基于种族优生的进化规划用于混合非线性整数规划

混合非线性整数规划是在许多工程应用中经常遇到的重要问题。本文提出一种基于种族优生的进化规划算法用于求解混合非线性整数规划。一方面，该算法基于多种群并且每一代都选择各种群的最优秀个体作为下一代的种群祖先。另一方面，该算法的进化步长、种群规模和处理约束条件时所取的参数在进化过程中是动态变化的。实验表明该方法求解混合非线性整数规划问题的仿真结果优于现有的研究成果(GA，ES，SA)。     

一种求解函数优化的混合差分演化算法

为了解决传统遗传算法易陷入局部最优解的问题,在多父体杂交算法和差分进化算法的基础上,提出了混合差分演化算法.该算法的核心在于,采用多父体杂交算子保证算法的遍历性,通过淘汰相同个体来保持群体的多样性,并以较小概率随机选取部分个体进行差分进化操作,从而充分利用最优个体的信息达到了加快收敛速度的目的.对复杂函数的寻优实验验证了混合差分演化算法的有效性.     

双倍体差分进化粒子群算法在VRPSDP中的应用研究

针对粒子群算法和差分进化算法的不足,根据生物遗传学规律,提出了双倍体差分进化粒子群算法,并将其用于具有集送货需求车辆路径问题的求解中.个体有显性隐性两种状态,显性状态执行粒子群优化规则,隐性状态执行差分进化规则,通过比较适应度显性隐性可以互换.根据算法和问题特点,提出了一种实数编解码方案,使用启发式算法修正和改进算法结果.通过仿真实验,分析讨论了算法的参数,并与其他算法进行了比较,表明该算法是求解具有集送货需求车辆路径问题的有效方法.     

改进的进化规划算法及其在采购方案优化中的应用

采用高斯变异算子的进化规划算法存在早熟现象,根本原因是高斯变异产生的变异量较小,导致个体分量乃至整个个体不发生变异.文中从变异算子、个体分量值的计算和搜索空间三个方面改进了进化规划算法.设计了能产生较大变异量的离散余弦变换算子,并且采用动态比例变异法动态调整个体中的每个分量,多个体竞争策略扩大了算法的搜索空间. 针对复杂采购业务模型,运用改进的进化规划算法求解. 实验证明,改进的算法在求解精度上优于采用高斯变异和随机变异的进化规划算法,解决了进化规划算法的早熟问题.     

融合进化知识和角度信息的机器人路径规划方法

针对已有机器人全局路径规划方法中存在的知识利用不充分问题,借鉴文化算法的双层进化结构,提出一种融合进化知识和角度信息的新型全局路径规划方法。根据问题需求,提出常识知识、角度信息和进化知识三类知识描述。根据各类知识特性不同,分别用于约束环境、指导个体可行性判断和修复算子。针对具有不同障碍物的两类环境,通过仿真分析与对比,表明本方法可以有效降低不可行个体判断和修复中的计算复杂度,提高进化收敛速度和解性能。     

一种多目标优化问题的混合优化算法

利用分布估计算法(EDA)的全局搜索性能及差分进化(DE)算法的局部优化能力,提出了一种多目标优化问题的混合智能求解方法DE-EDA.DE-EDA的子代个体由两部分构成,一部分按差分进化算法生成,另一部分则是通过对分布估计算法的概率模型进行随机采样生成.利用模拟退火技术在线调整尺度因子Pr,即在进化的初期选择较大的Pr,以保证EDA起主导作用,由EDA引导DE搜索向Pareto前端,增加全局搜索能力,然后在进化的过程中逐渐降低Pr,使得DE逐渐占据主导作用,确保解精确收敛到Pareto前端.通过4组基准函数来测试算法性能,并与NSGA-Ⅱ和DE算法进行实验比较,结果表明该方法不仅解的多样性和分布性好,而且能够有效提高种群进化的收敛速度,是一种求解多目标优化问题的有效方法.     

