微粒群算法研究平台设计与实现

在Visual C＋＋编译环境下运行算法代码,DOS界面下输出结果的微粒群算法研究方法缺乏对进化过程的内在了解和数据统计。本文提出一种可扩展的微粒群算法研究平台,平台具有与算法无关的特点,只要遵循平台数据接口的算法都可以在平台中运行。平台采用动态链接库技术实现扩展功能,还具有内部算法运行、图形显示、数据统计、数据导出、...     

动态随机选择的差分进化算法研究

如何有效地均衡可行区域与不可行区域的搜索是约束优化中的关键问题。为使进化算法获得可行的全局最优解,分析了在进化过程中如何对待好的不可行解的问题,通过分析随机排序中比较概率对可行解最终位置的影响,提出一种动态随机选择策略,并以多个体差分进化为框架实现了相应算法。实验对比分析结果说明了这一策略的有效性。     

进化算法及进化理论初探

从进化法则和遗传学的角度出发,讨论了进化算法的生物学原理,找到了其充分的生物学依据,参照自然选择机制,提出了进化算法中的随机选择和竞争性选择机制,最后,总结了进化算法的特点,对其存在问题和发展方向作了综述。     

猴王免疫进化算法

猴王遗传算法具有原理简单、易于计算的优点,但存在猴王点(最优个体)附近空间局部寻优能力弱,进而影响全局搜索能力的局限.通过引入免疫进化算法,对猴王点进行免疫进化迭代优化,使得既加大对最优个体附近解空间搜索的同时,也兼顾了对最优个体附近解空间以外区域的搜索,避免了不成熟收敛;且随着迭代的进行,局部搜索能力不断得到加强,算...     

混合性能指标进化优化算法研究综述

在设计优化问题领域，结合定性指标的系统优化是非常有意义的。本文首先，给出定性指标和定量指标的定义及特点；然后，综述显式和隐式性能指标进化方法；最后，综述解决含有混合性能指标问题的已有优化理论、方法，应用及存在不足。     

基于差分进化算法的神经网络优化设计

【目的】研究解决传统神经网络手动设计网络结构的局限性,并探究差分进化算法对神经网络优化的有效性。【方法】提出了一种基于差分进化算法的多层前馈神经网络的优化设计方案,用以同时完成神经网络的权值空间和网络结构空间的搜索,给出不同场景下的最优网络结构。该算法采用（1+1）-ES二元进化策略,使用一种新的网络结构交叉和变异方法,通过双种群结构共同进化及自适应变异率等策略加快网络结构的搜索以及算法的收敛。【结果】在预测、分类等问题中,基于差分进化算法的神经网络优化设计能够较好地搜索到最优的神经网络结构,并与传统的BP神经网络以及经典的预测分类算法进行比较,实验结果具有较强的鲁棒性。【结论】基于差分进化算法的神经网络优化设计是解决网络结构寻优问题的有效方法。     

PBIL进化算法及其应用

进化计算是近年来发展起来的一种搜索方法，广泛用于求解各类问题，ＰＢＩＬ算法与传统的进化算法不同，将进化获得的知识－学习概率用以指导后代的产生，使搜索更具方向性，因而往往能取得更好的效果。     

多目标进化算法研究综述

简要介绍了多目标进化算法(MOEAs)的基本框架、研究历史、总体分类和主要方法,同时讨论了进化算法(EAs)在多目标优化的应用中的几个关键性问题及今后需进一步研究的工作.     

多目标优化的微分进化算法

将微分进化算法的应用范围从求解无约束单目标优化推广到求解一般情形的多目标优化.与传统优化算法及一般的进化算法相比,该算法特点在于直接将约束条件以及多目标性结合到进化算子中.算例表明,该算法是有效的.     

量子进化算法和免疫算法的比较研究

量子进化算法和免疫算法都是解决优化问题的强有力算法,.在分析了量子进化算法搜索的特点和免疫算法的机理基础上,对它们进行了比较,阐明了了二者的不同特点,并通过仿真实例总结出它们在求解多峰值函数优化问题上各自的优缺点.     

基于进化的产品平台参数规划方法

针对基于可变参数的产品平台,用遗传算法对产品平台参数进行规划,满足各种客户需求.该规划方法无需事先人为指定,而是在满足多样化客户需求的前提下,尽可能提高产品族中设计变量的共性,从而确定最好的产品平台的公共参数及其最优值,以及个性参数及其变化范围.并以一个电动机例子验证了该方法.     

