演化计算及其并行处理

介绍了当前国际计算机科学界的前沿课题之一－演化计算的基本思想，主要分支；并根据各主要分支的共同特点在统一的呆下给出了演化算法的设计方法，建立了演化长法的基本结构，最后讨论了演化计算的并行处理。     

基于演化算法的实因式分解

针对线性定常闭环系统特征方程的求根问题，提出了一种基于演化算法的实因式分解法。该法先将实因式分解问题转化为数值优化问题，再用基于混合杂交与间歇变异的演化算法求解该优化问题。数值实验结果表明了所提方法的有效性。     

差分演化算法研究综述

差分演化算法（DE）一种基于群体的随机搜索技术,并已被广泛的应用于各种优化领域。为了提高差分演化算法的收敛速度、全局搜索能力以及克服早熟收敛问题,许多学者对差分演化算法进行了改进。本文综述差分演化算法的基本原理、特点、改进及应用,并给出了未来可能的研究方向。     

引入演化效率因子的演化算法设计

随着电子芯片技术的发展,电路系统不断向高集成度和智能化发展。在复杂电磁场环境的各种干扰下,对信息化电子系统的稳定性和可靠性要求越来越高,电子系统的可靠性及自主容错能力成为电路设计所面临的新挑战。为提高恶劣情况下电路的抗干扰能力,提出将分析得到的演化效率因素作为算法的影响因子,引入到演化算法的适应度函数中,对算法进行提高和改进。研究结果表明,在单点短路和断路故障仿真实验中,引入演化效率因子的演化算法的平均无故障概率分别为0.754和0.853。与传统的演化算法相比,两者分别提高了16.4%和14%;与自适应算法相比,两者分别提高了6.7%和5%,证明在受扰或局部损伤的情况下,引入演化效率因子能够有效提升电路系统的鲁棒性及容错抗扰能力。研究结果对改进电路设计的强化及完善有一定的参考价值。     

演化计算在特征词条优化中的应用

采用演化计算方法．对初步得出的文档矢量做进一步的优化处理，在保证原文含义的基础上，找出最能反映样例文档内容．又比较简洁的特征矢量．并提出新的适应值函数。     

演化神经网络算法

演化算法的应用使神经网络的训练有了一个崭新的面貌,目标函数既不要求连续,也不要求可微,仅要求该问题可计算,而且它的搜索始终遍及整个解空间,因此容易得到全局最优解.应用这一思想,本文提出了一种新的演化神经网络算法—EPANN,并通过算法实例说明EPANN是可行的.     

演化计算技术

演化计算是一类借鉴生物界自然选择和自然遗传机制而发展起来的通用问题求解方法.本文简要讨论演化计算的基本原理,包括演化计算的基本概念、基本结构和基本特征以及演化计算的主要范例等.     

演化计算及其在化学中的应用

近十几年来，一类称之为演化计算的算法已日渐趋于成熟，并在许多领域之中得以应用，这类算法吸收了生物化的思想，并借鉴了生物的自然选择和遗传进化机制，可以认为它们是一种宏观意义下的仿生学算法，这类算法可以成为化学信息分析与处理的一种有效工具。     

基于启发式变异的改进演化规划算法

常用的演化规划算法(EP)的变异是基于固定的概率分布,鲁棒性较差.文中分析了变异算子对演化规划算法计算效率的影响,指出了Gauss变异、Cauchy变异和Lévy变异算子缺少启发式信息的不足,并据此设计了一种根据种群个体差异信息的启发式变异算子,用算子抽取的个体差异来更新变异步长,允许个体有机会在某些维数保持原状,只是进行部分维数上的变异.启发式变异算子能使演化规划算法更好地适应不同特点的连续优化问题,从总体上增强算法的鲁棒性.在求解多个Benchmark测试问题的数值实验中,基于启发式变异的改进演化规划算法比当前6种等概率分布演化规划算法有更快的收敛速度和更优的平均性能.     

