基于临界自组织模型的进化算法

将临界自组织(self-organlzed criticality，SOC)概念引入到进化算法领域，提出了基于临界自组织的进化算法(SOCEA)，引入灾变机制来模拟临界自组织状态中的剧烈变化过程，采用临界自组织的模型构造进化算法的算子、通过实验测试可以得出SOCEA算法要优于同类的对照算法，并且计算量开销也比较小、     

改进差分进化算法求解武器目标分配问题

针对武器目标分配问题求解收敛速度慢、搜索效率低、寻优精度差的问题,提出一种基于改进差分进化算法的武器目标分配方法.首先,建立多约束条件下武器目标分配优化模型,将动态武器目标分配问题离散为静态武器目标分配问题处理.其次,采用随机邻域变异策略平衡差分进化算法全局探索和局部开发能力,采用基于历史存档的自适应参数整定方法,根据...     

基于公平原则的应急物资分配模型与算法

灾害发生后,灾区第一时间的自救和互救对于救灾工作至关重要.本文考虑自然灾害发生后,外界的救灾物资没有到达受灾地区的这段时间内,灾区的各个地区基于相互救援的应急物资分配问题.在考虑地区之间物资分配公平性的基础上,本文建立了一个双目标优化模型,模型的目标函数是最大化地区的物资的满足量,以及最小化最大运送时间.进一步地,本文提出了一个改进的差分进化算法求解该双目标优化模型,计算结果从计算时间和解的质量两个方面验证了算法的有效性;同时,本文通过一组例子验证了公平性约束的合理性.最后,本文通过一组算例分析,验证了改进的差分进化算法对大规模问题的有效性,说明救灾物资的最大允许运输时间和地区间合作的关系.论文的研究成果对基于属地管理的灾区自救和互救决策具有重要的理论和实践指导价值.     

基于改进差分进化算法的跨平台武器目标分配方法

现代战争中,跨平台武器单元的协同利用,是合同编队体系的重要内容,作战方式也正由平台级协同向着能力要素级协同转变,这对武器目标分配问题的解决提出了更大挑战。本文将武器单元的最小划分单位细化到能力要素级,以毁伤概率与成本消耗为优化目标,面向多种来袭目标的编队防空场景,提出了跨平台武器目标分配算法。同时,基于混沌映射提出了混沌种群重构(chaotic population reconstruction, CPR)机制,并结合带存档的自适应差分进化(adaptive differential evolution with optional external archive, JADE)算法提出了CPR-JADE算法,利用CPR机制可以帮助算法在解决高维复杂约束问题时跳出局部最优。再将其运用到武器目标分配模型上,实现了对模型的高效求解。最后,通过在多种数据规模下与其他进化优化算法的仿真对比试验分析,验证了所提方法的正确性与有效性。     

基于合作协同进化的多机空战目标分配

为寻找一种满足多机空战需求的目标分配优化方法,提升空战效能,提出了一种基于合作协同进化的多机空战目标分配方法。首先,该方法基于单机空战优势,建立多机协同空战优势评价指标体系。然后,对战机间的协同相关性进行分析计算,建立多机协同空战目标分配模型。在变长度染色体遗传算法(genetic algorithm, GA)的基础上,设计了基于交叉、嫁接、分裂和拼接算子的改进合作协同进化算法,提高了模型的进化效率。最后,设计实验分别对优势评价指标体系的有效性、静态算例、动态算例和大规模无人战斗机算例进行仿真验证,并将2种模型以及4种算法的计算结果和所提算法的实验结果进行对比。仿真结果表明,改进合作协同进化算法适用于该模型计算,结果收敛稳定,亲和度值显著提升,能够优化目标分配方案,在空战中具有一定的应用意义。     

基于分布式免疫进化算法的函数优化

针对遗传算法在寻优过程和多峰值函数求解中出现的“早熟”问题以及免疫算法收敛速度较慢问题,将免疫算法和进化算法进行优势融合,并结合改进的进化算法的并行模型,提出一种新的算法--分布式免疫进化算法（distributed immune evolutionary algorithm,DIEA）。新算法主要包括记忆种群进化模块和子种群进化模块两个部分,子种群的主要功能是找出各个区间的局部最优解;主种群主要是进行全局搜索,寻找全局最优解。仿真实验表明,该算法具有很高的全局寻优能力和很快的收敛速度,适合求解复杂多峰函数优化问题。     

