隔离小生境遗传算法研究

小生境技术的引入,提高了遗传算法处理多峰函数优化问题的能力。本文提出了基于隔离机制的小生境技术,隔离小生境技术具有生物学基础,不仅能够有效地保证群体中解的多样性,而且具有很强的引进化能力。计算机模拟旅游商推销问题的结构表明,基于隔离小生境技术的遗传算法在求解 杂多峰优化方面是很有效的。     

解多目标优化的均匀正交遗传算法

在多目标优化中，各目标通常相互冲突且不可公度，其最优解(常称为Pareto最优解)往往有无穷多，如何在最优解集合中求出一组分布均匀且数量充足的代表解供决策者选择十分重要,论文将均匀设计、正交设计与遗传算法相结合给出了解多目标优化的一种新方法，并证明了其全局收敛性,新方法用少的计算量便可求出一组在最优解集合中分布均匀且数量充足的最优解,计算机仿真也表明这种方法对不同的试验函数均可用少的计算量求出一组在最优解集合中分布均匀且数量充足的最优解。     

基于均匀设计的多目标遗传算法在柔性工作车间调度中的应用

采用均匀设计技术合成多个适应度函数以提高搜索方向的空间均匀性,并针对多目标柔性工作车间调度问题的特点,设计了基于工序顺序和基于机器分配两种交叉变异的操作以及小生境技术、精英保留策略和遗传操作自适应调整策略来提高种群的多样性和搜索的效率。实验证明,本文提出的算法所得结果比较理想。     

一种可用于数值优化的一维智能体遗传算法的研究

针对复杂寻优问题,提出了一种新的遗传算法-一维智能体遗传算法(CAGA).该算法采用一维链式智能体网络结构,实现动态邻域竞争选择、正交交叉和自适应变异,可更好的保持种群多样性,从而获得较优的优化精度.实验采用了多个多维复杂函数进行了优化实验,结果表明,该遗传算法比其他多个著名优化算法可获得更优的优化结果.     

基于整数编码遗传算法的均匀设计表构造

均匀设计的核心问题是均匀设计表的合理构造,其实质是一个以某类均匀度为目标的优化问题.将寻优能力极强的遗传算法引入该构造过程使均匀设计表的自动构造成为可能.研究结果表明,与方幂生成向量法,正交设计扩展法,拉丁方法以及门限接受法等常用方法相比,基于整数编码遗传算法的均匀设计表构造法可获得各种混合水平,n较大的Un(qs)(q≤n)表,且计算精度高,速度快,稳定性好,并易与其它智能算法相结合,具有较高的应用价值.     

基于多智能体的作战仿真系统成员设计

介绍了应用多智能体技术设计基于HLA平台的作战仿真系统的成员设计方法、并对应用模糊推理机技术，构建仿真成员的方法进行了详细说明．该方法提高了作战仿真系统的仿真效果，是Agent技术在作战仿真系统上的探索和应用．     

基于竞争策略的链式智能体遗传算法用于特征选择的研究

针对特征选择问题,提出了基于竞争策略的链式智能体遗传算法(LAGA).该LAGA算法包含链式智能体网络结构,邻域竞争,自适应交叉,自适应变异,优良个体替换策略,自适应结束等部分,该算法能较好的保持智能体的多样性,在进化中既较佳的继承了优良个体的基因,又有效地搜索了新的空间.多组实验结果表明,通过该算法选择得到的最优特征子集具有较好的稳定性,较高的识别准确率和较低的网络分类器维数复杂度.     

