| 【论文摘要】 |
随着科学基金制的发展,基金资助的金额和申报项目的数量逐年增大,项目管理中的同行评议工作显得愈发重要。而作为同行评议首要工作的专家分配,其操作结果直接影响资助项目的质量和后期收益。近年来,一些研究者开始使用智能优化技术解决专家分配问题,提出了具有针对性的数学模型和遗传算法求解策略。然而,遗传算法对于系统中的反馈信息却没有利用,往往导致进化过程中形成的优秀信息大量丢失,在运行的中后期出现大量冗余迭代,搜索效率降低,这使得专家分配的算法优化结果并不理想。针对该问题,本文提出了一种遗传算法的改进方法,并将该方法应用到专家分配问题的求解策略中。
首先,针对遗传算法没有利用系统反馈信息的缺点,将蚂蚁算法的正反馈机制引入到遗传算法中,提出了基于正反馈机制的遗传算法。该算法利用历代种群中优秀个体的反馈信息指导算法的进化操作,使算法能够沿着最优解进行搜索,提高了遗传算法的搜索效率和质量。在求解旅行商问题中,改进算法的正确性和可行性得到了充分的验证。
其次,将正反馈机制应用到对专家分配问题的遗传算法求解策略中,利用系统的优秀反馈信息指导遗传算法的变异操作,成功地解决了原算法运行中后期出现的冗余迭代现象,... |