基于分配区间型进化算法的舰船耐波性优选

介绍了求解多极值问题的分配区间型进化算法,并通过大量仿真,与基于免疫的遗传算法的结果进行了比较,验证了算法在求解各种复杂的全局多极值问题时的高有效性,并探讨了进化算法的参数选择原则。最后,通过在舰船耐波性优选中的成功应用,表明该算法有助于提高舰船在高海情条件下的安全和作业效率。     

基于数列模型的思维进化算法收敛性分析

为对思维进化算法性能作进一步研究,分析了思维进化算法的进化算子(“趋同”和“异化”)及种群进化过程,建立群体进化的数列模型,并应用模型的极限性质对算法收敛性进行分析。在不考虑状态转移概率的情况下证明了思维进化算法能够收敛到全局最优解。数值仿真结果也印证了所得结论,应用数列模型分析思维进化算法的收敛性,使用其证明更加直观。     

马斯京根模型参数估计的差分进化算法

针对洪水演算的马斯京根模型参数估计问题,首先将其归结为非线性参数优化问题,然后利用自适应加速差分进化算法进行求解。计算结果表明,自适应加速差分进化算法具有求解速度快、计算精度高、算法控制参数设置简便、通用性强等优点,与现有马斯京根模型参数估计方法相比,该算法显示出更好的优化性能,从而为准确估计马斯京根模型参数提供了一种更为有效的方法。该算法也可以广泛应用于其他各种复杂非线性模型的优化问题,特别是在洪水预报方面有很好的应用前景。     

混合混沌量子进化算法

针对量子进化算法计算量大、收敛速度慢以及容易出现早熟等问题, 提出混合混沌量子进化算法. 该算法采用混沌 初始化方法产生初始种群, 使种群具有较好的多样性;采用简单量子旋转门更新当前种群中的非最优个体, 降低算法的计算量; 提出混合混沌搜索策略以提高算法的收敛速度和全局搜索能力. 大量的测试表明, 与量子进化算法、实数编码量子进化算法和 混合量子遗传算法相比, 所提出的算法具有较快的收敛速度和较好的寻优能力. 大量的测试也表明, 若将混沌引入量子进化算法, 则混合混沌搜索策略的综合性能明显优于载波混沌策略, 在大多数情况下优于混沌变异策略. 本文提出的算法是惟一的每次测试 都收敛的算法, 且实现简单, 便于工程应用. 将其用于求解城市道路的交通信号配时优化问题, 实际效果令人满意.     

进化算法中基于排序选择下的准确模式理论

进化计算中的模式理论是解释进化计算工作机理的一个有力工具．文章以遗传算法为例，通过引入红皇后假说及模式进化能力等概念，使用排序选择代替了依概率选择，证明了在进化算子采用排序选择、多点交叉和多点变异的情况下，具有较强进化能力的模式，将以指数阶增长，并给出了排序选择下准确的模式进化公式．     

基于市场机制的地面等待时隙分配方法

本文针对地面等待中的时隙分配问题,提出了基于市场机制的时隙交易方法,建立了航空公司决策模型.该模型通过航空公司自由交易时隙,不仅可提升时隙交易的灵活性,还能减少各航空公司的延误成本和机场总的延误成本.最后采用国内某机场的运行数据进行仿真和对比,结果表明了其有效性.     

电力备用市场资源优化配置的模型与求解方法

对于发电公司在电力备用市场中的资源优化配置问题,建立一种均值一方差模型,同时允许发电公司从市场购买某种产品以满足其它产品的需求.针对模型中出现的非光滑问题,引入极大熵函数将其光滑化,并采用非线性互补方法求解.该方法利用Karush-Kuhn-Tuchker(KKT)条件得到一个非线性互补问题,然后利用非线性互补函数将其转化为非光滑方程组,并引入参数再次进行光滑化,最终通过求解一组光滑方程组以逼近原问题的最优解.数值分析验证了该方法的有效性.     

