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.     

病毒遗传算法在柔性工作车间调度中的应用

针对柔性工作车间调度问题的特点,设计了基于工序顺序和基于机器分配两种交叉,变异方法对主群体进行传统的遗传操作。并引入病毒群体来感染主群体,将主群体的全局进化和病毒群体的局部进化进行动态结合,克服传统遗传算法早熟和收敛慢的缺点。实验证明此算法的有效性。     

混合整数规划问题遗传算法的研究及仿真实现

提出了一种可以处理混合整数规划问题(MIP)的混合遗传算法MIGA。该算法采用二进制映射模式可变长度染色体编码,在进化过程逐渐缩小编码的搜索空间,从而在加快收敛速度的同时改善了迭代的精度,能很好处理离散变量和连续变量的混合整数规划问题。以一纯整数规划问题为例,利用分枝定界算法只能得到唯一的一个最优调度策略,而MIGA算法则可以得到一系列的最优调度策略,对这些最优调度策略进一步的分析,还可以得到调度问题一些灵敏度参数,在实际应用中具有更大的灵活性。     

改进差分进化算法求解化工间歇与连续混合生产过程调度问题

采用统一时间离散化方法,用改进的差分进化算法求解带有限中间存储的连续生产过程和间歇生产过程混合的化工生产调度问题.提出随机产生符合容量约束的任务队列组成染色体的新的编码方式,采用块交叉和块变异进化操作. 为了提高算法全局收敛能力,该文对算法的选择操作进行了改进,并通过Logisic混沌映射方法获得交叉算子CR的取值. 最后,通过化工算例仿真来说明模型和算法的有效性.     

模仿二倍体繁殖的改进遗传算法

针对标准遗传算法和二倍体遗传算法容易陷入早期收敛、末期局部搜索能力差等不足之处,给出了一种忽略等位基因显隐性的二倍体遗传算法的改进方法;模仿二倍体生物繁殖的过程,引入同源染色体交叉、配子重组操作,改进了传统遗传算法的遗传操作过程;在选择过程中采用了结合最优保留的受限选择策略及精英种群方案。仿真结果表明,该改进算法不但能使种群基因保持多样性,有效抑制了算法的早熟收敛,还降低了算法复杂度、提高了搜索精度,使算法能以较快的速度与较高的精度达到全局最优。     

基于主动调度的编码方法及其在JSP中的应用

在对Jobshop问题进行具体描述的基础上,分析了目前利用遗传算法解决Jobshop问题的各种常用的编码方法,提出了一种新的编码方法.该编码方法与主动调度的构成步骤相结合,编码中基因的排列顺序就表示各工序的优先调度顺序,由此产生可行的调度方案,基于该编码方法是以不可重复的自然数为基因进行编码,在遗传操作过程中能采用类似TSP的遗传算子,从而避免了非法调度解的出现.采用该编码方法在遗传算法求解Jobshop问题的过程中,既能满足Jobshop问题的特性,又能体现遗传算法的较强的搜索能力.仿真结果也充分证明了该算法的有效性.     

生产能力约束条件下的柔性作业车间调度优化

柔性作业车间调度问题是经典作业车间调度问题的深化,为解决实际生产系统中作业车间调度资源受限问题提供了方案.从生产能力约束条件出发构建柔性作业车间调度模型,以最大完工时间最小和最大机器负荷最小为目标函数,并提出了基于此的改进遗传算法.该算法采用基于工序和基于机器相结合的编码机制,利用改进多父代交叉算子和多点变异进行遗传操作,在充分保留父代优良基因的同时保证了种群的多样性,克服了传统遗传算法易于早熟或收敛慢的缺点.最后,通过仿真和比较实验,验证了该算法优化生产能力约束条件下柔性车间调度问题的可行性和有效性.     

基于个体协同的子图结构发现混合进化算法

将进化算法与爬山算法的混合进化算法引入图数据挖掘,以克服贪婪式查找易陷入局部极值的问题.针对子图结构发现问题中实例易丢失的特点,提出了一种新的遗传操作--个体协同算子,使得代表同一子结构的不同个体能够以协同的方式进行查找.另外,还提出了一种基于年龄段和个体生成方式的多样性保持方案,以从种群的组成和个体的生成两个方面保持和提高种群的多样性,同时还有助于个体协同算子的执行.在进化过程中随时以新生成的单边子结构替换当前种群中没有潜力的个体的机制在缩小查找空间的同时还使得进化过程成为一个更为完全的查找过程.实验结果表明,以上措施增强了算法的寻优能力,能够获得更优的解.     

应用重启改进进化算法提高柔性作业解质量

重启策略有效提高了概率算法性能。为将重启思想引入协同进化算法,改进了涉及多种群的协同进化算法收敛判断条件。以进化过程中相同解码值的重复解码次数衡量协同种群的稳定状态,用于结束或重启搜索过程。引入重启后的协同进化算法用以求解柔性作业调度问题。实验表明,改进后的算法能有效跳出局部最优,提高解质量和搜索效率。从而为应用协同进化算法求解其他组合问题时提高算法性能提供了一条可行有效的新途径。     

