针对JIT生产模式下的混合流水车间调度问题特点,提出了采用DE算法与指派规则联合调度策略求解流水车间提前/拖期调度问题。构建了混合流水车间的提前/拖期调度模型。详细论述了DE算法的实施流程和关键问题。在算法实施过程中,首先,采用DE算法进行全局寻优,完成生产任务指派,确定某个工件在某个工序在哪个工位加工;然后采用局部指派规则来确定工件在该工序的开工时间。在满足目标完成时间(交货期)的前提下,使提前惩罚费用与拖期惩罚费用之和最小。数值计算结果证明了该算法的有效性。

提出了一种用于全局优化的基于动态聚类的差分进化算法（CDE），以提高差分进化（DE）算法的性能。 随着人口的发展，CDE算法逐渐从早期探索有希望的领域转变为在后期探索具有高精度的解决方案。 对28个基准问题（包括13个高维函数）进行的实验表明，该新方法能够有效地找到接近最优的解。 与其他现有算法相比，CDE以更少的计算量提高了解决方案的准确性。

提出了一种用于全局优化的混合差分进化算法。 在新算法中，混沌系统的随机性被用来在搜索空间中尽可能多地散布个体，模式搜索方法被用来加速局部开发，而DE算子被用来跳到一个更好的点。 证明了全局收敛。 详细研究了三种典型的混沌系统。 在包含13个高维函数的基准示例上的数值实验表明，该新方法以较少的计算量实现了更高的成功率和最终解决方案。

使用这个软件可以对进化树进行编辑，使得进化树更美观和重点突出。

标题 s 被子植物重复基因进化的DNA甲基化特征 Sunil Kumar Kenchanmen Raju（第一作者），S。Marshall Ledford，Chad E. Niederhuth（通讯作者） 该存储库用于文件的脚本和已处理数据： 如果您在此处使用任何资源，请引用本文。 所有分析均在密歇根州立大学高性能计算集群（HPCC）上执行 要重现分析，请按照下列步骤操作： 注意1：此分析假设您将使用Anaconda，并且我已提供yml文件来轻松创建重复分析的环境。 1）克隆这个git仓库 git clone https://github.com/niederhuth/DNA-methylation-signatures-of-duplicate-gene-evolution-in-angiosperms cd DNA-methylation-signatures-of-dup

进化性

In this paper, Weighted Differential Evolution Algorithm (WDE) has been proposed for solving real valued numerical optimization problems.

针对计算机网络中安全性问题，提出一种融合模糊推理和Michigan型遗传算法的网络入侵检测方案。首先，通过一种启发式过程来确定每个模糊if-then规则后件类和确定性分数。然后，利用Michigan型遗传算法，通过交叉和变异操作来进化模糊系统的规则，产生高分类率的模糊规则。最后，通过协同进化后的模糊系统实现入侵检测。在DARPA数据集上进行实验，结果表明该方案能够精确的检测U2R、R2L、DoS和PRB类网络攻击，具有很高的安全性。

多目标优化

Enhancing Robustness of the Inverted PBI Scalarizing Method in MOEA/D