基于退火加速的差分进化算法改进及应用

差分进化算法(DE)是一种简单有效的启发式全局搜索技术,为解决DE算法运行过程中存在的算法收敛早熟、收敛速度慢和求解精度不高等问题,提出了一种基于退火加速的差分进化算法.该方法在传统DE算法基础上,以退火概率来增强算法的局部开发能力,并利用Hooke-Jeeves算法加快收敛速度,在充分发挥Hooke-Jeeves算法局部探测能力的同时保持了DE算法的全局性能.仿真结果表明,该算法比基本DE算法收敛速度快、精度高,是一种有效的全局优化算法.     

基于进化规划的文化算法

讨论了基于进化规划的文化算法，阐述进化规划如何嵌入文化算法以及信念空间用区间约束网的表示．用9个非线性约束优化实例进行测试，结果表明，约束数目越多，信念空间对问题的解决所起的作用越明显．     

基于进化规划的文化算法

讨论了基于进化规划的文化算法,阐述进化规划如何嵌入文化算法以及信念空间用区间约束网的表示.用9个非线性约束优化实例进行测试,结果表明,约束数目越多,信念空间对问题的解决所起的作用越明显.     

基于进化规划算法的原料库存优化系统

库存控制是现代企业特别是连续生产企业物流管理的一项重要内容.针对某有色冶金企业原料库存的实际情况,建立了一个以资金损耗最小为直接性能指标的原料库存优化模型,并利用一种进化规划的算法对该模型进行优化.仿真及实际运行结果表明进化规划的搜索过程比较平稳,同时还能加快遗传进化的速度,得到了令人满意的全局最优解.     

带宽优化的进化算法

介绍了实值优化问题的进化算法，自然进化是基于群体的优化过程，在计算机上模拟自然进化过程形成统计优化技术．同传统优化方法相比，进化算法具有全局优化的优点，而且适合复杂的实际问题．带宽优化是寻找结点编号的最佳排列，使得刚度矩阵的带宽最小．传统方法一般求得带宽的局部极小值，而带宽优化进化算法可求得带宽的全局最优解     

模拟进化优化方法

本扼要介绍了模拟进化优化方法中的两个分支－遗传算法和进化规则,同时将进化规划与基于梯度的寻优技术有机地结合起来,提出了一种新的全局寻优算法一启发式进化规划,最后给出了数值算例,说明了此类方法在求解组合优化问题以及具有不可微的目标函数或约束条件复杂的非线性优化问题的优越性。     

基于进化策略的K-means聚类算法

针对K-means聚类算法易陷入局部极小以及K值选取的问题，提出一类基于进化策略的聚类算法，可以有效地搜索最优聚类中心和聚类个数K；还提出了确定K值范围的经验公式，以减小搜索空间，提高搜索效率，并给出了理论分析．相对遗传算法而言，本方法鳊码简单，种群较小．对Fishers iris数据集的仿真实验表明，该方法得到最优解的可能性比经典算法大得多．     

基于均匀网格的进化规划算法及其应用

提出一种新的进化规划算法－基于均匀网格的进化规划算法。该方法不仅能够加愉普通进化规划算法的收敛速度，而且能够有效地保证种群的多样性，此外，由于均匀网格方法的引入，非常有利于多模态函数的全局优化，并用该方法求解具有多个极值点的函数优化问题，计算机仿真实验结果表明该方法是非常有效的。     

基于改进进化算法的无人机航迹规划

基于进化算法的无人机航迹规划已经得到了广泛的研究;但是由于其进化算子的多样化,还存在许多不足之处。针对现有进化算法的缺点引入一种新的坐标系,提出了一种定向进化策略,使每个航迹点根据具体情况进行定向变异。为了测试改进算法在航迹规划中的避障能力,进行了一系列的仿真实验。仿真结果表明基于改进进化算子的进化算法在无人机航迹规划应用中具有很大的优越性。     

微进化算法

人类能够根据所积累的经验与知识,有效地引导人类社会的不断进化.受此启发,基于人类社会中趋同与趋异行为过程的有机结合,提出了一种新型的群体智能优化方法——微进化算法.采用若干benchmark函数进行了数值实验,结果表明,微进化算法求解速度快、计算精度高、鲁棒性强.此外,算法控制参数少,易于使用.该算法是一种新型有效智能优化算法.     

求解非线性优化问题改进的进化规划算法

针对带有边界变量的非线性优化问题,提出了一种改进的进化规划算法.该算法首先把每个个体看作为带有不同质量的粒子,根据目标函数值定义个体的质量.基于聚类思想,选取一定数量的点,然后利用选取的点分别求出于每个点相对应的重心,以每个点与其重心的连线方向为变异方向.最后把该方法应用到几个典型数值例子中,并与基本进化算法进行比较,数值结果表明算法是可行的、有效的.     