基于双层进化的产品客户化设计

介绍了基于双层进化的产品客户化设计方法,并把进化技术拓展到产品的客户化设计中.在产品平台的基础上,利用进化技术产生更多的变型产品.通过适应度函数的评价,进化后的满意产品将满足客户的定制需求.最后通过实例验证了该方法是有效的.     

动态多目标优化进化算法研究综述

动态多目标优化进化算法主要研究如何利用进化计算方法求解动态多目标优化问题,其已成为进化计算领城一个新的研究课题.本文首先介绍了动态优化问题的分类,然后描述了动态多目标优化问题的基本概念、数学表述,最后在当前对动态多目标优化进化算法的基本原理、设计目标、研究现状及性能度量讨论的基础上,提出了对动态多目标优化问题需进一步研究的关键问题.     

混合量子进化算法及其在多用户检测中的应用

将量子进化算法(QEA)和粒子群算法(PSO)互相结合,提出了两种混合量子进化算法.通过对多用户检测问题的求解表明,新的算法不仅操作更简单,而且全局搜索能力有了显著的提高.     

演化博弈视角下自媒体平台“信息茧房”生成机制研究

随着人工智能、大数据、云计算等新信息技术的发展,信息传播进入新时代。算法凭借其优势,已成为自媒体平台个性化信息传播的核心工具。然而,这种算法驱动的信息传播方式也带来了一系列挑战,如信息茧房。在算法时代下,深入分析信息茧房的形成机制、探究信息茧房的困境的破解办法、规范信息传播是当务之急。本研究从演化博弈理论的角度探讨了自媒体平台推荐算法下信息茧房的形成机制。通过构建自媒体平台与用户之间的博弈模型,本研究分析了信息传播过程中平台和用户的策略选择变化如何导致信息茧房现象。研究发现,通过增加平台推荐异质信息的成本、提高用户接受异质信息的收益,以及政府对同质化推荐策略的惩罚,可以有效减少信息茧房的形成。本研究为规范自媒体推荐算法提供了策略建议,旨在促进信息的多样性和公平性,维护健康的网络信息生态。     

改进进化方向的遗传算法与结构遗传设计

基于Ｙａｍａｍｏｔｏ提出的一种新的进化策略,得到一种改进进化方向的遗传算法。该法用于桁架结构遗传设计,不仅能够提高收敛速度,而且提高桁架遗传设计精度,与梯度下降进化方向遗传算法相比,计算时间大大减少。     

基于免疫进化算法的Bayesian网结构学习

利用免疫进化算法（IEA）, 借助遗传和接种疫苗操作将基于打分和基于约束的两类Bayesian网结构学习方法有机地结合在一起, 提出一种新的Bayesian网结构学习方法. 通过与基于遗传算法的Bayesian网结构学习方法EGA(Expectation & Genetic Algorithm）的对比试验表明, 所提出算法的收敛速度更快、 学习得到网络的精度更高.     

基于进化技术电路设计的研究

基于进化技术电路设计是目前正在发展的新兴研究领域，主要概述了一种进化电路的方法，分析并指出了竿化电路设计的几个因素以及研究方向。     

进化设计思维与进化设计系统

结合思维的瞬间达尔文进行化机制和遗传程序设计的思想,阐述了设计思维的进化过程,在此基础上,提出了进化设计系统的结构,并对其特征和构在键进行了分析,设计是复杂而富创造性的活动,是演化方法和逻辑推理的结合,一方面体现出设计思维的诸多特征;另一方面为形象思维和创造性思维的计算机实现提供了一定程度上的可能性,拓展了设计方法学和设计自动化的研究思路。     

基于Alopex的进化优化算法

提出了一种基于Alopex的进化优化算法。该算法在进化过程中从种群中随机选择2个个体,通过计算2个个体和目标函数值的变化情况,确定算法进一步搜索方向的概率,逐步迭代最终收敛到全局最优。该算法具备基本进化算法的特点,同时具备Alopex算法的优点,即在一定程度上具有梯度下降法和模拟退火算法的优点。对典型函数的测试表明:新算法的全局搜索能力有了显著提高,特别是对多峰函数能够有效地避免早熟收敛问题。