无定向拓扑连接的并行遗传算法及其变异算子改进

为解决巨量优化问题,在Internet平台下为并行遗传算法提出一个新的拓扑结构———无定向拓扑连接。该拓扑连接既允许驻留子种群的计算机节点中途退出,又允许新的计算机节点随时参与进化,增强了算法的鲁棒性和容错性能。针对传统浮点变异算子的不足,提出一种新的二元浮点补码变异算子,讨论了它在克服早熟收敛方面的作用。实验表明,提出的算法能显著提高寻优质量,节约寻优时间;新的变异算子能有效阻止遗传算法陷入局部极值,进一步提高了遗传算法的寻优能力。     

基于Internet全球优化模式的进化计算

分析了进化计算的并行化原理，提出了并行进化计算中新的应用平台——Internet，给出了粗粒度并行遗传算法具体实现的方法．基于Internet的并行进化计算能够充分利用Internet的计算机资源，运行成本低，是解决巨量优化问题的有效方案，对于科研和工程应用具有重要的意义．     

区间分解优化的遗传算法及其在Internet环境下实现

为解决遗传算法面对复杂多模态函数优化问题时易陷入局部极值的问题,提出一种区间分解优化思想。通过区间分解,可以找到问题的多个局部最优解和全局最优解。同时,将算法在Internet环境下实现,既减少了算法的寻优时间,又节约了算法的运行成本。实验表明,区间分解优化方案能有效克服遗传算法陷入局部极值,大幅度提高算法的寻优性能。     

基于Internet的并行遗传算法及其关键实现技术

为解决大规模复杂优化问题,针对遗传算法的并行化原理和常用运行平台进行分析,提出了并行遗传算法新的应用平台———Internet,讨论了基于Internet的并行遗传算法(Internet basedparallelgeneticalgorithms,IPGA)实现中的关键问题,并给出其单向环拓扑的具体实现。实验表明,IPGA可显著节约寻优时间,提高寻优质量,并且能够充分利用互联网中闲置的计算机资源,节约运行成本,有助于解决巨量优化问题。     

基于模式定理的遗传算法参数研究

为了解决遗传算法(GAs)的参数选择问题,分析了自然进化各阶段对物种的影响,探讨了影响模式生存的各种因素,引入了模式形成概率(PCS)的概念.通过分析模式的形成概率对算法性能的影响,从理论上建立了遗传算法参数与其性能之间的联系.提出了一种基于逻辑算子的遗传算法(GALO),并在实验中从多方面对GALO进行性能测试.实验结果验证了理论分析的正确性.