基于遗传算法的进化神经网络

提出一种基于遗传算法的多层前向神经网络的自动化设计方法(genetic multiplayer feedforward neural network，GMFNN)，用以同时完成对网络结构空间和权值空间的搜索。该算法利用双种群权值优化、结构进化自适应变异率等方法来加快算法的收敛速度，改善解的性能。仿真结果显示本文提出的算法能够有效抑制遗传算法初期收敛的发生，有效地提高多层前向神经网络的收敛精度，并可获得更为简洁的网络结构。     

集中式粗粒度分布并行模型和并行进化神经网络

提出了一种分布计算环境下并行进化神经网络的实现机制：集中式粗粒度模型。该模型基于并行遗传算法，可以同时对前馈神经网络的结构和权值进行优化。在分布计算环境中的实现为其在分布式网络中的应用开辟了广阔的前景。初步的实验结果表明该模型可以加快神经网络的进化速度，提高进化的效率     

进化神经网络的研究进展

进化神经网络由于充分利用了进化算法与神经网络的优点而越来越受到人们的关注,从而形成了一门新兴的计算智能学科.讨论了进化神经网络的起源,从辅助式进化神经网络和结合式进化神经网络评述了进化神经网络的研究现状,阐述了进化神经网络的并行实现.最后指明了进化神经网络的发展与未来.     

采用并行协同进化遗传算法的文本特征选择

现有的文本特征选择方法都是串行化的, 应用于海量文本数据集时时间效率较低, 因此利用并行思想来提高文本特征选择的效率, 已成为文本挖掘领域的一个研究热点. 本文将 遗传算法和并行协同进化算法结合起来, 在粗糙集的基础上设计了一个并行协同进化遗传算法 并将该算法用于文本特征选择. 该方法采用遗传算法搜索特征, 利用并行协同进化算法来提高 时间效率, 从而较快地获得较具代表性的特征子集. 实验结果表明该方法是有效的.     

基于进化规划的OCST问题求解

提出基于进化规划求解ＯＣＳＴＰ（ＯｐｔｉｍａｌＣｏｍｍｕｎｉｃａｔｉｏｎＳｐａｎｎｉｎｇＴｒｅｅＰｒｏｂｌｅｍ）的新方法。通过对原有启发式算法和遗传算法的分析，指出原有方法的不足和难点，并对进化规划算法应用于该问题的可行性进行了分析，最后给出了仿真结果和分析     

基于PSO神经网络的进化博弈研究

针对进化博弈中博弈人是有限理性的,提出了一种基于粒子群神经网络的进化博弈决策机制。该机制将神经网络技术引入到进化博弈中,并采用粒子群优化算法(PSO算法)来训练神经网络,因而可利用神经网络来模拟博弈人在进化过程中的学习和策略调整。利用该机制分别对有限理性条件下的鹰-鸽博弈和重复囚徒困境博弈进行了研究。实验表明:PSO神经网络可以准确地模拟进化博弈中博弈人的动态学习与决策过程,能有效地指导博弈人的策略选取,是进化博弈分析的有力工具。     

基于加速进化规划的模糊神经网络学习算法

提出了一种训练模糊神经网络的加速进化规划算法。该算法是进化规划算法的一种改进 ,适合于多维高精度的数值优化。经仿真实例验证 ,其收敛速度有了明显的改善 ,且不易陷入局部极小。     

基于协同进化的航天测控资源优化调度

航天测控资源调度是一个具有很强工程背景的复杂问题,针对其特点,研究了一种基于协同进化的优化调度算法。在描述问题并给出调度模型的基础上,基于协同进化的思想,设计了和问题特征结合的遗传算法编码,对算法的算子和进化策略进行了描述,给出了算法的完整流程。通过算例表明,该算法整体上优于先到先服务（first coming first serving, FCFS）算法、任务综合优先度（task synthesis priority, TSP）算法和简单遗传算法（simple genetic algorithm, SGA）。     

基于分配区间型进化算法的舰船耐波性优选

介绍了求解多极值问题的分配区间型进化算法,并通过大量仿真,与基于免疫的遗传算法的结果进行了比较,验证了算法在求解各种复杂的全局多极值问题时的高有效性,并探讨了进化算法的参数选择原则。最后,通过在舰船耐波性优选中的成功应用,表明该算法有助于提高舰船在高海情条件下的安全和作业效率。     

遗传算法在神经网络控制中的应用与实现

比较了遗传算法与神经网络的特点，并对将遗传算法用于前向神经网络的可能性进行了研究，同时阐明了遗传算法和神经网络结合的必要性，提出了一种融合遗传算法的神经网络控制方法，该方法采用多层前向神经网络作为遗传搜索表示方式的思维，以神经网络为基础，用遗传算法 习神经网络的权系数，即保留了遗传算法的强全局随机搜索能力，又具有神经网络的鲁棒性和自学习能力，将遗传算法和神经网络相结合，分析了遗传算法基本参数及神经网络结构、隐层和输出层节点非线性函的选择，设计了用遗传算法学习神经网络权系数的软件实现方法，成功地实现了机械手逆运动学求解问题及倒立摆的控制，仿真结果显示了遗传算法快速学习神经络权系数的学习效率与收敛精度，确保了快速达到全局收敛，克服了多层前向神经网络传统的BP学习算法精度低、收敛速度慢、容易陷入局部极小的缺陷，表明了该方法的可行性与有效性。     

