基于混沌克隆的混杂多目标免疫优化算法

针对遗传算法求解高维多目标问题时易于早熟、陷入局部搜索等缺点.本文借鉴生物免疫系统的混沌现象及其自适应性和并行性,提出一种混杂多目标免疫优化算法(HMIOA).算法基于混沌映射产生初始抗体群并利用混沌规律克隆优秀抗体;根据抗体的被控度和抗体间的拥挤距离设计抗体的亲和力;算法在进化过程中对不同子群采取不同突变方式;借助Average linkage聚类法更新记忆细胞等.数值实验中,选取两种著名的多目标进化算法和一种克隆选择算法,应用于4种不同类型的高维多目标优化问题,比较结果表明:HMIOA所获Pareto有效面较大的控制其他算法所获Pareto有效面,且有效面的分布较均匀.     

一种新的多移动机器人协调路径规划方法

针对动态环境中多移动机器人路径规划问题,提出了一种基于知识的遗传算法。该算法路径表示简单,所设计的基于知识的遗传算子并入了领域知识和局部搜索技术,同时,把领域知识并入初始种群,大大提高了遗传算法的效率;将协调路径适应值矩阵引入基于知识的遗传算法,实现了多移动机器人协调路径规划。仿真结果验证了该算法在多移动机器人路径规划中的可行性和有效性。     

基于动态区域划分的多种群进化算法

针对多种群进化算法中解空间无法准确划分的问题,在进化过程中利用云模型估计优化问题.根据云估计与原问题的差异动态划分解空间;采用聚类算法构建多个子种群,并设计异构进化策略;对区域划分的有效性进行理论分析,证明划分方法能准确缩小搜索空间.实验分析表明:所提出的划分策略既可降低优化问题难度,又能提高算法的有效性与可行性.     

基于差异进化算法的医学图像配准方法

基于互信息的医学图像配准是一种目标函数的优化问题,但传统优化方法往往由于目标函数收敛到局部极值而导致错误的结果.该文将差异进化算法引入到医学图像配准中,利用其收敛特性避免互信息测度优化陷入局部极值,实现了多模态医学图像的配准.实验数据表明,以互信息测度为目标函数的医学图像仿射配准中,差异进化算法优于Powell算法和模拟退火算法.     

基于量子人工蜂群算法的配电网多目标优化重构

为了保证配电网优化运行,本文以系统网损最小、节点最低电压幅值最大、开关操作次数最少为目标构造配电网多目标优化重构模型,采用量子人工蜂群算法和帕累托(Pareto)支配关系求解.针对易于陷入局部最优解问题的人工蜂群算法,引入量子理论来进行蜂群的搜索,扩大了全局搜索范围,使其收敛于全局最优解,对于多目标问题,采用拥挤度来控...     

一种带差分进化策略的多分布进化算法

结合分布估计算法的强全局收敛能力和差分进化算法的快速收敛性能,提出了一种带差分进化策略的多分布进化算法（multi-distribution evolutionary algorithm with differential evolution,MDEA_DE）。为了进一步提高算法的全局收敛性能,MDEA_DE采用了基于分布种群的多分布进化机制,并通过三种高斯分布模型生成具有较好多样性的高质量解种群。同时,利用搜索空间调整策略来提高高斯分布模型的精度,并执行解空间中的改进差分进化搜索以获得增强的局部开发能力。对基准测试函数的数值试验结果表明,MDEA_DE能够在全局探索和局部开发之间取得较好的平衡,能快速收敛到复杂优化问题的全局最优解。     

改进人工蜂群算法求解多目标连续优化问题

多目标连续优化问题是实际应用和科研中最普遍的问题之一,也是学术界研究重点之一.根据人工蜂群算法求解过程,修正算法中的不足之处,改进算法中存在的盲目搜索,减少丢失算法中的优秀个体,以人工蜂群算法作为进化策略,整理改进方案.改进方案包括有:第一,针对基本人工蜂群算法中变异算子对整体基因搜索的不足,提出基于人工蜂群算法算子和变异算子相融合的自适应搜索算子,在一定程度上可以根据基因优良程度自动调整搜索范围,提高人工蜂群算法搜索行为的准确性.第二,利用搜索数据结果形成新的基因个体,在一代搜索结束后,剩余的个体与新个体的组合成新的种群,使得人工蜂群算法在进行过程中最大程度的保存下优良的基因.通过研究比较发现,改进的人工蜂群算法在求解多目标连续优化问题中具有比较好的收敛性和分布性.     

改进的分布估计算法在配电网故障定位中的应用

针对配电网馈线故障定位所采用的智能算法存在的初始种群规模大、迭代次数多、容易早熟收敛等缺点,采用细菌觅食算法与分布估计算法相结合的方法来实现配电网的故障定位.将分布估计算法的全局搜索优势与细菌觅食趋化算子的局部搜索优势相结合,从而改善分布估计算法存在的局部搜索能力不足和早期收敛慢的特点.实例表明,改进的分布估计算法可以有效解决多源开环配电网故障定位问题,并具有良好的准确性、快速性和容错性.     

