面向多峰函数的自适应小生境量子进化算法

为解决量子进化算法在多峰优化时只能找到一个最优解,无法找到所有全局和局部最优解的问题,提出自适应小生境量子进化算法。利用佳点集理论初始化种群,使种群均匀分布在整个搜索空间;提出中心地形信息小生境自适应识别方法,用于自适应的识别峰值所在区域,并建立小生境完善策略,提高小生境识别速度;借助量子进化算法的快速寻优能力精确寻找各个峰值点;采用动态种群调整策略,维持种群的多样性,自适应地调节种群规模。仿真实验结果表明,该算法具有较强全局优化能力和局部优化能力,且搜索到的每个最优解都达到了理想值。     

运用ADE算法进行Wiener模型辨识

DE算法是一类基于种群的启发式全局搜索技术,该算法原理简单,控制参数少,鲁棒性强,具有良好的优化性能.首先利用DE算法对Wiener模型参数进行辨识,分析了算法中变异率F对辨识过程中的全局并行搜索能力和收敛速度的影响;其次运用一种自适应变异差分进化算法(ADE)进行Wiener模型参数辨识,该算法在初期变异率较高,种群具有多样性,避免过早收敛于局部最优解;在进化过程中,变异率逐渐变小,优良个体得以保留,避免最优解遭到破坏.运用ADE算法对Wiener模型的数值仿真结果表明了ADE算法在参数辨识问题中的有效性,以及较PSO算法更强的非线性系统辨识能力.与一般的DE算法相比较,ADE算法辨识到全局最优解的精度和概率有较大提高,对算法参数的敏感性降低.     

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.     

基于混合自适应Memetic算法的贝叶斯网络结构学习

Memetic算法是一种基于种群的全局搜索和基于个体的局部启发式搜索的结合体,具有较高的全局搜索能力,将其成功应用于贝叶斯网络的结构学习。该算法在基本的遗传算法操作算子中,引入粒子群算法的基本思想,同时利用混沌的遍历性和云自适应的快速收敛性,提出了一种云自适应的混沌变异搜索进行局部搜索,实现全局优化,跳出局部最优。实验证明该算法在贝叶斯网络结构学习中具有很好的效果。     

基于差分演化的改进多目标粒子群优化算法

提出一种基于差分演化的改进多目标粒子群优化算法来求解多目标优化问题。算法通过对Pareto最优解集的差分演化来增加Pareto解集的多样挫;通过循环拥挤距离采控制归档集中非劣解的分布．提高对种群空间的均匀采样;采用一种新的多目标适应值轮盘睹法选择粒子的全局最优位置,使其更逼近Pareto最优前沿;自适应惯性权重和加速度...     

基于免疫遗传算法的多目标柔性作业车间调度研究

研究了多目标柔性作业车间调度问题,提出了一种改进的自适应免疫遗传算法。算法根据搜索的历史信息,自适应的调整遗传过程中的遗传参数以提高算法的稳定和效率。针对遗传算法的局部搜索能力差和全局搜索效率低的问题,结合免疫算法的免疫记忆和接种疫苗,对各近似最优解进行动态邻域搜索,提高算法的局部搜索能力和解的质量;免疫反馈和免疫选择能淘汰相似个体,维持种群的多样性,避免算法陷入早熟,改善算法的性能和稳定性。最后通过仿真实例验证了算法的有效性。     

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.     

一种基于相位比较的量子遗传算法

针对量子遗传算法不适于连续函数优化的问题,提出了一种改进的量子遗传算法。该算法直接将量子染色体与当前最优解相比较来确定旋转门的旋转角,种群中各个体以不同速率向最优解进化以同时实现全局搜索与局部搜索,引入变异操作以防止算法早熟收敛。对该算法及其全局收敛性进行了分析后,将其用于函数极值求解与PID控制器的参数优化,并与遗传算法和量子遗传算法进行比较。仿真结果表明该算法具有较好的寻优性能。     