基于多智能体的电力软科学智能实验室研究

针对电力软科学研究的复杂性、不确定性,总结了电力软科学研究包括的类别,采用最新的信息集成标准、CORBA规范,基于多智能体技术,应用复杂适应系统理论与智能工程理论,提出了电力软科学智能实验室建设框架和开发思路,并详细讨论了其实现方式。该体系结构采用开放式信息集成技术,方便已有软件的集成和功能扩展,可以为其它行业的软科学实验平台的研究和实现提供参考。     

多智能体组织运作的环境

多智能体组织与传统组织在运作机理、组织方式和适用领域等多方面有着显著的不同,因而其与环境的关系也有着不同于传统组织理论的内涵与要求,并由此导致了不同的组织环境管理观.多智能体组织的环境作为组织运作的媒介、条件和共同构成的更大系统的一部分,一定程度上决定了组织运作的效果.因此,研究多智能体组织环境的内容与特点,对该类组织的设计及其环境管理具有重要理论意义.本文从单智能体的生存环境和多智能体的沟通环境两个方面,讨论多智能体组织环境的内涵、遵循原则和对智能体活动提供支持的内容,探讨影响多智能体组织环境构成的因素.     

基于自适应SGD-多智能体的防空资源部署优化

针对分布式环境下的战场指挥资源部署存在的效率低、速度慢、无法达到预期战略、数据集过大导致计算资源损耗过大等问题,提出了一种分布式环境下多智能体联盟的指挥控制资源部署优化算法。通过对深度学习中的梯度下降算法进行学习率的改进,将原本设定的学习率改为自适应的学习率,进而对指挥控制资源部署进行多智能体联盟的设计。仿真证明了该算法对此问题具有优越的适应性,可以高效地解决分布式环境下的多智能体联盟的指挥控制资源部署优化问题。     

一种自适应多Agent协同遗传算法

提出了一种自适应多Agent协同遗传算法。该算法由协调控制器下的多个相对独立的Agent组成,每个Agent都是由简单遗传算法构成的计算实体。协调控制器根据每个Agent的产出和成长性,自适应地分配计算资源,使有限的资源得到更加合理的利用。各Agent之间通过个体迁移和跨域交叉进行协作,个体迁移为A gent引入新的遗传基因,跨域交叉能产生出更加优良的后代个体,从而改良各个个体种群的品质。测试结果表明,该算法具有很好的收敛性能     

基于分层遗传算法的模糊控制器在线优化设计

针对模糊控制器的优化问题,提出了一种基于改进的分层遗传算法在线优化设计方法。该算法在分层遗传算法的基础上修改了信息交换方式,采用自适应交叉算子和变异算子,并改进了变异算子的变异方式,使其能在现有最优解基础上进行更精确的局部搜索,提高了搜索速度和精度;同时,使用了具有约束的时间与绝对误差乘积积分(ITAE)型性能指标函数,能够对系统的稳态误差、超调量和上升时间进行有侧重的优化;并结合最小二乘参数在线辨识技术,实现了时滞时变系统模糊控制器的参数和结构在线同步快速优化。仿真实验证明了该方法的有效性。     

基于遗传算法的类零相关多相码设计

距离高分辨多输入多输出（multiple input multiple output,MIMO）雷达体制下,目标回波可能跨越多个距离单元,因此要求发射信号在主瓣附近具有较低的自相关旁瓣和互相关。针对这一问题,提出了一种基于遗传算法的类零相关多相码设计方法。该方法选择具有零相关特性的零相关码集为初始群体,然后针对零相关码的特性,对遗传算法的交叉和变异操作进行了优化设计。通过把相关信号能量向远离主瓣的区域挤压,获得的多相码在主瓣附近具有较低的自相关旁瓣和互相关。最后,计算机仿真验证了该方法的有效性。     

Intelligent vehicle lateral controller design based on genetic algorithmand T-S fuzzy-neural network

1.INTRODUCTION Effectivelateralcontrolisthepremiseofintelligent vehicle(IV)tracking.However,duetothenon lin earityandparameterstime variety,thelateralcon trollerdesignisadifficulttask.Manyworkshad beendoneforvehiclelateralcontrollerdesign.Ref.[1]usingstandardlinearquadraticcontrolapproach,Ref.[2]usingsliding modelapproach,Refs.[3～5]usingH infinityapproach,Ref.[6]usingnonlinear gain optimizedapproach,Refs.[7,8]usingfuzzy logicalapproach,studythelateralcontrolproblem,respectively.Refere…     

