基于海明距的改进免疫算法及其在SAT中的应用

免疫算法可以克服遗传算法的早熟和发散现象,是一种有效的全局寻优算法.针对传统基于信息熵的免疫算法的浓度计算中含有过多的对数计算,浪费了机时,影响了免疫算法效率的缺陷;本文提出了一种基于海明距与加速免疫进化的变异算子的改进免疫算法,证明了基于海明距与基于信息熵的浓度定义在控制中所起的作用是等效的,并将这种改进算法应用于S...     

基于量子博弈的产学研协同创新激励机制研究

本文引入了量子博弈的分析范式来研究产学研协同创新的激励机制,构建了产学研协同创新的量子博弈模型.对是否考虑纠缠态的情形做了比较研究,结果表明,考虑了纠缠态后,努力的一方不必再承担对方"背叛"的风险,在一定程度上解决了经典博弈中的"囚徒困境"问题.在产学研协同创新的情境下,协同双方需要在协同开始前商榷并委托第三方确定可被观测到的、易于量化的相关绩效指标,并签订"纠缠合同",确保协同双方均没有动机去采取非量子策略,这时采用最大努力程度的完全量子策略对协同双方来说均是最优的.     

一种新的免疫协同多Agent模型及其仿真分析

提出了一个具有高效问题求解能力的多Agent系统模型.基于生物免疫系统的自适应识别机制,将基因库进化与亲和度成熟、元动力学等要素相结合,设计具有自适应性和强大搜索能力的单Agent结构,多个Agent基于形态空间模型协同演化并涌现出智能求解能力.模型采用基于群体的多点随机搜索以及多Agent完全并行的执行方式,是一种新型协同演化模型.仿真实验结果证明了模型的有效性.     

求解连续空间优化问题的量子差分混合优化算法

借鉴量子计算的相关原理和差分进化思想,提出一种用于连续空间优化问题的量子差分混合优化算法。算法的核心是构造由决策向量的分量和量子位概率幅为等位基因的实数编码染色体;采用依据染色体的具体形式设计的互补变异进化部分优秀个体,以加快算法的收敛速度;利用差分进化思想进化部分随机选取个体,以保持算法的全局搜索能力和鲁棒性。对Benchmark函数测试表明,该算法具有寻优能力强、搜索精度高和稳定性好的特点。应用该算法求解路基沉降预测模型参数估计问题,能够有效提高实测沉降数据的拟合精度.     

-种求解TSP问题的改进克隆选择算法

为提高人工免疫算法求解旅行商(TSP)问题的效率,提出了一种基于抗体局部最优免疫优势的克隆选择算法(Local Optimization Immunodominance Clonal Selection Algorithm),通过局部最优免疫优势,克隆扩增,动态高频变异等相关算子的操作,提高抗体亲和度成熟的效率,同时引入浓度调节,与抗体克隆删除等操作增加抗体群的多样性,在深度搜索和广度寻优之间取得了平衡.实验结果表明:该算法在收敛速度与最优解等方面均取得了较好的效果.     

求解复杂系统可靠性冗余问题的量子萤火虫算法

针对复杂系统中冗余优化设计难度大、可靠度和系统成本难以达到既定要求的问题,提出了一种量子萤火虫算法。该算法将量子理论与萤火虫算法有效融合,通过采用量子位实数编码和量子旋转门的方式,扩展了萤火虫的寻优空间,使算法的全局搜索能力和搜索效率得到提高,利用量子旋转门使量子态|0〉和量子态|1〉进行有效转换,避免了萤火虫在领域半径内大面积聚集的现象,防止了算法过早陷入局部最优值。通过基准函数和典型算例对该算法进行仿真测试和对比分析,实验结果验证了该算法的有效性和可行性。     

带时间窗车辆路径问题的量子蚁群算法

带时间窗的车辆路径问题(VRPTW)是VRP的一种重要扩展类型, 是组合优化中的一个NP难题, 针对蚁群算法在求解VRPTW问题时易陷入局部最优和收敛速度慢的问题, 本文结合量子计算提出一种求解VRPTW的量子蚁群算法(QACA). 通过定义人工蚂蚁的转移概率, 增加量子比特启发式因子, 以及用量子旋转门实现信息素更新, 从而提高算法的全局搜索能力, 有效避免了算法陷入局部最优. 经一系列VRPTW的仿真实验表明, 量子蚁群算法较蚁群算法在求解VRPTW问题上具有更好的性能, 通过与其他算法的比较, 进一步说明量子蚁群算法是可行有效的.     

