最优化问题的蚁群混合差分进化算法研究

 在最优化问题求解中,针对采用混合差分进化算法中突变运算的不同选择产生结果存在较大差异,同时提高算法收敛速度与避免早熟,提出在混合差分进化法中,使用蚁群算法进行选择适当的突变运算,加速搜寻全局解,并通过中国旅行商问题的求解表明其有效性。     

基于约束网络的产品进化设计

为解决约束条件下的产品设计问题,以复杂网络理论及图论为指导,建立了基于约束网络的产品创新设计模型.该模型从设计约束库中筛选相关要素作为约束变量,构建设计约束网络;利用对偶图计算约束网络中心性指标,实现节点重要度排序,进而归纳出设计约束问题并进行求解;最后建立一套基于约束的产品进化设计系统.以夜光杯为对象进行实例研究,构...     

一类总体极值问题的进化计算法

给出一类总体极值问题的进化计算方法 ,研究了进化计算随机搜索的机制特征     

最优化与不等式

本文通过讨论三种类型的约束优化问题,利用Kuhn—Tucker条件导出著名的钟开莱不等式、算术一几何平均不等式, Cauchy—Schwarz不等式,HoIder不等式及其推广。     

基于主动网络的最优化流量控制

主动网络的分布式计算能力为网络流量控制提供了新途径,将网络的流量控制归结为一个用户收益的全局最优化问题,提出了改进的分布式算法来求解并设计了基于这种算法的主动网络最优化流量控制协议,证明了通过选取适当的收益函数,只需在主动结点中提供FIFO的调度机制就可根据用户需求分配不同的带宽,从而达到了区分服务的目的,仿真结果证明了协议的有效性。     

迪昂的科学进化观

迪昂的科学进化观Ｐ．Ｄｕｈｅｍ′ｓＶｉｅｗｓｏｎｔｈｅＥｖｏｌｕｔｉｏｎｏｆＳｃｉｅｎｃｅ￥／／李醒民（中国科学院研究生院，研究员北京１０００３９）皮埃尔·迪昂（ＰｉｅｒｒｅＤｕｈｅｍ，１８６１～１９１６）是法国著名物理学家、科学史家和科学哲学家。他...     

互熵方法：组合最优化、蒙特卡罗模拟及机器学习的统一方法

本书是施普林格出版社出版的《信息科学与统计学》丛书中的一本。互熵方法是近年来随机最优化和模拟中最为重要的发展。本书详细地解释了互熵方法是怎样工作以及为什么工作的，对互熵方法做了一个全面和易于理解的介绍。互熵方法诞生于1997年，当时本书的第一作者提出了利用互熵最小化技术的稀少事件模拟的自适应算法，随后很快发展为被用来解决相当普通的组合与多值最优化问题，包括许多与学习算法领域和神经计算领域相关的问题。     

利用共同进化算法的基于网络的分布式规划

本书是《智能控制与智能自动化》丛书的第13卷。本书介绍的利用对象功能的分布式（基于网络作决策的有效及可缩放共同进化算法）是在一网络化的环境中被开发，该环境中网点间通讯则是系统性能中的主要因素。用于这一类共同进化的算法是通过随机过程理论和数学分析技术来介绍的。作者使用了分布式基于网络的作决策实例研究来介绍共同演化作决策框架的实施与详细的评估。该框架结合了分布式代理与移动代理。本书中讨论的方法学对于在公司企业系统的内部及周围的分布式基于网络的环境中的工程原理与实践能够产生根本性地影响。此外所描述的分布式决策系统方法及其概念性框架，     

极大似然估计与最优化数值方法

本文研究了可靠性分析中基于不完全样本数据寿命分布参数的极大似然估计(MLE)的最优化数值解法,并且对威布尔(Weiull)分布和对数正态分布分别给出了具体的随机模拟计算结果.     

最优化算法在BP网络中的应用

BP（Back Propagation）网络是在1986年以Rumelhart和Mccelland为首的科学家小组提出,它是按误差逆传播算法训练的多层前馈网络,已成为目前应用最为广泛的神经网络模型之一。它的学习规则是使用最优化算法中的最速下降法,根据此得到的最优解来通过反向传播来不断调整网络的权值和阈值,以使网络的误差平方和最小。     

基于进化计算的符号网络社区检测

符号网络是一种具有正负项关系的社会网络,对其社区结构的检测可以挖掘其中有用的信息.将符号网络划分为全正和全负的子矩阵分别进行操作,同时引入更加适合符号网络社区检测的相关策略,如基于标签传播的种群初始化、改进的双点交叉算子、带局部搜索的突变算子等.在基准网络和随机网络上的测试数据表明,本文算法具有较好的检测社区检测效果.     

基于进化策略的随机存储模型求解

采用进化策略和基于随机模拟的进化策略求解随机存储模型，给出了基于Matlab的算法实现和典型存储问题的计算结果，并通过对几个典型实例的分析说明上述方法是有效可行的。     

模糊数据的线性最优化问题

本书详细地讲述了求解含有模糊数据的数学模型的最优化方法，如随机线性规划方法、区间线性规划、凸集和模糊数据集线性规划等，对模糊数据线性最优化理论框架也给出了详尽的说明，并论述了近年来这一领域的最新科研成果。     

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。     

一个与Powell搜索相结合的混合免疫进化算法

提出一个求解无约束最优化问题的新的混合算法——Powell搜索法和免疫进化算法的混合算法.该算法不需要计算梯度,容易应用于实际问题中.通过对免疫进化算法的修正,使混合算法具有更加精确和快速的收敛性.利用4个基准测试函数进行仿真计算比较,结果表明新混合算法在解的搜索质量、效率和关于初始点的鲁棒性都远优于免疫进化算法,仿真结果表明了新算法是求解无约束最优化问题的一个高效的算法.     

基于粗糙集属性约简与进化算法的贝叶斯网络分类器

提出一种新的学习无约束贝叶斯网络分类器的算法（RE-BNC）.该算法基于粗糙集理论,在保证分类精度不变的前提下,先对冗余属性变量进行约简,降低属性变量维数,然后构建一个无约束优化模型用来学习较好的初始种群,降低搜索空间,再结合进化算法学习分类器的网络结构.与其他常见的8种分类器算法相比较,实验结果表明该算法设计合理,且分类效果较好.     

数字多路选择器单级及二级逻辑网络的最优化设计Ⅰ

基于一个逻辑函数的数字多路选择器实现，实际上是将该函数的真顶点按该网络的控制变量的取值进行分类的观点，利用布尔代数运算，讨论了数字多路选择器模块M（p）的可实现性，给出了数字多路选择器单级逻辑网络的最优化设计方法．给出的设计实例说明了这种方法是有效而可行的．     

不可微最优化问题的随机增量次梯度方法

在Hilbert空间中不可微最优化问题的增量次梯度方法收敛性的基础上,研究随机的增量次梯度方法,这种方法每次迭代过程中,子迭代的搜索方向是随机给出的.本文主要研究的是具有缩减步长的随机增量次梯度方法的收敛性,证明这种方法产生的迭代点列拟Fejér收敛;迭代点列所对应的函数列收敛以及迭代点列弱收敛到某种形式的最优解集.