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。     

读者之声:学术制高点

 放眼世界科学研究发展的历程,提高国际学术地位、建立国际学术威望十分重要。从根本上,学术贡献大小永远是学术制高点内涵,但从战术上看,国际学术社会中,有许多涉及到学术影响力的关键活动,是那些学术大师们必须十分重视的内容。在这些具有战术意义的活动中,尤其以专著、会议、学会和杂志最为重要。     

基于帕累托前沿关系求解约束多目标优化问题

为解决约束多目标优化问题中的平衡约束满足与目标函数优化以及可行域复杂等挑战,提出了基于不同帕累托前沿关系的分类搜索方法。提出一种双种群双阶段框架：进化一个辅助种群Pa和一个主种群Pm,并将进化过程分为学习阶段和搜索阶段。学习阶段,种群Pa向UPF(unconstrained Pareto front)进行搜索,而种群Pm向CPF(constrained Pareto front)进行搜索,旨在探索UPF与CPF之间的关系;完成学习后,对不同问题的UPF与CPF关系进行分类,以指导后续搜索策略;在搜索阶段,根据不同的分类关系,调整种群Pa的搜索策略,旨在使种群Pa为种群Pm提供更有效的辅助信息。基于此算法框架,对不同类型约束多目标优化问题的帕累托前沿关系进行了分类,实现了对CPF更有效的搜索。实验结果表明：所提算法与其他7种先进的约束多目标优化算法相比具有更显著的性能优势。通过学习与利用UPF与CPF的关系,能够选择更合适的搜索策略去应对具有不同特性的约束多目标优化问题,以获得更具优势的最终解集。     

基于进化规划的新型生物地理学优化算法研究

生物地理学优化算法是一种新的全局优化算法,但该算法存在搜索能力不强的缺点. 针对此不足,提出一种基于进化规划算法的实数编码混合生物地理学优化算法,新算法将进化规划的搜索性与生物地理学优化算法的利用性进行有机结合,从而达到搜索性与利用性的平衡.通过13个高维标准测试函数对算法进行测试, 验证了新算法的有效性.与基本生物地理学优化算法和两种经典的进化规划算法进行比较,结果表明新算法优于所比较的三种算法. 此外,新算法在收敛速度上优于基本生物地理学优化算法.