基于Pareto Front的多目标遗传算法

多目标优化是非常重要的研究课题，基于Pareto Optimum的多目标遗传算法非常适合于求解多目标优化问题．本文讨论了不带参数的多目标遗传算法，提出了用排除的办法来构造进化群体的非支配集，同时给出了新群体的构造方法。实验结果表明，本文所讨论的方法比较国际上已有的方法具有更快的收敛速度。     

元胞空间结构下的文化算法

针对以往文化算法种群空间没有地域的概念,信念空间缺少文化的进化机制,以及求解优化问题时寻优精度不高且易陷入局部最优等缺陷,提出一种新的基于元胞空间结构的文化算法. 将元胞空间网格分别嵌入文化算法计算框架中的种群空间和信念空间以模拟文化算法的双层进化体系;对于种群空间,将进化个体分布于下层元胞网格,并对网格进行地域划分,使每个地域内的个体均以差分进化算子独立进化;对于信念空间,将进化信息放入与种群空间地域对应的上层元胞网格当中,利用文化的扩散机制实现文化的进化. 实验结果表明,该算法具有收敛精度高以及全局搜索能力强等优点,在处理高维复杂优化问题时同样具有优势.     

Cholesky分解在协方差矩阵恢复中的使用

针对基于稀疏扩展信息滤波的同步定位与地图创建(simultaneous localization and mapping,SLAM)问题,分析并比较了最近邻数据关联、极大似然数据关联以及联合相容性检验数据关联的原理,阐述了边缘协方差矩阵恢复的必要性.在此基础上提出一种利用Cholesky分解由信息矩阵准确恢复协方差任意元素的方法,该方法具有较高的计算效率.在仿真实验中将该方法与协方差边界估计法比较,并分别用于3种数据关联算法的比较分析,表明所提出的方法适用于多种数据关联方法,能在保证定位精度的同时有效控制算法复杂度.最后对各种数据关联算法在稀疏扩展信息滤波SLAM中的性能进行了讨论.     

基于混合进化计算的GMM优化方法及其在说话人辨认中的应用

提出了基于进化高斯混合模型(EGMM)的说话人辨认系统建模方法.EGMM在进化算法的框架下,为改善模型的泛化性能对GMM模型的结构与参数共同进行了优化.同时,系统的优化目标中引入了其他用户的区分性信息以提高其分类精度.根据GMM的特点设计了专门的遗传算子并结合GA与EP提出了一种新的混合进化算法.初步实验结果表明,EGMM方法建立的说话人模型具有更强的泛化能力.在说话人辨认实验中,较之传统的GMM方法,基于EGMM的系统的正识率提高了近3%,并且模型具有更小的平均尺寸.     

基因表达式算法的并行化及其在函数发现中的应用

分析了基因表达式编程(GEP)算法的优点与不足,提出了一种基于消息传递接口(MPI)的并行GEP算法(PGEP),并将该算法应用到函数发现问题中.与传统GEP算法的对比实验表明并行的GEP算法具有更好的求精能力.     

基于共同进化遗传算法的机器学习

提出一种基于共同进化遗传算法的机器学习方法，该方法将训练环境与学习者群体共同进化，由不断进化的训练环境为学习者提供一个进化的阶梯．该方法克服了学习系统过分依赖于问题的背景知识的缺陷，使得学习者逐步探索新的知识．将该方法应用于一维细胞自动机的规则学习任务，通过实验结果表明，可以获得较之以往实验更加优良的结果．     

机械系统可靠性模糊多目标优化设计的综合协调法

针对用常规优化方法难以处理具有相互矛盾属性的机械系统可靠性多目标优化设计问题，提出了一种基于模糊优化决策的综合协调函数法。该方法利用模糊集隶属函数的特性将各子目标函数模糊化处理为能够反映各子目标相对重要程度，具有加权指数的协调满意度函数形式；通过动态时变的协调校正加权函数再将各子目标的协调满意度函数综合成统一的单目标优化模型，然后用常规优化方法即可求出原多目标优化模型的满意解。最后给出一个实例以验证该方法的有效性。     

多目标规划问题的同伦方法

考虑多目标规划问题的组合同伦内点法,构造了一个新的组合同伦映射,在某些基本条件下证明了由该映射可以得到一个有界光滑同伦路径.数值追踪这条路径,可以得到多目标规划问题(MOP)的K-K-T点及相应的Lagrange乘子.     

考虑SVC影响的电力系统多目标交易计划

提出一种基于最优潮流、计及SVC影响，同时考虑经济效益和环境效益的电力系统多目标交易计划模型．首先对各单目标确定性模型求解，得到目标函数值，其次对目标值进行一定程度的伸缩，并定义目标隶属度函数，将确定性问题模糊化．接着采用最大满意度法将多目标问题转化为单目标问题，然后采用非线性规划方法求解，得到新的潮流结果．仿真结果验证了算法的有效性．     

新型2T2R并联机构及其位置求解

基于五自由度4-UPU并联机构演绎出一种新型四自由度4-UPU/PPS并联机构. 通过螺旋理论分析可得,该机构具有两个移动和两个转动（two-translational and two-rotational, 2T2R）自由度,在此基础上建立了该模型的位置关系方程. 由于位置正解复杂,以机构各驱动支链长度为约束对象,建立了无约束非线性优化适应度函数. 提出一种动态变权重的多目标粒子群优化算法来搜索此函数的全局极小点,从而将位置正解问题转化为一个多目标优化问题. 随机选取20 组并联机构实际输入进行位置正解计算,计算结果与动平台实际位置和姿态吻合,解决了该机构位置正解的求解问题.