论文研究跨流域复杂水库群联合调度规则建模与求解.pdf

提出了一种基于改进多目标粒子群优化算法的水库防洪调度算法（MOPSO-RFC）。该算法采用下泄流量编码方式；设计了一种基于邻域最大拥挤距离的全局极值选择算子，以保持更好的种群多样性；设计了一种基于差分

通过分析多模式项目调度问题的特点,提出一种主、从递阶结构的蚁群粒子群求解算法。算法中,主级为蚁群算法,完成任务模式选择;从级为粒子群算法,完成主级约束下的任务调度。然后,以工期最小和资源均衡分配为目

任务调度策略是网格计算的核心问题。在系统任务调度和资源分配中，提出一种基于量子蚁群算法的任务调度策略。算法将量子计算与蚁群算法相融合，通过对蚁群进行量子化编码并采用量子旋转门及非门操作，实现对任务自适

针对基本混合蛙跳算法在处理复杂函数优化问题时容易陷入局部最优、收敛速度慢的缺点，提出了一种改进的混合蛙跳算法。该算法把生物学中的吸引排斥思想引入到混合蛙跳算法中，修正了其更新策略，从而维持了子群的多样

为了解决规模复杂的旅行商问题，提出了融合蚁群算法和粒子群算法的一种群体智能混合算法，并构建了惯性权值模糊自适应调整模型。针对此混合算法易陷入局部最优，设计了参数自动调节机制，以达到局部搜索和全局搜索之

提出了一种支持Web服务动态组合的框架,并在此基础上对Web服务组合中的服务优化选择问题建模,根据用户设置的QoS约束条件,将服务优化选择问题分成3类,并分别给出了相应的服务选择算法。实验证明算法在保

复杂适应系统建模是研究复杂适应系统演化趋势的重要环节。在引入机制相关概念的基础上,阐述了基于机制的复杂适应系统建模的方法及特点,通过在股票市场建模中的应用阐述了这种建模方法。

以加权高斯函数模拟信息素的密度分布，并以此进行随机抽样，构成蚁群的状态转移规则。蚁群在信息素的引导下逐步向最优食物聚集。引入禁忌策略作为优进策略，以提高蚁群的寻优能力。测试表明算法适用于连续优化问题，

蚁群算法是优化领域中新出现的一种仿生进化算法，该算法具有并行、正反馈和启发式搜索等特点，但搜索时间长、易陷入局部最优解是其突出缺点。旅行Agent问题是一类复杂的组合优化问题，目的在于解决移动Agen

多重序列比对是生物信息学特别是生物序列分析中一个重要的基本操作。提出求解多重序列比对问题的蚁群算法，利用人工蚂蚁逐个选择各个序列中的字符进行配对。在算法中，蚂蚁根据信息素、字符匹配得分以及位置偏差等信