基于适应度分组的进化策略

一般的进化策略都采用选择子代中最好的一部分个体替代原来的父代个体进入下一代进化,这样使那些相对劣的个体没有机会进入以后的进化过程。但每一个个体都有优良的一面,它们都有可能进化成最优解。鉴于此,根据每代群体的平均适应度将种群分为两部分:优势种群和劣势种群。父代个体以一定的比例在两组中选取,这样使劣质个体也有机会参加到进化中。仿真结果表明该方法对求解优化问题是有效的。     

模拟细菌菌落进化过程的群体智能算法

针对常规群体智能算法缺乏进化能力,存在易于陷入早熟收敛的不足,将问题的解空间视为细菌培养液,在其中放置单个或少量细菌个体,模拟细菌菌落的生长进化过程,提出一种新的群体智能算法.该算法本身具有进化机制,并且能够自然结束,从而为优化算法提出了一种新的结束准则.通过仿真实验验证了算法的有效性,同时仿真实验结果还表明通过简单改进,算法可以达到全局最优.     

一种改进的自适应免疫进化规划方法及其应用

结合免疫系统的机理和进化规划原理,对免疫进化规划进行改进。即引入多样性函数和群体局部退化相结合的方法,对克隆细胞进行选择和更新,增强群体信息的多样性,克服近亲细胞过度繁殖而引起早熟收敛;利用双曲正切函数,无须区分亲和度界限,决定个体细胞的变异率,实现细胞群的自适应变异;选择亲和度高的一半细胞作为记忆细胞,利用其替换原始细胞群亲和度低的细胞。对各部分改进的原因和优点进行了分析,给出了算法的主要步骤,并对自适应免疫进化规划的收敛性进行了说明。最后用不同的测试函数进行仿真实验,结果表明了方法的有效性。     

基于随机邻域策略和广义反向学习的自适应差分进化算法

全局探索和局部开发能力之间的平衡以及对控制参数的整定是影响差分进化(differential evolution, DE)算法性能的主要因素。针对这两个问题, 提出一种基于随机邻域策略和广义反向学习的自适应DE算法。首先, 在每一代进化过程中, 算法从当前种群为每一个体随机选择相应的邻域, 其中最优个体作为基向量执行变异操作, 邻域中个体数量随进化动态更新。其次, 采用基于历史存档的自适应参数整定方法, 进化进程中根据“精英”信息动态更新算法各参数。最后, 在初始化和每一代进化结束阶段, 执行基于广义反向学习策略的种群初始化和种群“代跳”操作。通过基于27个标准测试函数的3组仿真实验, 验证了所提算法具有寻优精度高、收敛速度快、鲁棒性强的优点。     

具有信息指导的自适应退火进化规划

为克服标准进化规划算法变异操作的盲目性和易陷入局部最优的问题,提出具有信息指导的自适应退火进化规划算法。算法充分利用目标函数和变量的变化信息,记录下一步的搜索方向,个体的变异方差采用自适应的形式,随进化代数的增加而减小变异幅度,并在新一代种群的生成中采用退火概率的选择方式,既保证了算法的多样性,又可较好地避免算法陷入局部最优解。通过仿真实验表明,该算法收敛速度较快,特别对于变量数目较多的优化问题,更显示出其优越性,具有解决大规模问题的潜力。     

基于混合动态贝叶斯网络的无人机路径重规划

针对无人机航迹规划的实时重规划能力,研究了局部路径构图的基本原则并提出了一种突发威胁体下无人机局部路径重规划的算法。首先根据不同威胁体的分布情况构造无人机的可飞航路集,用“改进型Voronoi图”表示出来,采用Dijkstra算法求解初始粗略最短路径。在无人机飞行过程中,通过基于混合动态贝叶斯网络的切换线性动态系统模型感知环境,应用Viterbi应用解码算法确定突发威胁体的实时位置及威胁等级,后依据局部路径重规划原则进行寻优,最后应用三次平滑及序列二次规划方法获得实际可飞路径。用Matlab仿真验证,证明了算法有效性。     

