一种多项指标全提升的多目标优化演化算法

针对当前大部分多目标优化演化算法设计复杂、耗时巨大,以及取得的近似Pareto前沿点不够多、分布不均匀、覆盖不完整等问题,提出了一种新的基于粒子群和几何Pareto选择算法的多目标优化PSGPS算法.经过5个测试问题的实验结果表明:该算法使用较低的时间消耗,就能在前沿点个数、前沿点分布均匀性、覆盖完整度等性能指标上都优于当前流行的NSGA2,SPEA2和PESA等多目标优化演化算法.     

基于成员角色的骨干网挖掘算法

基于成员角色,提出了一种骨干网挖掘算法,对football,netscience和hep-th等网络载体进行了实验和数据分析,结果表明所得到的骨干网络能较好体现网络的骨干结构特征.同时提出了一个骨干网性能的度量指标--CP值,实验表明该指标能较好地权衡骨干网规模和中心性等度量因素.     

代价下复杂网络攻击策略有效性研究

为了预测攻击策略的有效性,提出了介数紧致系数、接近度紧致系数2个新的度量指标,并在考虑攻击代价条件下,理论分析了平均度、介数紧致系数、接近度紧致系数3个指标与攻击策略有效性的关系. 选取4种复杂网络作为实验网络,对实验网络在度攻击、介数攻击、接近度攻击策略下进行仿真. 实验结果表明,针对同一网络,度攻击策略最差;相同平均度下,介数/接近度紧致系数越小,则与此对应的介数/接近度攻击策略越有效.      

一维下料问题的自适应广义粒子群优化求解

针对现有粒子群优化算法在求解组合优化问题时粒子速度迭代难以定义的问题,首先将粒子群优化算法与遗传算法相结合,利用交叉算子、变异算子,提出一种广义粒子群优化算法来求解一维下料问题;然后引入模拟退火算法作为自适应策略,避免算法陷入局部最优.仿真实验结果表明,采用自适应广义粒子群优化算法求解一维下料问题具有高效性和鲁棒性.     

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。