一种有效的基于实数编码的多目标遗传算法

针对实数编码遗传算法提出了一种通用的基于决策变量的复合交叉算子,并将之用于多目标优化问题的求解,算法效果良好,一定程度上解决了高维多目标优化问题在用遗传算法求解时收敛性差这一难题.通过实验首次揭示了交叉点数对多目标遗传算法性能的影响.     

用基于快速排序的MOGA求解MOKP

0/1背包问题是一类典型的组合优化问题,且属于NP完全问题.多目标遗传算法通过一次运行可以搜索到多个解,同时具有比规范遗传算法更强的求解问题的能力.该文将基于快速排序的多目标遗传算法应用于多目标0/1背包问题中,可以快速、高效地找出多个最优解.实验表明该方法能够获得满意的效果.     

有模糊目标的可靠性设计一个混合遗传算法

给出了求解带有模糊目标的可靠性设计问题的一个混合遗传算法．该方法利用模糊集隶属函数的特性将各子目标函数模糊化处理为能够反映各子目标相对重要程度、具有加权指数的协调满意度函数形式；通过加权函数再将各子目标的协调满意度函数综合成统一的单目标优化模型，然后用遗传算法求解模型，用Hooke-Jeeves方法改进遗传算法的群体，得到一个混合遗传算法，最后给出实例验证该方法的有效性．     

化学试验中多目标优化问题计算方法的初探

本文以一实际的优化问题为例初步探讨网络法在化学试验的多目标优化计算的应用，获得了满意的结果。实践表明，网格法可以用于多目标优化计算，迅速方便地实现多目标优化的目的。     

∈-最优解与相应的ε-有效解的关系

考虑多目标优化问题中ε-有效解存在的必要条件。主要讨论了多目标优化问题的三种纯量化方法，并确定了多目标优化问题的ε-有效解和三种纯量优化问题的∈-最优解的相应关系。     

一种求解H2/H∞控制问题的局部正交多目标遗传算法

针对H2/H∞多目标控制问题的求解,提出一种新的混合多目标遗传算法,以解决遗传算法局部搜索能力差的不足.此算法首先运行多目标遗传算法,以便使解集快速地达到Pareto最优解附近,然后运用一个新的局部优化算法对先前得到的外部Pareto解集进行进一步的局部优化.实例仿真表明,此算法有较强的全局和局部搜索能力,可以提高搜索的效率,适用于绝大多数H2/H∞多目标问题的求解.     

机械系统可靠性模糊多目标优化设计的综合协调法

针对用常规优化方法难以处理具有相互矛盾属性的机械系统可靠性多目标优化设计问题，提出了一种基于模糊优化决策的综合协调函数法。该方法利用模糊集隶属函数的特性将各子目标函数模糊化处理为能够反映各子目标相对重要程度，具有加权指数的协调满意度函数形式；通过动态时变的协调校正加权函数再将各子目标的协调满意度函数综合成统一的单目标优化模型，然后用常规优化方法即可求出原多目标优化模型的满意解。最后给出一个实例以验证该方法的有效性。     

遗传算法用于UWB天线设计

运用遗传算法研究一种超宽带微带对数周期天线,程序中采用了低电压驻波比和高增益多目标函数. 对比分析了遗传优化结果和传统方法设计结果,制作了实物天线并进行测试,获得了很好的结果. 所设计的天线能以较好的电特性和场特性工作在L和S两个波段,验证了遗传算法在此类型超宽带天线设计中的有效性.     

一类规划问题最优解的存在性和唯一性

本文讨论了一类多目标规划问题，得到了最优解存在和唯一的充分条件。     

ε-最优解与相应的ε-有效解的关系

考虑多目标优化问题中ε-有效解存在的必要条件.主要讨论了多目标优化问题的三种纯量化方法,并确定了多目标优化问题的ε-有效解和三种纯量优化问题的ε-最优解的相应关系.     