区域覆盖星座结构与参数同时优化的进化算法

针对区域覆盖卫星星座的优化设计问题,设计了一种能同时优化星座结构和参数的进化算法。算法采用固定长度的染色体编码,由星座可能的最多轨道面数和各轨道面内最多卫星数目确定的最多变量个数决定染色体编码长度。根据个体星座的轨道面数和各轨道面卫星数的实际值确定染色体中哪些基因是冗余的,并将这些冗余的基因设为隐性,达到可变维数优化的目的,从而实现星座结构的优化。染色体采用二进制/实数混合编码的方式处理同时具有整数/连续变量的星座优化问题,二进制编码部分采用二进制的进化算子,实数编码部分采用一组星座设计专用的进化算子。在一个虚拟的区域海洋监视卫星星座优化设计中的应用显示了该算法的有效性。     

基于动态影响网的任务联盟演化过程行动策略优选

优化选择一定的行动策略能促使任务联盟向期望的目标效果演化。考虑部分事件/行动在不同时段下影响强度不相一致,使用考虑影响值时变的动态影响网对联盟演化过程行动策略优选问题进行建模,给出因果强度逻辑下概率传播参数设计的一致性条件,并基于因果强度逻辑进行影响值计算。基于物种进化中存在基因漂流的特性,设计一种学习型遗传算法(learnable genetic algorithm, LGA)对行动策略优选模型进行优化求解,通过染色体种群对优秀染色体优势基因位学习,结合有效的遗传和选择算子,加快算法收敛寻优速度。结合空中进攻作战想定案例进行仿真验证,计算结果表明,在部分事件/行动节点影响值变化下进行策略优选,提高了对因果关系的建模能力,所提的学习型遗传算法具有良好的收敛性和较好的寻优能力。     

信息化条件下海上编队区域防空目标分配方法

针对现代海上编队作战是基于信息系统的体系作战客观要求,对信息化条件下海上编队区域防空目标分配问题进行了研究,提出了对空防御拦截水平的概念,建立了多层防御模式下的编队区域防空目标分配模型.为了有效求解模型,综合运用交互式决策思想和遗传算法,提出了一种基于遗传算法(GA)的交互式求解模型的方法.在GA设计中,通过对染色体编码、初始化种群、适应度函数以及遗传运算、选择策略等环节的合理设计,保证了产生个体的有效性,提高了搜索质量,加快了搜索速度.仿真结果表明了模型和算法的有效性,从而为有效解决现代海上编队体系作战的区域防空目标分配问题探求了一条新途径.     

改进遗传算法及其在背包问题中的应用

介绍了一种改进的遗传算法,给出了应用该算法的具体步骤。该算法通过使用二元染色体编码方式,利用基因处于不同状态的概率来表示等位基因,既使染色体具有了更多的信息量,又能够保证遗传算法的收敛性。通过旋转变换实现了染色体的进化,提高了算法的全局搜索能力和收敛速度。并利用组合优化中典型的背包问题对算法进行了验证,并和基本遗传算法的结果进行了比较,验证了算法的有效性     

基于人因学的工作地设施布局的优化设计研究

用 REBA方法将工作地中人的作业动作因素定量化 ,结合物流因素 ,提出了新的基于人因学的工作地设施布局的优化设计模型 ,综合反映物流优化和人因素优化两个方面 .改进了求解工作地设施布局的遗传算法并应用之对模型求解 .实例研究表明 :利用该模型进行工作地设施布局设计 ,不仅保证作业的高效率 ,同时还能减轻职业性肌肉骨骼损伤的风险 .     

基于育种系统管理全局优化算法及其性能

针对遗传类算法收敛精度差和收敛速度慢等问题,本文将育种系统的管理运作思想引入遗传算法,构造了一种新的全局优化算法—育种算法。通过对搜索和进化操作过程进行分析,指出了算法收敛到全局最优的途径和方法,提出了利用简单的随机采样实现全局搜索和采用基因置换技术实现交叉进化的思想策略,建立了算法模型并确定了相应的控制参数和终止准则。实验表明,该算法能够实现精确搜索并实现计算精度和成本之间的平衡,可以避免遗传算法的早熟收敛问题和大量的冗余运算,提高了优化计算的速度和可靠性。     

Job Shop调度问题的遗传退火算法

针对作业车间(JobShop)调度问题,提出了一个遗传退火算法。该算法构造了基于工作的遗传算子,因而保证了遗传进程中生成个体的可行性,有效地解决了工件机器顺序的约束限制。通过对最佳个体进行模拟退火,把模拟退火机制引入到遗传进化过程中,将模拟退火和遗传算法两者的优点有机地结合起来,从而进一步提高了算法的全局寻优能力。仿真计算表明了该算法的良好收敛性和有效性。     

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。     

远缘杂交与政策模拟

生物学中的远缘杂交是创造新品种进化的捷径，计算机模拟是政策研究的有力工具，如果把它们两者结合起来，依据生命原理及操作，将使政策研究进入一个新阶段．本文论述社会系统的染色体，基因算法的操作过程以及使用人工生命方法的政策研究新途径．     

内嵌多准则的遗传算法用于尿沉渣红白细胞的特征选择

针对尿沉渣检测中红白细胞的特征选择问题,提出了结合双向选择的内嵌多准则的改进遗传算法(NMGA)(通过多代进化逐步选中优良特征,在每一代进化中基于多种评价准则进行遗传,分别得出各自的最佳特征子集,然后对其进行"多票投选",得出一个最佳特征子集,然后继续下一代进化,该方法可结合小生境技术共同搜索最佳特征子集。文末采用多个尿沉渣红细胞和白细胞样本进行验证实验,实验结果表明,算法优选的特征集与未进行特征选择和经过普通遗传算法(SGA)特征选择得到的特征集相比,识别率较高,并且优选后的特征子集的特征数较少,明显降低了分类器的维数复杂度。