基于相位编码的量子蚁群算法

针对蚁群算法只适用于离散优化问题的局限性和收敛速度慢的问题, 提出一种适合连续优化的量子蚁群算法. 该方法直接采用量子位的相位对蚂蚁编码. 首先基于信息素强度和可见度构造的选择概率, 选择蚂蚁的前进目标; 然后采用量子旋转门更新描述蚂蚁位置的量子比特, 完成蚂蚁移动; 采用Pauli-Z 门实现蚂蚁的变异增加位置的多样性; 最后根据移动后的新位置完成蚁群信息素强度和可见度的更新. 由于优化过程统一在空间[0,2π]ⁿ 进行, 而与具体问题无关, 因此, 对不同尺度空间的优化问题具有良好的适应性. 以函数极值优化和聚类优化为例, 仿真结果表明该方法的搜索能力和优化效率明显优于普通蚁群算法和标准遗传算法.     

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.     

采用十进制免疫遗传算法求解高校排课问题

论文深入分析了高校排课问题, 建立了其数学优化模型, 构建了其基本求解框架. 针对高校排课问题的特点, 引入遗传算法来加以解决, 设计了多种改进方案, 包括: 十进制编码方案、初始种群生成方案、适应度函数设计方案、免疫策略、 自适应交叉概率和自适应变异概率设计方案. 仿真结果表明该算法能够满足高校排课问题的多重约束条件, 能更有效地解决高校排课问题.     

小生境免疫算法解决作业车间调度问题

针对免疫算法在解决组合排序问题时一般表现不佳的问题,采用多克隆算子以及独特的浓度控制机制形成具有增强搜索能力的新型免疫算法。多克隆算子与遗传算法中的交叉算子近似,它拓宽了普通免疫算法仅凭高变异方式形成的狭窄搜索空间;基于小生境的浓度控制机制借鉴生物学上的小生境概念,通过相似个体群中选择概率的不均衡分配有效避免算法掉入局部陷阱。所构造的小生境免疫算法在对多个作业车间调度算例的仿真过程中体现了较好的效果。     

改进的人工免疫算法求解武器-目标分配问题

为提高武器-目标分配（weapon-target assignment, WTA）模型求解的实时性与精确度,针对人工免疫算法（artificial immune algorithm, AIA）提出了一系列改进措施。在采用自适应锦标赛选择算子的基础上,引入“(1+λ)-选择”全局更新技术以提高算法的全局寻优能力,引入Memetic局部更新技术以提高算法的局部搜索能力,采用最优抗体抑制机制减小了AIA陷入局部最优的危险。仿真实验结果显示,改进的人工免疫算法（improved AIA, IAIA）具有较快的收敛速度及较高的收敛精度,满足WTA问题解算需求。     

双系统合作式协同进化算法求解不可分解函数

针对不可分解函数求解问题,基于合作式协同进化(cooperative co-evolutionary,CC)框架,发展一种双系统协同进化算法。该算法给出一种双系统A,B的 CC框架新结构形式及其相应的协调机制,以增加算法的多样性和收敛性;给出双系统A,B各自求解的两种算法,例如差异进化、改进粒子群算法选择原则和匹配方式,使该两种算法具互补性,并且与双系统A,B各自角色相匹配,目的是提高基于CC框架双系统算法的计算性能。经不可分解函数集(维数D=1 000)测试表明,本文算法计算性能(计算精度和标准差)与其他3种典型算法相比,对于其中某些函数求解占优,总体上4种算法对函数集的求解各有所长,具有互补性。     

