基于协进化机制的多传感器协作方法

多传感器之间如何产生动态、鲁棒的适应性协作行为以完成共同的任务,是多传感器协作的主要研究内容之一;文章在基于行为的多传感器系统的基础七,设计了基于协同进化机制的多传感器协进化模型及其协进化决策算法,使系统在协进化机制的控制下能分布并行地协同进化各传感器基本行为策略库,形成传感器适应性的协作行为以完成共同的任务;最后通过对无人侦察机编队协作侦察移动目标的仿真实验表明,能够有效地解决多传感器之间的协同问题.     

基于神经网络和进化算法的混沌序列产生方法

应用具有全局最优的进化规划算法建立产生混沌序列的优化神经网络模型。该模型利用神经网络权值调整的灵活性 ,能够在同一网络结构中产生的多种混沌序列。计算机仿真结果表明 :该模型比 BP算法训练的神经网络模型能更好地重构混沌吸引子 ,调整网络权值即可产生多种混沌序列。     

基于混沌进化算法的输电网阻塞调度

以POOL交易模式为大环境,对电力市场下的输电网阻塞调度方法进行研究。基于DC潮流,利用混沌进化算法具有遍历性和随机性的特性,以及求解高维、非线性复杂优化问题的优势,对发、用电双方均参与的双拍卖模型和仅发电方参与的单一买方模型的阻塞调度过程进行研究。通过算例表明,混沌进化算法是电力市场环境下求解输电网最优阻塞调度问题的有效方法,值得推广应用。     

基于免疫进化算法的小波神经网络的混沌优化设计

针对进化算法中的“退化”问题和小波神经网络的“维数灾”问题,将免疫算法和进化算法相结合,在引入混沌机制的基础上,提出了一种基于免疫进化算法的小波神经网络混沌优化设计方法。该方法既充分发挥了小波神经网络的快速性,又充分利用了免疫算法的全局性、适应性等特点。仿真结果表明了该算法的有效性。     

基于混沌映射的信息摘要算法

利用混沌系统对初始条件和混沌参数非常敏感以及产生的混沌序列具有随机性与不可预测的特性，提出一种构建在Logistic映射上的信息摘要算法，通过将原始明文信息块作为混沌映射的初始值，经过混沌系统的遮代得到系统的输出来构建原始明文的信息摘要，利用Java的BigDecimal类进行了算法的实现，运行结果表明该算法性能良好。     

基于组合进化算法的混沌系统控制与同步

混沌系统控制与同步可通过优化方法设计控制律引导混沌系统轨道来实现.构造适当的适应度函数,将混沌系统的控制与同步问题转化为一个多维的数值优化问题,然后提出一种新的组合进化算法来求解该优化问题.该算法利用佳点集方法初始化种群个体以保证其均匀分布在搜索空间中.在迭代过程中,组合不同进化算子以产生若干个新的子代个体以保持种群的多样性.以典型的Hénon混沌系统为例进行仿真实验,结果表明了该方法是解决混沌系统控制与同步的一种有效方法.     

基于复数编码遗传算法的竞争性协进化策略

将基于复数编码的遗传算法引入竞争性协进化的理论研究中,提出一种竞争性协进化的新策略,即:在仿真实验中,采用2个基于神经网络结构控制的移动机器人,并将它们投入到一个陌生的环境中.其中,一个机器人扮演猎手,另一个扮演猎物,猎手对猎物进行捕捉,最终得到每一代的最好猎手机器人和最好猎物机器人以及它们的适应度曲线.在这个竞争性协进化系统中,基于复数编码的遗传算法主要用于对机器人控制系统的神经网络进行进化.计算机仿真结果表明,与基本遗传算法相比,基于复数编码的遗传算法具有更强的进化能力.     

基于混沌免疫进化算法的汽车主动悬架控制策略研究

提出一种基于混沌免疫进化算法的1/4汽车主动悬架控制方法.在免疫进化算法的基础上,利用混沌运动的特点,对初始种群混沌初始化,且根据个体评价值对群体进行不同幅度的混沌载波,既可保护优秀个体,又可进行遍历搜索,跳出局部极小值,达到快速寻优的效果.仿真结果表明:与免疫进化控制比较,采用混沌免疫进化控制,汽车的平顺性和安全性得到了更好的改善.     

基于混沌映射的信息摘要算法

利用混沌系统对初始条件和混沌参数非常敏感以及产生的混沌序列具有随机性与不可预测的特性,提出一种构建在Logistic映射上的信息摘要算法.通过将原始明文信息块作为混沌射的初始值,经过混沌系统的迭代得到系统的输出来构建原始明文的信息摘要.利用Jave的BigDecimal类进行了算法的实现,运行结果表明该算法性能良好.     

基于Fuch映射的混沌蝙蝠算法

为了改善基本蝙蝠算法(bat-inspired algorithm,BA)的求解性能,提高其搜索效率,避免其搜索过程陷入局部最优,利用Fuch映射对基本蝙蝠算法的局部最优解的邻域和蝙蝠的频率变化区间进行混沌遍历搜索,提出了一种新型混合蝙蝠算法——Fuch混沌蝙蝠算法(FCBA).仿真计算结果表明:与BA相比,FCBA具有较好的收敛性能,能够较快地收敛于测试算例的全局最优解.     

