进化算法及进化理论初探

从进化法则和遗传学的角度出发,讨论了进化算法的生物学原理,找到了其充分的生物学依据,参照自然选择机制,提出了进化算法中的随机选择和竞争性选择机制,最后,总结了进化算法的特点,对其存在问题和发展方向作了综述。     

基因组的进化与内含子中的基因的进化

论述了基因组整体进化过程中内含子所含的基因的进化．分析了内含子的起源方式与内含子中的基因种类的关系,并结合基因组在大小、组成等方面进化过程中内含子的演化趋势,探讨了内含子中的基因,特别是核仁小分子ＲＮＡ基因的进化规律．同时,对于内含子中的基因的进化,提出了一些可能的途径．     

多进化策略自适应免疫多目标进化算法

为了在基于克隆选择的免疫多目标进化算法中提高种群的多样性,提出了一种基于目标函数变化率的多进化策略自适应免疫多目标进化算法,以采用克隆选择的免疫多目标进化算法为基础,根据目标函数的变化率,在不同的进化阶段自适应地选择两种不同的差分进化策略,在保证算法收敛速度的同时兼顾种群的多样性,避免算法陷入局部最优。选用DTLZ测试函数对新算法进行了性能测试,并与其它算法进行了比较。结果显示,新算法解的分布性和均匀性有了一定程度的提高。     

进化算法初步探讨

进化算法是由生物进化规律而演化出的一种搜索和优化的计算方法。它包括遗传算法、遗传规划、进化策略和进化规划四种。本文简要介绍了进化算法的概念以及四种方案之间的相互联系与区别。     

技术进化的数量分析

技术进化是技术哲学中的一个重要课题。技术进化实质上就是对其进行描述的标度数量的增长并发生质的提高过程。首先阐述了技术是一种复杂的社会现象，分析了技术进化的历程，给出了技术进化的标度，从量的视角探讨了技术进化的动力模型，同时对技术进化过程中的突变进行了定量分析。为技术进化的数量研究，提供了一条有益的途经。     

并行进化BP神经网络

基于并行进化种族间的协作和竞争机制,给出了ＣＰＣＡ算法。新算法的进化操作更符合自然选择机制,在动态增加新种族的同时,亦动态删除老化、竞争力弱的种族。该算法用来进化ＢＰ网,经实验证明能有效地提高解的质量,并降低进化时间。     

基于思维进化计算的一种广义进化模型

本文在遗传算法 (GeneticAlgorithm ,简记GA)与思维进化计算 (MindEvolution aryComputation ,简记MEC)的基础上 ,提出了一种广义进化模型 (GeneralizedEvolutionaryModel ,简记GEM)。该模型用微演化与宏演化两个过程 ,分别模仿人类的思维学习方式与自然进化 ,并通过概率趋同、信息迁移、自适应变异算子将两个过程有机的结合起来 ,从完全意义上模仿了人类的进化。该模型既能有效地克服遗传算法的本质缺陷 ,又能拓展思维进化计算的理论基础及应用范围。数值优化的仿真结果证明了该模型的有效性     

进化算法的收敛速度

遗传算法、进化规划和进化策略这三类进化算法都是基于对自然进化的模拟,其区别在于产生下一代群体的规则不同,但下一代群体的产生又都是仅依赖于其父代,因而进化算法的运行过程可以视为一个Ｍａｒｋｏｖ过程,其状态转移矩阵可以表示成一个统一的形式．利用矩阵范数的基本性质,得到了进化算法收敛速度的一个下界,同时也得到了进化算法收敛性的一个证明,并由此解释了遗传算法能很快地得到一个较好的解而要花费较长时间才能得到最优解的原因,为今后加快进化算法收敛速度指出了一个可行的研究方向     

自主机器人人工进化方法研究

在介绍人工进化研究状况的基础上 ,着重阐述了进化机器人学的关键问题 :基本概念、进化技术、进化计算和实验研究方法等 ,探索了进化机器人学未来的研究趋势及所面临的挑战 .     

模拟进化优化方法

本扼要介绍了模拟进化优化方法中的两个分支－遗传算法和进化规则,同时将进化规划与基于梯度的寻优技术有机地结合起来,提出了一种新的全局寻优算法一启发式进化规划,最后给出了数值算例,说明了此类方法在求解组合优化问题以及具有不可微的目标函数或约束条件复杂的非线性优化问题的优越性。