基于改进局部搜索遗传算法的目标分配决策

为满足舰载武器目标分配需求,对传统的局部搜索遗传算法进行了改进,并用其求解目标分配问题的最优解。构造了适合于目标分配问题的染色体;设计了搜索性能较好且能够保留优秀基因的交叉操作方法;将局部搜索机制引入标准遗传算法,提高了目标分配算法的收敛速度;把模拟退火算法引入局部搜索问题,在一定程度上避免了局部最优问题;将贪婪算法应用于局部搜索提高了最优分配方案的搜索效率。仿真计算表明,改进局部搜索遗传算法的目标分配性能优于已有算法。     

公共资产配置与预算管理的演化博弈分析

在公共资产配置与预算管理过程中，由于财政部门和预算单位之间存在信息不对称，导致公共资产配置效率和使用效益低下.本文运用演化博弈的理论与方法分析了公共资产配置与预算管理的博弈演化过程，研究了预算管理过程中的声誉激励效应和监督惩罚效应，给出了不同类型预算单位与财政部门之间策略选择的互动机制，重点对静态惩罚机制和动态惩罚机制下博弈均衡进行了比较.研究表明：声誉对高成本的预算单位具有激励作用，监督对低成本的预算单位具有惩罚作用，动态惩罚机制比静态惩罚机制的监督效果更好，监督概率和监督惩罚量越大监督效果越好.     

基于遗传算法和Pareto排序的工期-费用-质量权衡模型

工期、费用和质量是工程项目管理和控制的三个基本目标,其中任何一个因素的变动都可能对其它两个产生影响.对工期-费用-质量进行全面的权衡,将对项目决策者管理和控制项目的运作有着重要意义.通过建立完整的质量衡量体系对工程项目的质量水平进行量化评估,利用Pareto最优的原理,设计了一套基于遗传算法和Pareto排序法的运算程序,从而建立起工期-费用-质量的权衡模型,决策者在由该模型得到的Pareto解集中寻求满意的资源配置方案.最后将模型应用于一个案例对其可行性和适用性进行了验证分析.     

基于不规则数据的中国股市微观结构研究

引入了自回归条件久期模型，采用极大似然估计的方法对具有指数分布和Weibull分布两种模型分别进行了参数估计，检验了模型的性能，并以WACD模型为基础对我国上海证券所个股的交易集群性特征进行了检验．实证结果表明，在我国证券市场交易的集群性特征是由于以私人信息为基础的交易过程引起的，私人信息的引入导致了证券市场更大的波动性。     

基于航班模糊聚类的时隙分配均衡模型

为了科学合理的利用机场时隙资源,克服现有模型只考虑效率性的缺陷,建立了效率性和公平性转换的均衡优化模型;利用模糊聚类方法对航班进行分组,并计算相应的延误损失费用,应用人工鱼群算法快速求解模型;对20架航班进行算例仿真,结果显示均衡优化模型的总延误损失费用为102800元,高于指派模型和改进的指派模型的83600元,但是最大延误损失费用为10000元,低于指派模型的16000元以及改进指派模型的15000元.仿真结果验证了效率性和公平性不能同时达到最优,说明了均衡模型能够让延误损失费用在各航班之间均匀分配,更具公平性.     

基于AAVS-CAViaR模型的股市风险测量研究

考虑金融资产收益与正负收益对分位数冲击的不对称性,建立含有不对称绝对值和斜率设定的AAVS-CAViaR模型,采用混合最优化方法估计模型的参数并进行显著性检验.对1996-2008年期间沪深港股票指数的实证研究表明:沪深港股票市场均存在正负收益消息对市场风险冲击的不对称现象,且在不同VaR置信水平下存在差异;通过Granger因果检验发现沪深港股市的风险变化存在显著的互动传导关系;提出了VaR预测模型的评估准则,对所选样本数据而言AAVS-CAViaR模型比间接GARCH模型更好地描述了市场风险的演化模式.     

不完全金融市场下基于二次效用函数的动态资产分配

为了研究不完全市场条件下的连续时间动态投资组合选择问题,首先应用降维方法将不完全市场转化为完全市场,然后在转化后的完全市场条件下应用鞅方法得出二次效用函数意义下的最优投资策略.进而应用转化后的完全市场和原不完全市场下各参数的关系得到二次效用意义下不完全市场环境里最优投资策略的解析表达式,并分析风险厌恶因子对最优投资策略的影响.最后为了说明不完全市场和完全市场条件下投资者最优投资策略的变化,给出算例进行分析.