武器目标分配问题的离散差分进化算法

提出一种新的求解静态武器目标分配问题的离散差分进化算法. 采用整数排列建立武器-目标分配对,作为离散差分进化算法的初始个体;并通过取模运算对溢出取值范围的解向量进行修正,将其转化到解的搜索区域内,从而对差分变异算子进行设计. 同时,提出相应的交叉策略,得到可行的武器目标分配对. 在交叉过程中,保留目标向量与试验向量中相同的分配对,得以很好地利用上一代的分配结果. 在删除重复数和重新插入整数时,为了避免倾向性,生成随机排列,保证对数据处理的公平性. 实验结果表明,提出的离散差分进化算法在收敛性和求解质量方面均优于另外2种典型的离散差分进化算法,很好地实现了武器目标分配问题的有效求解.      

一种新的非满载车辆调度的遗传算法

针对物流配送中的单车场非满载车辆调度问题,提出了一种基于Grefenstette编码的自适应遗传算法.该方法采用Grefenstette编码方式,使得交叉和变异运算后的任意基因型个体都能对应于一条具有实际意义的行驶路线;并在交叉和变异运算过程中,引进自适应调整策略,避免陷入早熟和染色体的破坏.通过与简单遗传算法的仿真结果对比,验证了本算法的有效性.     

COLD阵列近场源定位

利用特殊极化敏感阵列极化域的旋转不变性,提出了一种基于交叉偶极子-磁环天线（COLD）阵的近场源闭式定位算法. 与现有方法相比,该算法无需高维搜索和高阶累积量运算,也无需参数配对,计算效率高;无需阵列具有对称结构,阵列孔径利用率高. COLD阵方法无需高阶项舍弃,与交叉偶极子阵方法相比,也不涉及接收模型的近似假设,性能更优越并可实现无偏定位. 计算机仿真验证了所提算法的有效性.      

一种遗传算法交叉算子的改进算法

为了有效克服遗传算法收敛速度慢和易陷入局部极值点的缺点,提出了一种遗传算法交叉算子的改进算法,即采用自适应交叉概率,给不相关大的个体赋予较大的被选概率的配对方式进行交叉操作;在适应度比例轮盘赌的基础上辅以父子竞争的选择操作.二元多峰值Schaffer函数优化的仿真实例结果表明:与保留最优个体策略的遗传算法相比,改进算法能有效减少无效的交叉操作,收敛速度和全局搜索能力都得到了较大提高,其平均收敛代数和收敛到最优解的概率都优于保留最佳个体策略的遗传算法.     

新的无证书签密方案

提出了一种新的无证书的签密方案,新方案在签密过程中只需要1次配对运算,在解签密过程中仅需要4次配对运算.与已有方案相比,新方案具有更高的效率.在安全性方面,新方案满足机密性、不可伪造性和可公开验证性.     

热量计量仪表铂电阻最优配对算法

针对批量热电阻生产过程中2支热电阻在满足配对规范要求下实现成对数量最大化的问题，提出一种基于矩阵运算的最优配对算法.该算法基于矩阵运算，通过1次循环得到所有满足配对条件的成对组合，对成对组合中因素群的成对率进行分析，得出选取成对组合的影响因子.影响因子决定该组合被选取的优先级，根据此优先级确定优化筛选过程，从而得到最优配对方案.采用蒙特卡罗方法验证的结果表明，在满足配对要求的前提下所提出的算法达到成对组数最大化.     

李代数的交叉模

介绍了李代数交叉模的一个等价定义,用等价定义讨论了交叉模等价类之间的运算.对给定的李代数L,P及P.模M,考虑所有以M为核、以P为余核的交叉模的等价类集合,在等价类集中定义加法运算和数乘运算.证明了李代数的交叉模等价类集合是一个线性空闸,且与其三阶上同调群空间同构.最后计算了Virasoro代数的三阶上同调群.     

二元域上Edwards型椭圆曲线的配对计算

研究了二元域上 Edwards 型椭圆曲线的配对计算问题, 并且给出了两种计算配对的方法。一种是基于Edwards型曲线与Weierstrass型曲线的双有理等价; 另一种是基.LNCS 1403 于它们之间的二次可分同源。在两种情况下, 都给出了具体的Miller 型函数计算和相应的配对计算算法, 特别是基于二次同源的配对计算, 由于其更多地采用平方运算而非一般乘法运算, 因此计算将会更为有效。     

基于单个声矢量传感器的频率方位联合估计

单个声标量传感器不能用来估计目标方位,却可以实现目标方位估计.提出了一种基于ESPRIT算法的单个矢量水听器的频率、方位联合估计算法,该方法可以同时估计3个信号的频率和二维方位,并且参数自动配对,不需增加额外的配对运算,与LS-ESPRIT和TLS-ESPRIT相比,该方法减少了一次特征分解,具有运算工作量小的特点.计算机仿真验证了该方法的有效性.     

ηT配对的配对域F36m上的最优乘法算法

在基于配对的公钥密码学应用中, 配对的有效快速实现依赖于基域的扩域中乘法算法的有效快速的实现,特别是在η_T配对的实现中需要 F_3^6m中的快速乘法运算。作者提出了对偶插值算法, 其渐近复杂度为 11 次基域中 的乘法运算, 这达到了F_3^6m中乘法运算的理论下界。     

带有自适应变异和指数递增交叉算子的差分进化算法

针对基本差分进化算法的缺陷,融入指数递增交叉算子以增加算法的收敛速度.当算法陷入早熟后,对最优个体和随机选取的个体采用随机扰动的变异策略,帮助其跳出局部极值.数值仿真实验表明,该算法的收敛速度和精度都明显优于仅带有指数递增交叉算子的差分进化算法和仅带有随机扰动变异策略的差分进化算法.     

