基于进化规划的文化算法

讨论了基于进化规划的文化算法，阐述进化规划如何嵌入文化算法以及信念空间用区间约束网的表示．用9个非线性约束优化实例进行测试，结果表明，约束数目越多，信念空间对问题的解决所起的作用越明显．     

一种新的微分进化文化算法

考虑到文化算法的双重性和微分进化在解决约束优化问题中的优异,提出用微分进化来模拟文化算法的群体空间,完成其微观方面的进化.根据群体空间调整文化算法的信念空间并设置相应的通讯协议——accept()和influence().最后,用典型实例对微分进化文化算法进行测试,结果显示出它在解决约束优化问题的优越性.     

一种求解约束优化问题的进化规划型文化算法

为了求解复杂约束优化问题,提出了一种新的进化算法——进化规划型文化算法。求解过程中,在基于自适应的文化算法中引入进化规划,有效利用进化过程中相关知识引导种群进化。针对约束优化问题,对这一算法的信念空间进行了设计,并利用基准函数和丁烯烷化生产调度问题进行了仿真,仿真结果表明该算法具有较好的全局搜索能力,而且大大减少了计算量。     

一种求解复杂约束优化问题的文化算法设计

分析和设计了一种基于进化规划的文化算法,并研究了该算法在解决复杂约束优化问题中的应用.该研究的主要新特征是采用进化规划来对群体空间建模,并根据相应的群体空间,对信仰空间在进化过程中如何提取、存储和更新各种知识源进行了详细的分析和设计,并将所得到的新知识用来指导群体的进化过程.为验证算法的有效性,使用了一个典型的基准测试函数进行了仿真实验,并与目前其他较好的约束优化处理算法进行了详细比较,仿真结果表明,该算法具有更好的优化性能以及更低的运算代价.     

模糊交货期Flow Shop调度文化进化算法研究

基于文化算法及文化进化思想设计了的文化进化算法,通过上层文化空间的经验知识指导下层个体进化搜索的方向及步长,通过模拟人类社会文化进化的机制实现文化空间的进化与更新,最后将算法应用到模糊Flow Shop问题的求解,用Matlab编程仿真测试.结果表明,此算法解决生产调度优化问题是可行的,而且其搜索性能优于简单遗传算法及模拟退火算法.     

基于双群体的非线性约束规划进化算法

在求解非线性约束规划问题中,对其约束条件的处理是一个难点问题.本文提出了一个非线性约束规划的双群体进化算法,与以往存在的约束优化算法不同之处在于:定义个体对约束条件的函数值作为约束违犯度对群体中的个体进行度量,目标函数值作为最优解的度量.首先考虑了标准的约束规划问题,简单介绍了约束优化问题中约束条件的处理方法,给出了与这些方法不同的处理方法.针对约束违犯度,定义了两个群体,即可行群体与不可行群体.然后给出了双群体进化算法详细步骤,用5个Benchmark函数测试了此算法,并通过与其它已知算法对此5个函数的计算结果的比较,验证了算法的可行性和有效性.     

概率积分法参数反演的文化-随机粒子群优化算法

为解决传统方法在概率积分法参数反演中存在的反演过程发散问题.将粒子群优化(PSO)算法纳入到文化算法(CA)框架中,提出了概率积分法参数反演的文化-随机粒子群优化(CA-rPSO)算法.以随机粒子群优化(rPSO)算法作为信念空间的进化算法,并将PSO作为群体空间的进化算法,形成两者独立并行进化的"双演化双促进"机制,按照误差平方和最小化准则构建适应度函数,反演出概率积分法参数.研究结果表明:对于常规布设形式的地表移动观测站,基于CA-rPSO反演概率积分法参数的收敛成功率为1.该结论具有较高的实用价值,且对矿山其它复杂参数寻优问题有着一定的指导意义.     

求解非线性约束优化问题的进化规划算法

给出一种求解带有非线性约束优化问题的进化规划算法,此算法能避免将约束问题转化为无约束问题,计算时间较短且算法稳定性强,通过数值计算得到最优解.     

基于文化算法的投资组合规划问题求解

运用两种版本的文化算法对投资组合的非线性规划模型进行求解,并与进化规划算法进行了比较.仿真实验表明,与进化规划相比,文化算法的两个版本均能以更快的速度稳定地收敛到全局最优解,因此采用文化算法求解此类非线性优化问题更为有效.     