基于进化规划算法的图像聚类研究

将进化规划算法应用于图像聚类问题,对问题的解进行符号编码,采用群体智能模式实现问题解的搜索.利用进化规划算法的变异算子和选择算子可以有效提高算法的全局搜索能力,采用高斯变异算子保证了优秀解的多样性,降低了进化操作的复杂性.仿真实验证明基于进化规划算法的图像聚类算法具有可行性和准确性.     

进化规划改进算法及其在舰载导航中的应用

为解决设计BP神经网络时所遇到的网络参数和连接权重难以确定,在随机扰动下不能达到最佳效果,学习时间较长难以满足系统实时性要求等问题,引入进化神经网络.根据舰载导航的要求及特点,对基于进化规划的BP神经网络进行设计,并将之应用于舰载导航系统中.仿真结果证明,该方法加快了神经网络的收敛速度,解决了BP神经网络存在的问题.并在舰载导航系统外观测数据不可得时,规避卡尔曼滤波所存在的问题,从而保证了卡尔曼滤波器的正常运行,进一步提高了舰载导航系统的精度.     

一类针对带约束优化问题的进化规划算法

提出了一种适用于求解带约束优化问题的进化规划方法,其中关键的变异算子采用基于行为的架构,事先设计一系列子变异算子,如使得个体适应度函数值趋向最小方向的变异算子、逃避约束方向的变异算子、种群总体平均适应度函数值趋向最小方向的变异算子等,通过加权平均的方法决定总变异方向．结合小生境技术及最优个体保存的选择策略,该算法能在同时保证种群的多样性和个体的全局最优性的情况下快速地求得带约束条件下的最优解．仿真结果表明,该进化规划算法是可行的．     

Finding global minima with a new dynamical evolutionary algorithm

A new dynamical evolutionary algorithm (DEA) based on the theory of statistical mechanics is presented. This algorithm is very different from the traditional evolutionary algorithm and the two novel features are the unique of selecting strategy and the determination of individuals that are selected to crossover and mutate. We use DEA to solve a lot of global optimization problems that are nonlinear, multimodal and multidimensional and obtain satisfactory results. Foundation item: Supported by the National Natural Science Foundation of China (No. 60133010, NO. 60073043 and No. 700/1042) Biography: Zou Xiu-fen(1996-), female, Ph. D candidate, Associate professor, research direction: evolutionary computing, parallel computing.     

Novel evolutionary algorithm for global numerical optimization with continuous variables

Evolutionary algorithms (EA) are a class of general optimization algorithms which are applicable to functions that are multimodal, non-differentiable, or even discontinuous. In this paper, a novel evolutionary algorithm is proposed to solve global numerical optimization with continuous variables. In order to make the algorithm more robust, the initial population is generated by combining determinate factors with random ones. And a decent scale function is designed to tailor the crossover operator so that it can not only find the decent direction quickly but also keep scanning evenly in the whole feasible space. In addition, to improve the performance of the algorithm, a mutation operator which increases the convergence-rate and ensures the convergence of the proposed algorithm is designed. Then, the global convergence of the presented algorithm is proved at length. Finally, the presented algorithm is executed to solve 24 benchmark problems. And the results show that the convergence-rate is noticeably increased by our algorithm.     

Novel evolutionary algorithm for global numerical optimization with continuous variables

Evolutionary algorithms (EA) are a class of general optimization algorithms which are applicable to functions that are multimodal, non-differentiable, or even discontinuous. In this paper, a novel evolutionary algorithm is proposed to solve global numerical optimization with continuous variables. In order to make the algorithm more robust, the initial population is generated by combining determinate factors with random ones. And a decent scale function is designed to tailor the crossover operator so that it can not only find the decent direction quickly but also keep scanning evenly in the whole feasible space. In addition, to improve the performance of the algorithm, a mutation operator which increases the convergence-rate and ensures the convergence of the proposed algorithm is designed. Then, the global convergence of the presented algorithm is proved at length. Finally, the presented algorithm is executed to solve 24 benchmark problems. And the results show that the convergence-rate is noticeably increased by our algorithm.     

半定规划的一个非内部连续化牛顿算法

基于Chen—Mangasarian光滑函数，给出一个求解半定规划的非内部连续化算法．所给算法拥有一些好的特性，在较弱的条件下，证明了算法有好的定义而且全局(线性)收敛到一个原问题的最优解。     

符号几何规划的全局优化算法

利用指数变换及对目标函数和约束函数的线性下界估计,提出一个求符号几何规划(SGP)问题全局解的确定型全局优化算法,并证明了算法的收敛性.数值实验表明提出的方法是可行和有效的.     

基于递阶进化规划的RBF网络设计新方法

针对RBF神经网络的特点 ,提出一种递阶进化规划算法 ,利用此方法同时对网络的拓扑结构和网络参数 (权值、隐节点中心和形状参数 )进行优化 ,克服梯度算法需要求导且易陷入局部极小的弱点 ,分别对单入单出和多入单出非线性函数的建模问题进行了仿真 ,验证了该算法的有效性