时间依赖型多时间窗车辆路径问题研究

针对一类考虑城市交通拥堵情况的时间依赖型多时间窗车辆路径问题(time-dependent vehicle routing problem with multiple time windows,TD_VRPMTW),提出一种混合离散灰狼算法(hybrid discrete grey wolf optimizer,HDGWO)进行求解。在HDGWO中,设计了新的灰狼个体更新公式,采用基于客户排列的整数编码方式,使算法可直接在离散问题解空间中执行基于标准灰狼算法个体更新机理的全局搜索;设计了基于问题性质的种群初始化策略,用于生成具有高质量和多样性的初始种群;引入头狼信息交流公式,用于探索头狼形成的优质解空间;构造具有多种局部搜索操作的自适应变邻域局部搜索策略,用于增强算法的局部搜索能力。结果表明：HDGWO可有效求解TD_VRPMTW。     

最大熵分布算法及其应用

分布估计算法是一种新的基于种群进化的算法,它通过统计当前群体中较优个体的信息构建其概率分布模型,然后对模型进行抽样生成下一代群体。针对分布估计算法在求解搜寻最优网络结构的NP-Hard问题,提出一种新的最大熵分布算法,该算法以Jaynes原理为依据,利用随机变量的最大熵估计随机变量的最小偏见概率分布,并以此作为算法的进化模型,有效地降低了算法的计算复杂度。以旅行商问题和误导问题为例所进行的计算结果证明了该算法具有更高的全局搜索能力与更稳定的收敛性。     

一种融合邻域搜索的多策略差分进化算法

设计多策略差分进化算法的难点在于选择何种变异策略以及如何分配这些策略。提出一种融合邻域搜索的多策略差分进化算法，根据个体适应度值将种群分为3 个子种群，每个子种群分别采用不同的变异策略和参数值，使得各子种群的搜索能力可互补，有助于平衡整个种群的勘探和开采能力。同时，对适应度值最好的子种群采用邻域搜索操作，充分挖掘优质个体可能包含的有益信息用于指导搜索。在34 个测试函数上实验，与包含7 种差分进化算法在内的12 种进化算法进行对比，结果表明该算法在大多数函数上取得了更好性能。     

Multi-population and diffusion UMDA for dynamic multimodal problems

In dynamic environments, it is important to track changing optimal solutions over time Univariate marginal distribution algorithm (UMDA) which is a class algorithm of estimation of distribution algorithms attracts more and more attention in recent years. In this paper a new multi-population and diffusion UMDA(MDUMDA) is proposed for dynamic multimodal problems. The multi-population approach is used to locate multiple local optima which are useful to find the global optimal solution quickly to dynamic multimodal problems. The diffusion model is used to increase the diversity in a guided fashion, which makes the neighbor individuals of previous optimal solutions move gradually from the previous optimal solutions and enlarge the search space. This approach uses both the information of current population and the part history information of the optimal solutions. Finally experimental studies on the moving peaks benchmark are carried out to evaluate the proposed algorithm and compare the performance of MDUMDA and multi-population quantum swarm optimization (MQSO) from the literature. The experimental results show that the MDUMDA is effective for the function with moving optimum and can adapt to the dynamic environments rapidly.     

基于LASSA算法的多无人机协同航迹规划方法

针对基本麻雀搜索算法(sparrow search algorithm, SSA)在求解多无人机(unmanned aerial vehicle, UAV)协同航迹规划问题时收敛精度不高, 易于陷入局部最优等问题, 提出了一种使用对数螺旋策略和自适应步长策略的SSA(logarithmic spiral strategy and adaptive step size strategy of the SSA, LASSA)多UAV协同航迹规划方法。首先利用分层规划思想, 先建立单UAV航迹规划模型, 然后再建立时间协同多UAV航迹规划模型, 将航迹规划问题转化为函数优化问题。其次, 采用对数螺旋策略, 扩大对周围空间的搜索, 增强种群个体多样, 并利用自适应步长策略, 更好地控制开发和探索行为。最后,利用LASSA对提出的航迹规划模型进行求解。仿真结果表明, 本文提出的LASSA能够在满足时间协同的条件下, 规划出代价近似最优、符合约束的协同飞行航迹, 证明了本文提出的基于LASSA的多UAV协同航迹规划方法的有效性和改进算法的优越性。     

改进萤火虫算法及其收敛性分析

萤火虫算法因具有结构简单、控制参数少、易于实现的特点而得到广泛的关注和应用,但其易陷入局部最优导致过早收敛,从而影响寻优精度.针对这一问题,本文在位置更新规则中加入随机扰动因子,并剔除了冗余的随机项,以提高算法搜索能力;引入位置置换变异和差分进化算法中的最优变异策略,在保持种群多样性的同时,增强算法跳出局部最优的能力....     

