退火进化规划算法及其收敛性

基于排序的选择方式在一定程度上会导致种群搜索范围变窄,进化规划算法过早收敛。针对此问题,将退火概率与适应度结合的选择方式引入进化规划算法的选择操作,形成了退火进化规划算法(AEP)。然后利用非时齐Markov链对退火进化规划算法进行了描述,并证明了其全局收敛性。数值实验表明,退火进化规划算法能保证种群的全局收敛性,且收敛速度较快,可较好地避免早熟收敛和局部极值。     

轧钢厂CONWIP生产控制系统的仿真分析

有效的生产控制系统对企业的生产具有重大意义，ＣＯＮＷＩＰ作为一种新型的准时化生产控制系统正引起人们的极大重视。本文讨论了ＣＯＮＷＩＰ系统，并通过仿真分析对某冷轧厂的ＣＯＮＷＩＰ系统和原有系统进行了对比。结果表明ＣＯＮＷＩＰ是一种有效的生产控制系统，在保证生产线具有较高通过率和作业率的同时，降低了生产线的在制品数量、库存数量和库存费用。     

改进的进化规划算法及其在采购方案优化中的应用

采用高斯变异算子的进化规划算法存在早熟现象,根本原因是高斯变异产生的变异量较小,导致个体分量乃至整个个体不发生变异.文中从变异算子、个体分量值的计算和搜索空间三个方面改进了进化规划算法.设计了能产生较大变异量的离散余弦变换算子,并且采用动态比例变异法动态调整个体中的每个分量,多个体竞争策略扩大了算法的搜索空间. 针对复杂采购业务模型,运用改进的进化规划算法求解. 实验证明,改进的算法在求解精度上优于采用高斯变异和随机变异的进化规划算法,解决了进化规划算法的早熟问题.     

废弃物网络系统容量扩张模型及算法

随着城市固体废弃物产生量的增长,原有的废弃物网络系统将不能满足需求,需要新建处理站以扩张网络系统处理能力.建立了多阶段网络容量扩张的双目标规划模型,其中一个目标是最小化总的建设费用,另一个目标是最小化处理站所产生的负效用.设计了基于随机贪心算法的不可行解修补策略和邻域启发式算法,提出了一种混合多目标进化算法来求解模型. 实例说明了模型的有效性.通过和加权法比较证明了混合多目标进化算法有很好的搜索能力.     

基于进化规划的新型生物地理学优化算法研究

生物地理学优化算法是一种新的全局优化算法,但该算法存在搜索能力不强的缺点. 针对此不足,提出一种基于进化规划算法的实数编码混合生物地理学优化算法,新算法将进化规划的搜索性与生物地理学优化算法的利用性进行有机结合,从而达到搜索性与利用性的平衡.通过13个高维标准测试函数对算法进行测试, 验证了新算法的有效性.与基本生物地理学优化算法和两种经典的进化规划算法进行比较,结果表明新算法优于所比较的三种算法. 此外,新算法在收敛速度上优于基本生物地理学优化算法.     

求解多目标二层规划的多目标进化算法

提出了一个求解多目标二层规划问题的多目标进化算法.用传统优化算法求解下层规划中用权向量线性加权后得到的单目标问题,而对上层的多目标规划问题则采用基于NSGA-II的选择机制的多目标进化算法求解.数值试验表明所提出的算法是有效的.     

利用进化规划和逐步二次规划实现前馈神经网络的结构优化

用进化规划与逐步二次规划来实现前馈神经网络的结构优化问题 ,并提出了一个相应的学习算法 .针对进化规划与逐步二次规划各自的特点 ,进行了组合 ,使算法不仅具有随机全局搜索能力 ,而且还具有更好的全局收敛能力 ,并与环境有更强的自适应能力 .最后通过仿真和应用实验证实了算法的有效性.     

基于加速进化规划的模糊神经网络学习算法

提出了一种训练模糊神经网络的加速进化规划算法。该算法是进化规划算法的一种改进 ,适合于多维高精度的数值优化。经仿真实例验证 ,其收敛速度有了明显的改善 ,且不易陷入局部极小。     

多反舰导弹攻击多目标协同航路规划

为解决多反舰导弹的协同航路规划问题,建立了基于空间和时间协同的航路规划模型,并设计了航路可行节点动态开辟算法和协进化多子群蚁群算法。节点开辟算法在任务空间建立搜索树的同时滤除不可行节点,缩小了航路优化搜索范围;多子群蚁群算法结合协进化的基本思想,通过引入蚂蚁子群间的协同进化策略,并对蚁群算法状态转移规则、信息素更新机制进行设计,进而并行搜索多导弹最优协同航路集合。仿真结果表明,本文方法能够为多反舰导弹构建优化的协同飞行航路,不但适用于导弹发射前的预先规划,而且适用于航路分段的局部实时重规划。     