基于特殊选择的抽象进化算法的收敛性

首先定义了抽象选择算子和抽象进化算子，基于这两种算子给出了一般抽象进化算法的定义．特别讨论了一种基于特殊选择的抽象进化算法，根据状态空间的分类，分析了这种特殊选择进化算法种群的一步转移概率矩阵的性质，最后证明了这种算法的Markov链存在极限概率分布．     

元胞空间结构下的文化算法

针对以往文化算法种群空间没有地域的概念,信念空间缺少文化的进化机制,以及求解优化问题时寻优精度不高且易陷入局部最优等缺陷,提出一种新的基于元胞空间结构的文化算法. 将元胞空间网格分别嵌入文化算法计算框架中的种群空间和信念空间以模拟文化算法的双层进化体系;对于种群空间,将进化个体分布于下层元胞网格,并对网格进行地域划分,使每个地域内的个体均以差分进化算子独立进化;对于信念空间,将进化信息放入与种群空间地域对应的上层元胞网格当中,利用文化的扩散机制实现文化的进化. 实验结果表明,该算法具有收敛精度高以及全局搜索能力强等优点,在处理高维复杂优化问题时同样具有优势.     

基于混合进化计算的GMM优化方法及其在说话人辨认中的应用

提出了基于进化高斯混合模型(EGMM)的说话人辨认系统建模方法.EGMM在进化算法的框架下,为改善模型的泛化性能对GMM模型的结构与参数共同进行了优化.同时,系统的优化目标中引入了其他用户的区分性信息以提高其分类精度.根据GMM的特点设计了专门的遗传算子并结合GA与EP提出了一种新的混合进化算法.初步实验结果表明,EGMM方法建立的说话人模型具有更强的泛化能力.在说话人辨认实验中,较之传统的GMM方法,基于EGMM的系统的正识率提高了近3%,并且模型具有更小的平均尺寸.     

求解TSP的演化算法

提出的计算ＴＳＰ的新算法具有如下特色：１）把演化计算与分枝定界算法相结合；２）面向网络的分布式并行计算，因而它在多方面比通常的分枝定界算法优越，实例证明了这点。     

基于混沌克隆的混杂多目标免疫优化算法

针对遗传算法求解高维多目标问题时易于早熟、陷入局部搜索等缺点.本文借鉴生物免疫系统的混沌现象及其自适应性和并行性,提出一种混杂多目标免疫优化算法(HMIOA).算法基于混沌映射产生初始抗体群并利用混沌规律克隆优秀抗体;根据抗体的被控度和抗体间的拥挤距离设计抗体的亲和力;算法在进化过程中对不同子群采取不同突变方式;借助Average linkage聚类法更新记忆细胞等.数值实验中,选取两种著名的多目标进化算法和一种克隆选择算法,应用于4种不同类型的高维多目标优化问题,比较结果表明:HMIOA所获Pareto有效面较大的控制其他算法所获Pareto有效面,且有效面的分布较均匀.     

自然遗传算法及其性能分析

在为种群大小遗传算法的基础上引入“种群阈值”及“移民”等概念,并采用动态调节交配率及变异率等措施,提出了一种自适应的遗传算法。该算法通过模拟自然界的“生老病死”过程来实现问题求解,并力求解决遗传算法的参数控制及过早收敛等问题。且介绍了该算法的基本思路,并对其性质进行了分析。     

约束最优化问题的一种进化规划方法

用进化规划对约束最优化问题提出了一种新的惩罚函数方法,该方法含有一个自适应惩罚参数校正方法,可以随个体的总数变化进行调整,它可以很快地脱离局部最优解而收敛于全局最优解.算法中只有很少的几个参数需要校正,故其比较简单且计算便捷.给出的仿真例子表明算法具有很好的收敛速度和很高的精确性.     

基于小波系数方向特性的图像融合新算法

介绍了图像的提升方案小波变换蓑统计了图像经小波变换后各高频子带系数的方向区域特性,据此提出了一种新的基于小波系数方向特性的图像融合方法．对于低频子带的每个系数,采用加权平均的融合规则确定低频融合系数;对于各高频子带的每个系数,根据其所在子带的方向特征,采用方向特性的融合规则确定高频融合系数．本文对多幅图像进行了融合仿真实验,并用信息熵和平均梯度对融合结果进行了客观的评价．实验结果表明,基于小波系数方向特性的图像融合算法要优于传统的融合算法,具有一定的实用性．     

语音识别中结合进化计算的MMI训练方法

将最大互信息(MMI)和进化计算(EC)相结合,引入到HMM的训练中去.各个模型用个体来表示,个体的适应值采用模型的最大互信息.这样借助于演化计算的全局搜索及种群的特点,得到了基于最大互信息估计的HMM模型的更优解.实验结果表明,用该方法训练所得的系统识别率高于传统的基于梯度的最大互信息估计方法训练所得的系统.