基于改进遗传算法的前向神经网络

针对遗传算法的主要算子———交叉算子 ,设计了新的交叉算子 ,使个体尽可能地分散在整个解空间 .在具体交叉操作中 ,产生随机个体参与交叉以更好地搜索新的解空间 .并提出了组合变异策略 ,假如对变异后个体隔代保护策略 ,构造了一个有效的改进遗传算法 .利用该改进遗传算法 ,构造了前向进化神经网络 .它综合了改进遗传算法优良的全局寻优性能和前向神经网络的非线性映射能力 .     

基于改进遗传算法的桁架结构优化

桁架是一种广泛应用于工程领域的结构形式,对其结构优化有重要的意义.文章提出了随种群的进化而动态变化的自适应交叉算子和变异算子,以提高算法的优化效率及增强收敛性;引入了精英保留策略,以克服各代种群最佳个体未能保护的缺点.建立以最小化结构总重量为目标函数的桁架优化数学模型,并应用改进的遗传算法对桁架结构进行优化求解.通过实例验证了所建模型以及对算法改进的有效性和实用性.     

多个体参与交叉的遗传算法

提出了多个体参与交叉的遗传算法,即采取新的交叉算子使子代个体同时含有多个父代个体的模式．突破了以前遗传算法只有两个个体参与交叉的局限,通过调整参与交叉的父代个体数目和交叉后产生的后代个体数目,实际上提出了遗传算法调试中的两个新参数．通过调整新参数,使得遗传算法可能有更高的计算效率．证明了多个体参与交叉的遗传算法的模式定理．将方差与熵作为描述遗传算法解群多样性的工具．分析了多个体参与交叉的遗传算法对解群方差及熵的影响．通过一个算例验证了多个体参与交叉的遗传算法具有较高的计算效率     

Finding global minima with a new dynamical evolutionary algorithm

A new dynamical evolutionary algorithm (DEA) based on the theory of statistical mechanics is presented. This algorithm is very different from the traditional evolutionary algorithm and the two novel features are the unique of selecting strategy and the determination of individuals that are selected to crossover and mutate. We use DEA to solve a lot of global optimization problems that are nonlinear, multimodal and multidimensional and obtain satisfactory results. Foundation item: Supported by the National Natural Science Foundation of China (No. 60133010, NO. 60073043 and No. 700/1042) Biography: Zou Xiu-fen(1996-), female, Ph. D candidate, Associate professor, research direction: evolutionary computing, parallel computing.     

基于二进制编码的改进杂交策略

通过分析发现,遗传算法二进制编码串中不同基因位的改变对个体的影响程度大小不等.提出一种改进的杂交算子,对编码串中各个基因位赋予不同的杂交点选择概率,使得群体在进化初期可以搜索到更大的解空间,提高算法的全局搜索能力;在进化后期适当降低高位基因的杂交点选择概率,使得搜索不致偏离最优解,同时提高低位基因的杂交点选择概率,增强算法在局部范围的搜索能力.仿真结果表明,同标准遗传算法相比,改进算法具有寻优精度高、稳定性好、收敛性强等优点.     

转移批量自适应的作业排程优化方法

为了缩短产品交货期进而提高企业快速响应市场的能力,运用遗传算法对混合转移批量作业排程的组合优化问题提出了优化方法。算法使用了两套不同但有机结合且高效的选择、交叉等算子,同时对转移批量和作业排序进行优化。遗传操作实行了提高算法稳定性并延长优秀个体寿命等多种保优机制,使运算能在避免局部收敛的同时短时间内收敛于全局最优解或次优解。通过实例证明了算法在解决有多种转移批量的生产作业排程问题的有效性,对离散制造企业的作业排程具有重要意义。     

改进的遗传算法选择算子

为了进一步提高遗传算法选择算子的选优能力,本文在传统轮盘赌的基础上提出了一种基于排序的多轮轮盘赌选择算子,加入了多轮转盘的思想,并利用对上代种群进行排序增加优秀个体的选择概率,从而在提高了算子的选优能力同时也减少了随机性所产生的误差;随后本文将此算子与最佳个体保存法的思想相结合,进一步提出了无放回的基于排序的多轮轮盘赌选择算子,达到了既能够选出最好个体又能够保证种群多样性的效果.实验表明,与传统轮盘赌算子相比较,新方法能够有效地提高遗传算法的收敛速度.     

一种求解有状态服务选取问题的遗传算法

基于QoS的Web服务选取问题,通常认为应用工作流中的任务是相互独立的,而在很多实际应用中,工作流的某些任务之间往往需要共享状态信息,由此增加了任务绑定约束,使得求解复杂度提高,影响了选取效率.针对现有方法的不足,提出了一种面向有状态服务选取的遗传算法,其中重新定义了交叉操作和变异操作,使得所有个体均满足任务状态关联绑定约束,同时在个体评价策略中引入罚函数,并进行个体相似性判断以防止过早收敛.实验表明,提出的算法在有状态服务选取问题中,可求得质量良好的解,且收敛速度快,选取效率亦优于现有算法.     

改进的遗传算法及其仿真

从分析标准遗传算法存在的缺陷入手,提出了一种自适应选择交叉概率、变异概率以及交叉位置非等概率选取的改进的遗传算法并予以仿真,在仿真的基础上对标准遗传算法与改进遗传算法进行性能比较．