一种新的基于有序统计的恒虚警处理器

本文提出一种新的基于有序统计的恒虚警检测器。这种新的检测器是广义有序统计单元平均（ＧｅｎｅｒａｌｉｚｅｄＯｒｄｅｒｅｄＳｔａｔｉｓｔｉｃＣｅｌｌＡｖｅｒａｇｉｎｇ－ＧＯＳＣＡ）恒虚警算法。对这种新的恒虚警算法在斯威林２型目标假设下，我们获得了虚警和探测概率的解析表达式。与ＯＳ－ＣＦＡＲ相比，ＧＯＳＣＡ－ＣＦＡＲ在均匀干扰背景和多目标情况下均具有最好的检测性能，并且其参考滑窗单元幅值排序时间还不到ＯＳ－ＣＦＡＲ的一半。     

一种改进的自适应免疫进化规划方法及其应用

结合免疫系统的机理和进化规划原理,对免疫进化规划进行改进。即引入多样性函数和群体局部退化相结合的方法,对克隆细胞进行选择和更新,增强群体信息的多样性,克服近亲细胞过度繁殖而引起早熟收敛;利用双曲正切函数,无须区分亲和度界限,决定个体细胞的变异率,实现细胞群的自适应变异;选择亲和度高的一半细胞作为记忆细胞,利用其替换原始细胞群亲和度低的细胞。对各部分改进的原因和优点进行了分析,给出了算法的主要步骤,并对自适应免疫进化规划的收敛性进行了说明。最后用不同的测试函数进行仿真实验,结果表明了方法的有效性。     

基因表达式程序设计在复杂函数自动建模中的应用

基因表达式程序设计是一种新的自适应演化算法，该算法已经应用到许多领域中，并且取得了起好的效果。通过对适应度函数的有效设计以及函数集的有效选取，引入新的常数创建方法。将基因表达式程序设计运用于复杂函数的自动建模中，并把所建立的模型用于预测分析。通过仿真实验表明：用此方法所建立的模型比传统的最小二乘法、神经网络以及遗传程序设计等方法具有更好的性能。最后对该算法的应用前景作了简要分析。     

具有信息指导的自适应退火进化规划

为克服标准进化规划算法变异操作的盲目性和易陷入局部最优的问题,提出具有信息指导的自适应退火进化规划算法。算法充分利用目标函数和变量的变化信息,记录下一步的搜索方向,个体的变异方差采用自适应的形式,随进化代数的增加而减小变异幅度,并在新一代种群的生成中采用退火概率的选择方式,既保证了算法的多样性,又可较好地避免算法陷入局部最优解。通过仿真实验表明,该算法收敛速度较快,特别对于变量数目较多的优化问题,更显示出其优越性,具有解决大规模问题的潜力。     

用多目标进化算法求解二层规划双目标模型

传统单目标二层规划模型得到的最优解往往无法使上下级双方都满意.为此,通过在上层规划中同时考虑下级的目标函数,建立了原问题的上层为双目标规划的一个新模型.上下级可通过协商在该模型的Pareto-最优解集中找到双方满意解.对此模型设计了求解的多目标进化算法,用传统优化算法求解下层规划的单目标问题,而对上层的双目标规划问题则采用基于NSGA-Ⅱ的多目标进化算法求解.数值试验表明我们所提出的算法是有效的.     

一类遗传退火算法的函数优化性能分析

针对复杂函数的最优化的遗传退火算法,此文提出了一种基于邻域函数的尺度参数自寻优和多操作的基于概率接受思想的变异操作及竞争生存的种群数量控制策略的改进遗传退火算法.基于典型算例的仿真结果验证了本文算法对高维复杂函数最优化的有效性和高效性,其性能明显优于传统遗传退火算法、改进的进化规划方法以及遗传-ALOPEX算法.     

一种新的进化规划算法及其应用研究

可靠性是复杂系统设计中的一个重要问题 ,受到多种条件的约束。提高系统可靠度的两种常用方法是 :提高系统组成元件的可靠度 ;增加系统的冗余度。该类问题常常用复杂的约束优化问题描述 ,研究这类问题的快速有效的求解方法具有重要意义。提出了一种求解此类问题的新型进化规划算法。大量仿真实例验证了该方法的有效性。     

一种基于种群竞争与交流模型的多群进化规划算法

进化不仅是一个环境通过自然选择对物种施加影响的过程，同时也是种群间相互竞争和交流的结果。基于此种考虑，提出了一种基于种群竞争与交流模型的多群进化规划算法。在该算法中，种群的规模取决于种群间的竞争，种群的变异压力来自其生存空间。种群间的信息交换通过种群的个体交流实现，而种群间个体的交流则来自种群规模的变化。对典型算例的数值仿真表明，该算法能够改善传统的进化规划算法易早熟收敛的弱点，同时具有良好的快速收敛性和参数鲁棒性。