符号回归的一种新算法

基于头身尾三段结构的基因表达式程序设计方法,提出一种改进算法。新算法有三大改进:(1)采用模拟退火选择策略避免早熟;(2)用基因库技术保存优势基因,既加速了算法的收敛性,又提高了解的质量;(3)使用二次演化进一步提高解的精度。符号回归实验结果表明,新算法比原基因表达式程序设计算法和遗传程序设计算法收敛更快,精度更高。     

基因表达式程序设计在复杂函数自动建模中的应用

基因表达式程序设计是一种新的自适应演化算法，该算法已经应用到许多领域中，并且取得了起好的效果。通过对适应度函数的有效设计以及函数集的有效选取，引入新的常数创建方法。将基因表达式程序设计运用于复杂函数的自动建模中，并把所建立的模型用于预测分析。通过仿真实验表明：用此方法所建立的模型比传统的最小二乘法、神经网络以及遗传程序设计等方法具有更好的性能。最后对该算法的应用前景作了简要分析。     

一种基于基因表达式程序设计的新算法

基因表达式程序设计是一种基于基因组和表现型组的新型遗传算法,该算法在运行时具有很高的运行效率,实验表明在求解很多问题时比遗传程序设计优越两个数量级以上.通过对基因表达式程序设计的变异算子进行分析,发现在个体变异过程中存在着大量的基因漂移现象,这些漂移的基因一方面造就了种群的多样性,但是另一方面也降低了算法的效率,阻碍了算法精度的提高.为此,构造了一种新的算子--漂移抑制算子,通过在基因表达式程序设计方法中加入此漂移抑制算子构造出一种新的算法-基因漂移抑制算法(Gene Drifting Suppression Algorithm Based on Gene Expression Programming, GDSA-GEP),该算法在保持种群多样性的同时,能有效地控制基因的过度漂移.实验结果表明,新算法能有效地提高问题的求解精度.     

一种针对高维决策空间的进化多目标优化方法

进化算法可并行处理多个解的特性使得它特别适合解决多目标优化问题。针对高维决策空间,将基因表达式编程引入多目标优化,设计了新的个体结构和操作,提出了一个进化多目标优化算法EMOGEP。实验结果表明,新算法在低维决策空间是可行和有效的;在高维决策空间中,表现出了比传统进化多目标优化算法更好的性能;多模态情况下,新算法能很好的逼近理论Pareto前沿。     

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.     

WRBF网络的设计及其在混沌时间序列中的应用

结合小波网络良好的时频特性和RBF网络良好的局部特性，设计小波径向基函数网络(WRBF)，该四层网络较三层小波网络和三层RBF网络有更优的特性。网络的第一隐层对输入样本进行小波映射，完成对输入信息的压缩，第二隐层实现径向基函数的非线性计算，克服了RBF网络在处理多维样本时神经元的中心点和宽度难以确定及网络结果往往较复杂的弱点。为实现对网络结构和参数的同时优化，提出用二进制一复数混合编码的自适应进化规划，利用双倍体基因拓展染色体的信息量，加快算法的收敛速度，实现全局优化。在算法研究的基础上，利用WRBF网络对混沌时间序列进行预测，验证了方法的有效性。     

动态社团发现研究综述

为适应当前动态网络数据的发展,对动态网络中的社团结构进行检测、追踪和预测,对国内外关于动态网络社团发现与演化的相关文献进行了综述。归纳了动态网络的社团发现算法,清晰了社团演化事件的定义,并梳理了社团发现与演化算法的应用场景。通过文献梳理,提出将来动态社团的研究应注重在大数据集上的算法优化、在多语境下的信息挖掘和在多场景下的应用性。     

一种新量子进化算法及其在函数优化中的应用

基于量子计算理论和进化理论,提出了一种新的量子进化算法-基于实数编码的量子进化算法(RQEA).不同于传统进化算法的单点编码和量子进化算法的量子比特编码,算法以实数矩形区域来表示基因,一条染色体携带多个个体信息.利用量子态叠加和相干机理,通过叠加、变异及自学习来完成进化过程.实验表明,该算法在函数优化上具有优异的性能.     

一种基于蜂王交配的求解复杂问题的演化算法

在对传统演化算法分析的基础上,提出了一种基于蜂王交配的求解复杂优化问题的演化算法(QMSGA).它的特点在于:模拟自然界中蜂王的交配方法,并引入均匀杂交和平均矢量偏差变异因子策略来达到种群分布的多样性,最终求出复杂优化问题的全局最优解.实验结果表明,对于求解复杂的多峰优化、陡峭函数优化等问题,该算法比传统的演化算法具有更好的精确度和收敛速度.     

考虑随机需求和库存决策的多商品物流网络设计的优化模型与算法

提出一种将库存控制决策和设施选址模型相结合的优化方法,用来解决一类多商品物流网络优化设计问题, 网络内的用户需求是随机的且服从正态分布,优化设计的目的是在满足一定服务水平的前提下,最小化物流网络内包括建设费用、储存费用 和运输费用在内的总成本费用,建立了一个能同时描述设施选址决策和库存决策的多商品物流网络设计问题的非线性混合整数优化模型,并使用组合模拟退火算法对其进行求解分析,最后的算例计算结果验证了模型和算法的有效性.     