基于可重组体系结构的密码芯片设计及其实现

为了在现有算法的基础上提高加密的安全性 ,提出了一种基于可重组体系结构的密码芯片设计原理和方法。这种设计使得用户通过编程可以改变芯片内部的电路结构 ,以匹配不同的加 /解密算法 ,从而支持不同的加 /解密算法在同一块芯片上的实现。该设计在Altera公司的APEX2 0KEFPGA上进行了成功测试 ,其功能和性能均达到了预期要求。结果表明 ,基于可重组体系结构这一重要思想可以有效提高密码芯片设计的安全性和灵活性。     

PGAs求解双层规划及其在分销系统优化设计中的应用

研究并行基因算法求解双层规划问题及其在供应链物流分销系统优化设计中的应用.利用下层优化问题的KKT条件把双层规划问题转化为等价的单层规划问题,再利用并行基因算法对得到的单层规划问题进行全局优化,从而得到双层规划问题的全局最优解,最后,通过具体案例研究了上述算法在供应链物流分销系统优化设计中的应用.结果表明,并行基因算法求解双层规划,充分利用了现有计算环境的并行能力,加快了收敛速度,改善了基因算法的全局收敛性能,算法达到了实用化的规模,是一种很有应用前景的计算方法.     

雷达目标识别系统的层式软件结构

从雷达目标识别系统的实际需求和研制特点出发,借鉴模块化系统设计思想的优点,提出了以层为基础的分析方法,设计了识别系统软件的层式结构。基于该软件结构成功研制了适应于不同雷达的目标识别系统,并投入使用。理论分析和实际应用表明,层式结构可以合理组织不同的数据处理方法,适合于目标识别系统的研制开发,为创建通用的识别系统开发、测试及应用平台提供了体系结构和实现途径。     

一类新离散混沌系统动力学性质的差异演化仿真

用差异演化算法探索基于自然界进化思想的遗传算法所固有的混沌现象,介绍描述遗传算法的随机现象的一种新的带有有理分数的离散混沌系统,提出用一类推广的差异演化算法(DEESC)对其动力学性质进行仿真,如值域、不稳定周期点,进而设计一种新的差异演化控制策略(DECS),并仿真研究表明该方法的可行性和有效性.     

基于模型的飞机系统架构多视图表达方法

飞机系统架构设计呈现典型的多层级、多系统集成、多接口形式、多专业合作等复杂特征, 传统的基于文档和离散二维制图的架构设计方法已经不能满足要求。对此, 提出一种基于系统建模语言(systems modeling language, SysML)模型的飞机复杂系统架构多视图设计表达方法, 对各项复杂特征进行了解耦, 将复杂的系统架构设计分解到多张有机关联的视图上; 在开展多视图相对独立的设计和建模工作中, 本质上就已经逐步完成了多层级的飞机系统架构集成设计; 以机轮刹车系统为例, 给出了基于模型的多视图架构设计方法的应用。实践结果表明, 基于模型的多视图架构设计方法可以有效应对各种复杂性, 并充分提升多系统集成架构设计的效率和质量。     

基于视觉的无人机着陆半物理仿真系统的应用

针对无人机视觉着陆相关方法、算法验证困难的问题,提出了一种基于Windows平台下采用图形建模语言、实时扩展技术以及虚拟现实技术,实现基于视觉的无人机着陆半物理仿真验证的方法。利用该方法构建的半物理实时仿真平台能够验证无人机视觉着陆相关方法、算法的正确性、可行性,及时暴露缺陷,为基于视觉的无人机着陆相关方法、算法提供有效验证途径和技术手段,并为今后无人机视觉着陆方法逐步工程化提供必要的技术支撑。     

基于物理DSM与行列变换的产品结构聚类划分

基于物理DSM(design structure matrix)模型给出了产品结构的建模方法,并提出了对物理DSM产品结构模型进行四向量降维和四点刻度数值化的方法.以行列变换算法为基础,给出了对物理DSM产品结构模型进行聚类划分的方法.把物理DSM产品结构模型的联系信息流量作为标准,开发了对聚类划分方案进行评估与择优的算法.通过一个工程实例验证了算法的可行性.     

Using Genetic Algorithms to Improve the Search of the Weight Space in Cascade－Correlation Neural Network

ＵｓｉｎｇＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍｓｔｏＩｍｐｒｏｖｅｔｈｅＳｅａｒｃｈｏｆｔｈｅＷｅｉｇｈｔＳｐａｃｅｉｎＣａｓｃａｄｅ－ＣｏｒｒｅｌａｔｉｏｎＮｅｕｒａｌＮｅｔｗｏｒｋ￥Ｅ．Ａ．Ｍａｙｅｒ，Ｋ．Ｊ．Ｃｉｏｓ，Ｌ．Ｂｅｒｋｅ＆Ａ．Ｖａｒｙ（...     

引导函数支配的进化模糊聚类算法

建立了多维属性样本的模糊聚类目标函数.构建了引导进化算法收敛的指数函数曲线模型,给出了模型的参数计算方法.设计了一种具有全局变异和局部变异算子的进化模糊聚类算法,根据全局变异前后个体适应度值和分量值的变化趋势,实现定向变异,并给出了算法的种群进化策略.选择文本分类和点聚类计算实例,实验表明,设计的引导函数是有效的.进化模糊聚类算法具有较强的局部寻优能力,在收敛速度和聚类精度方面优于比较的遗传模糊C-均值聚类等算法.     

一种基于遗传算法的新型神经网络设计

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 ,与遗传算法结合是目前研究发展的趋势 .本文与一般的基于遗传算法的神经网络设计相比 ,提出一个新型算子—— BP算子 ,并对神经网络的权值和结构同时优化 .仿真结果表明该算法结果比较理想 .