一种自治水下机器人垂直面路径规划算法

提出了一种基于模糊推理系统(FIS)的自治水下机器人的垂直面运动路径规划算法，并进行了仿真验证。该算法根据当前水下机器人所处的深度和距离海底高度数据，通过模糊推理系统得出期望的航行深度，以避免超深、超浅以及触底等情况的发生，并尽量满足多普勒速度仪(DVL)对距离海底高度的要求。计算机仿真的结果表明该算法是可行有效的，满足自治水下机器人的系统要求。     

一种动态协同进化算法求解双边顺序相依拆卸平衡问题

针对大型产品在双边拆卸线进行作业时，零部件间存在拆卸干扰的情形，构建双边顺序相依拆卸线平衡问题优化模型，并提出一种动态协同进化算法。所提算法设计了一维正负整数排列编码方法，可将任务间先后关系及任务所在操作方位同时有效表示，编码简单易于实现；采用动态邻域深度搜索策略，提高局部搜索质量；引入后天学习算子，加快个体进化速度；通过种群间相互交流，提升下一代种群质量。最后，通过算例验证所提算法具有良好的寻优性能。     

基于Delaunay三角形网格的RoboCup路径规划算法研究

论述了足球机器人RoboCup小型组机器人的路径规划算法,应用Delaunay 三角形网格进行路径规划,在此基础上综合了RoboCup动作控制算法,提出了用关键点及其姿态简化对路径的优化思想,并直接对速度进行控制的方法。通过上海大学自行研制的RoboCup小型组仿真平台对该算法进行验证,仿真结果表明:采用该算法能使足球机器人简单有效地得到避障优化路径,并保持有利的姿态。     

一种空间飞行器编队重组的轨道优化方法

现有的空间飞行器编队重组的轨道规划方法在求解能量最优策略时,都预先给定了变轨花费的时间,但没有说明给定的时间是怎么选择的.将空间飞行器主从编队重组的轨道规划视为一个多目标优化问题,提出了一种小生境进化算法.该方法通过使用特定的染色体表示方法和进化算子,能有效的搜索到飞行器编队重组轨道规划问题的时间.能量前沿,并引入等值分享法保证优秀个体具有较大的选中概率和前沿的多样性.该方法能同时提供多种变轨方案,编队飞行的任务制定者从而可以根据实际应用情况选择最合适的方案.仿真结果表明了该方法的正确性.     

粒子动力学演化算法及其在求解SOP上的应用

根据粒子输运理论中粒子相空间能量最小原理和熵增法则提出一类粒子动力学演化算法，并在数据实验中用该算法求解了一些传统演化算法难于求解的单目标优化问题(SOP)，比如求解凸函数和多峰函数等最小优化问题。由于这种新的动力学演化算法能使几乎所有的个体参加杂交和变异，因此，与传统的演化算法相比，该方法不仅能较快速地求解线性和非线性优化问题，而且还能容易地求出达到最优解的多个坐标点。     

基于基本变量集的仿人机器人在线运动规划

仿人机器人在线规划方法对于其走向实际应用具有重要作用.通过对仿人机器人运动规划方法的调研以及实时性需求分析,提出了一种基于基本变量集的仿人机器人在线规划方法.该方法将运动规划问题转化为反映机器人运动状态的基本变量集的规划问题,通过对基本变量的规划和计算,得到基于关节空间的运动状态序列.该基本变量集包含零力矩点、仿人机器人重心(CoG)、髋部中心(CoC)、脚掌位置及相关关键姿态关系,所提方法结合仿人机器人动力学约束和物理约束,给出了关键变量集的规划和计算方法.最后,通过仿真实验,对规划结果的可行性进行了验证,实现了仿人机器人的稳定行走.