区域物流系统网络仿真、剥离优化及实证

区域物流作为区域经济一体化的产物,对区域物流的研究成为一门必要的课题。区域物流节点在"物流效益"的演化动力机制下表现出自组织性,本文借助系统的"自组织"性,建立区域物流系统仿真以及节点"网络剥离"优化模型,用复杂网络工具使虚拟的物流网络可视化。最后对仿真模型实证,分析河北省147个节点构成的物流仿真网络,发现河北省物流网络服从幂律分布,并且对其仿真网络剥离优化,实现了网络聚集指数最优,印证了模型的实用性。     

复杂物流网络区间规划模型及算法

分析复杂物流网络结构特征,考虑物流网络规划设计的不确定性影响,运用区间规划理念,以区间数度量不确定性变量,构建多商品、多层次、多节点的复杂物流网络设计模型。定义风险系数与最大决策偏差,给出适合物流网络不确定性变量的区间运算准则,实现模型的确定性转化。在两层递阶优化求解策略下,结合区间运算与遗传算法,设计了区间分层优化遗传算法的求解模式。算例测试表明该方法具有较强的实用性,可以作为物流网络规划的决策参考方法。     

带时间窗的多式联运作业整合优化算法

快速、低成本的货物运输已成为现代物流的发展趋势,多式联运及多作业整合是物流企业减少运输时间和成本的有效方法.为此,首先建立了基于图状结构的带时间窗的多式联运及多代理人作业整合优化模型;然后提出了代理商选择和路径及运输方式协同优化的两层优化算法:第一层采用转移、交换和环形移动三种移动策略实现作业的分配,第二层采用基于正交试验的混合田口遗传算法实现路径及运输方式的组合优化;最后用具有不同时间约束的算例来考察模型和优化算法的有效性.结果表明,受时间约束的影响,作业整合只能在部分作业之间进行,并且随着时间窗约束的增强,物流运输总费用将增加,与实际情况基本相符,说明了模型及优化算法的可行性和有效性.     

基因表达式程序设计的GRCM方法

基因表达式程序设计是一种基于基因组和表现型组的新型遗传算法,该算法在运行时具有很高的运行效率,实验表明在求解很多问题的时候比遗传程序设计在速度上优越两个数量级以上。在基因表达式的基础上,提出了基因阅读运算器方法,此方法不需要把染色体转换为表达式树,而是直接对染色体进行操作得到该染色体的适应值。实验表明,采用这种方法不仅简单有效,而且能提高运算的速度。     

一种再制造物流网络设施定位优化方法

针对包含正向和逆向的再制造物流网络,提出一种由3种设施组成的2层物流设施定位优化方法,并给出0-1整数规划模型.基于遗传算法的全局搜索能力,全面考虑了正向流和逆向流及其它们之间的相互约束处理,避免了传统拉格朗日启发式算法中求上下限的繁琐计算过程.仿真实验表明提出方法的有效性.     

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。     

基于可信性的低碳物流网络设计多目标模糊规划问题

通过物流网络的优化设计来控制碳排放是提高低碳物流绩效的一种重要途径.针对模糊环境下多级低碳物流网络设计的战略定位和配置问题,综合考虑多级物流网络参数的模糊性以及战术层的多商品流、多生产技术和多运输方式的选择决策,以最小化物流网络的总成本和总碳排放为目标,集成采用期望值规划方法和机会约束规划方法,建立了基于可信性的多目标模糊数学规划模型.该模型引入二氧化碳当量作为衡量物流网络对环境影响的评估指标.然后,设计了一种基于可信性测度的交互式模糊求解方法对多目标模糊规划模型予以求解.最后,通过算例验证了模型和算法的有效性和可行性.     

基于多目标规划的低碳销售物流网络规划方法北大核心CSCDCSSCI

分析了低碳经济对销售物流网络规划的影响,提出了以网络总物流成本最小和网络碳排放总量最少为目标的多目标物流网络规划模型,采用模糊规划方法将多目标规划模型转换为单目标规划模型,设计了基于遗传算法的求解算法,并对规划模型和求解算法进行了仿真验证,由此得到了一种科学可行的低碳销售物流网络规划方法。     

基于多目标演化的模糊认知图学习算法

针对传统模糊认知图学习算法仅优化概念结点间有向弧的权值误差而造成模型拟合准确程度不高的问题,将多目标演化的思想用于模糊认知图学习算法,设计了以有向弧权值误差与误差权重同时最小化为目标的多目标模糊认知图学习模型,降低了学习算法对权值的依赖。为有效求解该多目标优化模型,提出了一种基于坐标变换的多目标演化算法,分析了算法的参数设置方法与计算复杂度。实验结果表明,基于多目标演化的模糊认知图学习算法可以有效降低结点数据误差与模型误差,能够更准确地得出概念结点间的因果关系。     

考虑多重不确定性的托管药房物流调度优化

为有效控制药房托管的药品物流运营成本,本文首先结合时空网络架构,将托管药房的药品物流调度过程描绘成一种多层时空网络,继而将研究问题构建为优化领域中的多重货物网络流问题.在此基础上,综合考虑药品物流调度过程中的需求不确定性、配送服务时间不确定性以及药品供应成本的可变性,建立基于药房托管模式的药品物流调度随机优化模型并设计具有挑选规则的混合遗传算法进行求解.参数测试表明,当挑选判断系数设为0.6时,求解算法可以收敛到比较理想的解;算例分析表明,本文所设计的随机优化模型在各决策回合的解与完全信息模型解之间的逼近程度不一,但总误差仅为0.56%;敏感性分析则发现药房最低安全库设置存在一个最优均衡点.