Quantum-inspired ant algorithm for knapsack problems

The knapsack problem is a well-known combinatorial optimization problem which has been proved to be NP-hard. This paper proposes a new algorithm called quantum-inspired ant algorithm (QAA) to solve the knapsack problem. QAA takes the advantage of the principles in quantum computing, such as qubit, quantum gate, and quantum superposition of states, to get more probabilistic-based status with small colonies. By updating the pheromone in the ant algorithm and rotating the quantum gate, the algorithm can finally reach the optimal solution. The detailed steps to use QAA are presented, and by solving series of test cases of classical knapsack problems, the effectiveness and generality of the new algorithm are validated.     

有能力约束车辆路径问题的量子进化算法

针对有能力约束车辆路径问题,构造一种具有量子旋转门和灾变操作的量子进化算法.算法采用0-1矩阵编码方式, 通过量子旋转门实现进化,引入灾变操作保证解空间的多样性,采用最邻近插入法结合2-Opt法再优化线路内次序.选取基准实例进行实验仿真, 通过与文献中其它算法进行性能比较,表明文中提出的量子进化算法是一个有效求解有能力约束车辆问题的方法.     

基于群体智能免疫算法的PID自整定

传统的PID整定方法得到的结果通常不是最优参数,很多学者采用遗传算法和模拟退火方法来解决这个问题.针对遗传算法很容易陷入局部最优值和模拟退火算法收敛速度慢这些缺点,融合了粒子群算法和人工免疫机理的优点,提出了一种基于群体智能的免疫算法,对典型二阶对象进行PID控制器参数优化整定.仿真结果证明了提出的算法有效可行.     

基于机会性中继的加权协同路由算法

协同路由技术通过节点间相互中继转发数据,可以有效地提高网络的性能。提出了一种无线Ad hoc网络中的机会性加权协同路由算法,加权的量度分别是中继的剩余能量和节点间的信道状态信息,同时给出了协同路由模型及策略, 并基于NS 2进行了仿真。相对非协同的目的序列距离矢量路由协议,比较了机会性加权算法与最佳信道状态以及最大剩余能量算法的性能差异。结果表明,该算法获得了以上两种算法服务质量（递交率和网络寿命）之间的折衷,并且通过调整加权因子,可以权衡两个量度的比重以满足不同网络性能的需要。     

量子K最近邻算法

为减少经典K最近邻算法的时间复杂度,提出了量子K最近邻算法(QKNN)。介绍了QKNN算法的构造步骤,然后为减少量子计数子程序的运行时间,进一步将固定的K值修改为可变的k,形成改进的k可变的量子最近邻算法(QkvNN)。为弥补由于最近邻个数K变化带来的分类错误率上升的影响,在Boosting算法框架下,用三个由QkvNN算法训练的弱分类器,去构造了一个强分类器,从而提高单独运行QkvNN的分类精度。在此算法中,由于利用了量子计算的强大能力,使得经典K最近邻算法的时间复杂度从O(N)减小为O(N)。     

视觉着陆三维合作目标结构设计与定位算法

随着垂直起降无人机的应用热潮,学者们对基于合作目标的视觉着陆方式做了大量研究.针对现有平面合作目标对无人机着陆的局限性,从抗遮挡鲁棒性以及减少其它传感器辅助两个角度,设计了一种新型的三维立体合作目标与定位算法.基于合作目标空间特征,结合多边形的遮挡特性以及自然界的色彩信息,采用归纳法设计出三维合作目标;同时,利用合作目标的几何成像特点,提出仅基于视觉信息的用于着陆导引的位置解算算法;鉴于相机成像的变比例特性,推导出特征提取投影偏差与位置解算精度的关系,并深入分析了对后者的影响.基于Simulink平台搭建相机成像仿真系统,验证了合作目标具有极高的抗遮挡鲁棒性和位置解算精度,并且在多数位置下,偏差估计误差在0.01 m以内,并且不考虑投影偏差的影响下位置解算误差不超过0.1 m,符合设计以及实际应用需求.