基于仿真模型的排队规则遗传优化算法研究

排队规则是排队系统的重要组成部分, 直接关系到排队系统的运行效率. 本文以具有复杂结构的排队系统为研究对象, 构建了排队系统仿真模型; 进一步地, 考虑排队规则的多样性特征, 提出了基于排队系统仿真建模的排队规则遗传优化算法, 并进行了算法的优化设计. 基于眼科医院实际数据的分析结果表明, 与先来先服务(FCFS)排队规则相比, 本文提出的方法所得到的排队规则可以将平均住院等待人数减少1/2以上, 并可实现系统的长期稳定性. 论文工作实现了系统仿真与遗传优化算法的有效结合, 对优化复杂系统的排队规则、提高排队系统的运行效率具有积极意义.     

基于多Agent的可控网络安全系统研究

移动安全Agent扫描各客户主机的漏洞,采集记录异常活动的审计日志,实现事前和事后的安全保障,但移动Agent自身的通信和迁移的安全性同样重要.首先结合硬件特征属性密钥和用户信息,实现基于Agent技术的多因素认证系统,在认证基础上,利用非对称加密技术和密钥管理,保障Agent通信和迁移的安全性.Agent作为软件,容易受到外部破坏,采用检测代理,通过Agent的协作,利用地址解析协议对网内节点的扫描,将广域网扫描机制转化为简单易行的内网扫描,从而保障客户主机中认证Agent的部署可靠性.实验结果表明,该系统效率高,可扩展性、通用性好.     

一种基于相位比较的量子遗传算法

针对量子遗传算法不适于连续函数优化的问题,提出了一种改进的量子遗传算法。该算法直接将量子染色体与当前最优解相比较来确定旋转门的旋转角,种群中各个体以不同速率向最优解进化以同时实现全局搜索与局部搜索,引入变异操作以防止算法早熟收敛。对该算法及其全局收敛性进行了分析后,将其用于函数极值求解与PID控制器的参数优化,并与遗传算法和量子遗传算法进行比较。仿真结果表明该算法具有较好的寻优性能。     

Solving DCLAP-MSN based on hybrid genetic algorithm

The dynamic capacitated location allocation problem in the military supportive network (DCLAP-MSN) is a representative of combinative optimization problems, and its optimization process is complicated. For this reason, a dynamic capacitated location allocation model is provided firstly. Then, a hybrid heuristic algorithm which combines genetic algorithm, repair algorithm of solutions and greedy search, is proposed as the solving method.The optimization performance is improved by effectively integrating the repair algorithm of solutions and greedy search with genetic optimization. The experiment results indicate that the proposed algorithm is a feasible and effective method for the problem.     

基于分布式协商进化算法的多Agent目标冲突消解

针对多Agent系统研究中的目标冲突消解问题,建立了在多个Agent的局部目标和系统全局目标间进行协调优化的多目标优化模型.在多Agent分布式规划的框架下,提出了一种基于遗传算法(genetic algorithm,GA)的分布式协商进化算法,用于求解多目标规划模型.针对GA搜索中保持解的多样性、提高收敛速度等问题,对选择算子进行了设计.通过仿真实验,证明新的选择算子能有效提高解的质量.最后将该算法应用于部队机动协同路线规划的目标冲突消解问题,验证了其有效性.     

基于多智能体强化学习的多机器人协作策略研究

研究了一种基于智能体动作预测的多智能体强化学习算法. 在多智能体系统中,学习智能体选择动作不可避免地要受到其他智能体执行动作的影响,因此强化学习系统需要考虑多智能体的联合状态和联合动作.基于此,提出使用概率神经网络来预测其他智能体动作的方法,从而构成多智能体联合动作,实现了多智能体强化学习算法. 此外,研究了该方法在足球机器人协作策略学习中的应用,使多机器人系统能够通过与环境的交互学习来掌握行为策略,从而实现多机器人的分工和协作.