人感禽流感优化算法

为求解一类复杂非线性优化问题的全局最优解,采用跨物种传播的人感禽流感传染病动力学模型提出了人感禽流感传染病优化算法。利用H7N9传染病模型构造出的S^u-S^u,I^u-I^u,S^u-I^u,I^u-S^u,S^u-D^u,I^u-D^u等算子能使个体能在同物种和跨物种个体之间充分交换信息,其中S^u-S^u、I^u-I^u算子可利用强壮个体的特征来改善虚弱个体的特征,从而提升算法的求精能力;S^u-I^u、I^u-S^u算子可改良个体的适应度分布特征,从而提升算法的探索能力;S^u-D^u,I^u-D^u算子可使极虚弱个体得到有效清除,从而降低算法陷入局部陷阱的概率。测试案例表明：本算法可快速求解一类维数较高的复杂非线性优化问题。     

基于自适应ε的约束优化算法

针对目前约束优化算法易陷入局部最优和鲁棒性不好等缺点,提出基于自适应ε的约束优化算法。首先,通过改进的个体比较准则,充分利用优秀不可行个体的有效信息,加大对搜索空间的探索力度,从而提高种群多样性;其次,提出自适应ε调整策略,平衡目标函数和约束违反度之间的关系,进而更加合理地进行个体比较。对13个标准测试函数的对比实验表明,本文算法不仅能够以较高精度收敛到全局最优解,而且鲁棒性较好。     

具有动态步长和发现概率的布谷鸟搜索算法

为了进一步改善算法搜索过程中存在的求解精度偏低、收敛速度缓慢等现象,提出具有动态步长和发现概率的布谷鸟搜索算法。该算法通过引入步长调整因子动态约束每一代种群的莱维移动步长,使算法的莱维飞行机制具有自适应性。在发现概率上,使用具有均匀分布和F分布特性的随机惯性权重,改变发现概率的固定取值,加强种群的多样性,保持算法全局搜索、局部探索之间的平衡状态。通过实验证明,所提算法具有良好的可行性,其寻优结果、收敛速度均有提高。     

基于果蝇算法的约束区域均匀实验设计方法

针对已有的基于差分演化算法的两阶段均匀实验设计方法仍存在种群在约束区域分布多样性不佳和局部搜索能力不强的问题,提出了一种基于果蝇算法的两阶段均匀实验设计方法(two phase fruit fly optimization algorithm, ToPFOA)。ToPFOA第1阶段运用融合差分算子的果蝇搜索策略、基于K-means聚类及外部文档更新类中心等方法,以动态改进种群在约束区域分布的多样性;在此基础上,第2阶段进一步使用自定义果蝇算子提高约束区域内局部搜索能力。实验结果表明ToPFOA在解质量和稳定性上均优于ToPDE和ToPDEEDA。     

基于Baldwin效应的自适应有性繁殖遗传算法及其仿真研究

为了解决传统遗传算法存在的局部搜索能力差、早熟收敛、随机漫游等问题,提出一种基于Baldwin效应的自适应有性繁殖遗传算法。该算法模拟自然界普遍存在的有性繁殖现象,引入个体亲子间的适应度信息传递,并按照个体的性别差异以及种群间竞争与协作关系,对有性遗传操作进行自适应调整。同时,借鉴生物学中的Baldwin效应理论,引导个体后天正向或反向学习。通过与标准遗传算法和自适应遗传算法的仿真实验比较,证明了这种改进遗传算法的有效性。

Abstract：

Aimed to overcome the problems of traditional Genetic Algorithms,such as poor capabilities in local search,premature convergence,and stochastic roaming,a sexual reproduction adaptive Genetic Algorithm based on Baldwin effect was presented.The proposed algorithm simulated sexual reproduction and enables the transmission of fitness information from parent individuals to the offspring.Based on competition,cooperation,and innate difference between two sexual subgroups,the proposed algorithm adaptively adjusted sexual genetic operators.Meanwhile,inspired by the acquired reinforcement learning theory based on Baldwin effect,the proposed algorithm guided individuals to forward or reverse learning to adapt individuals＇ acquired fitness.Compared with Standard Genetic Algorithm （SGA） and Adaptive Genetic Algorithm （AGA） by numerical simulations,the proposed algorithm is proved more effective and advantageous.