基于文化算法的新型Elman网络的过程建模方法

文化算法从微观（种群空间）和宏观（信念空间）两个层面上模拟文化的双重进化继承过程,为进化搜索机制和知识存储的结合提供一个构架。建立基于输入输出数据生产过程的统计模型时,参数估计是其中的关键,文化算法为此提供了有效途径。本文在Elman神经网络的基础上提出了一种新的改进型Elman网络模型——OAIF-Elman（Output-Add-Input Feedback Elman）网络来建立乙烯装置中裂解深度软测量模型,并结合文化算法来优化其网络权值。实验表明：文化算法比标准遗传算法搜索性能更优,搜索时间更快,同时也得到了满意的裂解深度模型。     

求解TSP问题的文化蚁群优化算法

将蚁群系统(Ant Colony System,ACS)纳入文化算法框架,提出了一种新的高效文化蚁群优化算法(Cultural Ant Colony System,CACS)。该计算模型包含基于蚁群系统的群体空间和基于当前最优解的信仰空间,两空间具有各自群体并独立并行演化。群体空间定期将最优解贡献给信仰空间,信仰空间采用随机2-OPT交换操作,对最优解进行变异优化;经演化后的解个体用来对群体空间全局信息素更新,帮助指导群体空间的进化过程,从而达到提高种群的多样性、防止早熟、降低计算代价的目的。针对典型的旅行商问题(TSP)进行对比实验,验证了所提出的算法在速度和精度方面优于传统的蚁群系统。     

基于遗传和粒子群结合的文化算法

针对粒子群优化(PSO)算法的"早熟"现象,给出了基于遗传和粒子群结合的文化演化算法.该算法将PSO/GA纳入文化算法框架,形成PSO的主群体空间和GA的信仰群体空间,两群体空间可以独立并行演化,并在适当的时机实现信仰群体空间对主群体空间的引导,达到改善粒子群优化算法全局搜索能力、提高计算精度的目的.仿真表明,该算法的优化性能和效率优于PSO算法、GA算法和GA-PSO混合算法.     

改进的进化规划算法

针对一般的非线性规划问题,把聚类思想、Hooke—Jeeves方法与进化规划算法结合起来给出了改进的进化规划算法,并把给出的算法应用到两个数值例子上,数值结果表明算法是有效的。     

基于文化混洗蛙跳算法求解连续空间优化问题

针对混洗蛙跳算法在求解高维函数时易陷入局部最优解的问题, 提出一种文化混洗蛙跳算法, 利用群体空间和信念空间的个体通过接受函数和影响函数完成 信息交换和全局寻优. 首先, 信念空间个体通过螺旋更新和随机游走的方式在较优个体附近寻找更优个体; 其次, 群体空间的最差个体通过借鉴不同知识平衡局部寻优与全局探索的关系, 进而提高算法的寻优精度并加快收敛速度; 最后, 将该算法与12种智能算法进行寻优对比, 对典型高维基准函数的测试结果表明, 该算法的收敛精度和计算速度均较好.     

基于文化混洗蛙跳算法求解连续空间优化问题

针对混洗蛙跳算法在求解高维函数时易陷入局部最优解的问题, 提出一种文化混洗蛙跳算法, 利用群体空间和信念空间的个体通过接受函数和影响函数完成 信息交换和全局寻优. 首先, 信念空间个体通过螺旋更新和随机游走的方式在较优个体附近寻找更优个体; 其次, 群体空间的最差个体通过借鉴不同知识平衡局部寻优与全局探索的关系, 进而提高算法的寻优精度并加快收敛速度; 最后, 将该算法与12种智能算法进行寻优对比, 对典型高维基准函数的测试结果表明, 该算法的收敛精度和计算速度均较好.     

连续空间演化规划的收敛性

给出了求解全局优化问题的连续空间的演化规划，应用Ｍａｒｋｏｖ过程分析了演化规划，并且证明了该算法的全局收敛性．     

基于进化规划的网络多目标路由算法

多目标路由问题要求极小化网络带宽资源消耗 ,它与图论中 NP完全的 Steiner问题等价 ,不存在多项式时间算法 ,只能采用近似算法或启发式算法 .进化算法是一类有效求解优化问题的新算法 .应用进化算法中的进化规划方法 ,求解 Steiner问题 ,提出了一种新的多目标路由算法 .仿真结果显示 ,该算法性能高于启发式方法