灾变合作型协同进化遗传算法及其在Job Shop调度中的应用

合作型协同进化遗传算法是多个子种群通过协作而共同进化的新型算法,常应用于多目标、大规模的优化问题。本文在合作型协同进化遗传算法的基础上,进一步模拟自然界中的灾变现象,在原先的算法中加入灾变算子,提出灾变合作型协同进化遗传算法,以防止出现不成熟收敛现象,并用经典的函数优化问题和Job Shop车间调度问题进行仿真实验,其结果验证了改进算法的优良性能.     

混沌理论在遗传算法中的应用研究

为了提高遗传算法的搜索能力和效率,将混沌理论引入到遗传算法中。利用Logistic方程构造混沌算子,形成混沌遗传算法。通过实验对混沌算子和杂交算子、变异算子的性能进行了比较,实验数据表明混沌算子具有良好的遍历性。将混沌遗传算法应用在旅行商问题中进行性能检验,结果表明:和标准遗传算法相比,该算法的性能和稳定性都有较大提高。     

基于模糊遗传算法的混沌同步控制算法

连续变量反馈同步法（CVFS）是一种比较简单的同步控制算法，但该算法在实际应用中存在一个关键的问题，即反馈系数当选的整定比较困难。为了解决这个问题，在把模糊遗传算法（FGA）和连续变量反馈同步法（CVFS）相结合，提出了一种基于模糊遗传算法的连续变量反馈同步法（FGACVFS）。仿真结果表明：FGACVFS算法能方便有效地进行整定工作。     

混沌伪并行遗传算法及其在火力分配优化中的应用

剖析了混沌模型的随机性、遍历性和初值敏感性的特点,提出了多种群伪并行混沌遗传算法.把多群体伪并行进化的并行性和混沌运动的内在随机性结合起来,利用不同的混沌扰动策略,把混沌变尺度映射机理应用到种群初始化和中间群体的优化进化实现函数优化.仿真结果表明,混沌伪并行遗传算法比伪并行遗传算法和简单遗传算法具有更快的收敛速度和更高的最优解搜索成功率,可对火力分配进行优化.     

利用混沌遗传算法的几何约束求解器

提出一种新的混合算法--变尺度混沌遗传算法(MS CGA), 该算法把遗传算法和混沌算法混合在一起, 在不改变GA搜索机制的同时, 根据搜索进 程, 不断缩小优化变量的搜索空间及调节系数, 引导种群进行新一轮进化, 从而产生更优的 最优个体, 改善了GA的性能, 有效地克服了GA存在的问题. 实验表明, 该方法用于几何约束 求解的性能明显高于标准遗传算法及其他混合遗传算法, 取得了令人满意的效果.     

一种新的混沌遗传算法及其在多播路由选择中的应用

分析遗传算法的进化过程，提出一种新的混沌遗传算法。该算法利用混沌变量的特定内在随机性和遍历性对基因座空间进行搜索，有效地克服了遗传算法容易收敛于局部最优的缺点，大大提高了遗传算法的寻优速度。在多播路由选择中应用该方法，能快速找到最佳多播路由，显示出了优良的性能。     

基于混沌遗传算法与小波多分辨率分析的岩心图像匹配

针对岩心图像尺寸大,特征信息不明显的特点,充分利用混沌遗传算法的随机性大大减少了传统搜索算法消耗的大量运算时间。利用小波多分辨率分析的方法在小波变换子图像上进行粗匹配,再在原始图像上精匹配,浓缩了岩心图象的特征信息在保证匹配准确度的同时提升了运算速度。将混沌遗传算法与小波变换多分辨率分析相结合,将其应用于大幅岩心图像的配准。实验表明,该方法能够快速而有效地进行图像配准,兼顾了匹配效果和匹配速度。     

基于云遗传的混合混沌粒子群算法研究

为了解决PSO算法种群随机初始化遍历性差、易陷入早熟收敛以及不具备全局收敛性的缺点,提出一种基于云遗传的混合混沌粒子群优化算法,使用均匀性更优的无限折混沌叠映射实现粒子初始化,通过自适应云算子、改进的Metropolis接受准则以及动态调整粒子集规模等策略,实现了云遗传算法和PSO算法的协同,最后通过全局收敛性证明、时间复杂度和实验分析,验证了算法的有效性。     

混沌变步长量子遗传算法

针对多数量子遗传算法在搜索解时没有充分利用搜索过程中的先验知识的问题,结合混沌运动的遍历性和量子遗传算法的群体搜索性,提出一种基于混沌变尺度梯度下降的量子遗传算法.算法采用梯度下降法对量子遗传操作获得的优良个体进行局部搜索,引导种群的进化.结合混沌优化策略产生自适应步长,在搜索初期加快寻优速度,随着搜索逐渐接近最优点,混沌产生的小步长实现在最优解所在的小范围内进行精确搜索.实验结果表明,该方法的综合性能优于传统的量子遗传算法及遗传算法.