个方面

首先对网格资源调度的特点、现有遗传算法的局限性进行了分析，在此基础上对遗传算法进行改进；提出一种基于改进遗传算法的网格资源调度策略（GRSS_IGA），该算法综合考虑资源任务分配量、任务截止时间、任务

社区结构的发现是社交网络分析研究的重要内容。与传统的重叠社区不同，最近的研究表明某些真实网络中在社区重叠部分要比社区内部节点间的连接更加密集，而现有的算法没有考虑此类社区结构。基于遗传算法，提出了一种

一种基于遗传算法的密度聚类改进策略，叶宗林，曹晖，本文提出了一种基于遗传算法的密度聚类改进策略。选择闵科夫斯基标准作为遗传算法的适应度函数，对DBSCAN算法的Minpts和Eps两个参数在

聚类集成算法通常对聚类成员差异性要求较高，导致算法在生成聚类成员阶段计算复杂度提高。针对该问题提出了一种基于遗传算法的聚类集成方法CEGA，不考虑聚类成员的差异性，而是利用目标函数将聚类问题转化为聚类

提出一种基于混沌领域搜索的自适应混沌遗传算法，该方法在遗传进化的过程根据种群相对多样性对每代个体引入混沌领域方法搜索有效基因，并有效地结合遗传算法善于全局优化和混沌局部搜索能力强等特点。计算结果表明，

一种基于多目标遗传算法的公交调度方法，陈程，左兴权，公交车辆调度问题是是一个复杂的多目标优化问题。当前已知的方法是将多个目标通过线性组合转化成单个目标，然后采用单目标优化方

提出一种改进的双精英协同进化遗传算法。在该算法中，种群被划分为两个精英小队，二者协同进化；精英是小队中的最优个体，并且两个小队的精英具有较高的差异度。精英分别与被选的个体进行交叉，增强了种群个体和全局