山区公路桥涵设计的一般性原则探讨

近年来我国的交通建设逐渐发展,山区公路和铁路建设项目逐渐增加,但是由于山区地形比较复杂,公路桥涵设计以及建设难度都比较大,在其设计中需要遵循一定的原则,提高公路桥涵的质量。本文主要是对山区公路桥涵设计的一般性原则进行分析,就如何进行山区公路桥涵设计提出合理的建议。     

基于正态变异的思维进化计算

将正态变异引入到思维进化计算中, 提出了一种新的基于正态变异的思维进化计算.在算法中采取了自适应策略.试验结果表明该算法具有高效的收敛速度, 并能收敛到全局最优点.与遗传算法(Genetic Algorithm, GA)和传统的思维进化计算(Mind Evolutionary Computation, MEC)进行比较分析, 该算法收敛速度更快, 收敛率更高.     

一种快速寻优的新型改进遗传算法

在现有几种遗传算法(GA)的基础上,对GA中的适应度函数、交叉策略和变异策略做了进一步的设计,从而提出了一种新型改进GA。新型改进GA以群体的多样性与算法的收敛速度、全局与局部搜索能力的综合均衡为设计重点,较好地解决了一般GA收敛速度慢和局部搜索能力差的缺点。仿真结果表明:该算法与常用的标准GA和采用算术交叉算子的实值编码改进GA相比,有更快的收敛速度,更高的收敛精度及全局收敛概率。     

自适应遗传算法

自适应遗传算法采用自适应的适应度函数、交叉概率及变异概率代替固定的适应度函数、交叉概率及变异概率,与基本遗传算法相比,结果证明改进的遗传算法显著提高了收敛性能,并且具有很强的自适应能力.     

基于思维进化计算的一种广义进化模型

本文在遗传算法 (GeneticAlgorithm ,简记GA)与思维进化计算 (MindEvolution aryComputation ,简记MEC)的基础上 ,提出了一种广义进化模型 (GeneralizedEvolutionaryModel ,简记GEM)。该模型用微演化与宏演化两个过程 ,分别模仿人类的思维学习方式与自然进化 ,并通过概率趋同、信息迁移、自适应变异算子将两个过程有机的结合起来 ,从完全意义上模仿了人类的进化。该模型既能有效地克服遗传算法的本质缺陷 ,又能拓展思维进化计算的理论基础及应用范围。数值优化的仿真结果证明了该模型的有效性     

基于学习的并行免疫量子进化算法及收敛性

提出了基于学习的多宇宙并行免疫量子进化算法,算法中将种群分成若干个独立的子群体,称为宇宙。宇宙内采用免疫量子进化算法,宇宙间采用基于学习机制的移民、模拟量子纠缠的种群交叉等信息交互方式,使得进化算法具有更好的种群多样性,更快的收敛速度和全局寻优能力。不仅从理论上证明了该算法的收敛,而且通过仿真实验表明了该算法的优越性。     

基于演化算法的SAT问题求解

演化计算方法是近年来迅速发展起来的一种全新随机搜索和优化方法.首先介绍了演化算法的基本原理,然后给出了基于演化思想求解著名逻辑学问题——布尔可满足问题(SAT)的过程,最后分析了该方法的主要特点.     

进化计算及其在智能控制中的应用

介绍了进化计算的起源与发展历史、特点与分类、有关研究与应用现状及有关软件与国际信息交流等方面的基本情况。简述了进化规则和进化策略在智能控制中的应用。     

采用进化算法优化向量量化

把进化策略引入到矢量量化设计中,提出了一种选择优良后代码书矢量的判据和方法,在使用LBG算法进行聚类的前提下,利用所选择出来的后代矢量调整各个区域的子误差,从而进一步改善期望误差,以获得全局最优码书,实验结果证明,此方法能克服局部最优,改善码书矢量。     

基于改进遗传算法的自适应图像扩频水印

为了提高扩频水印算法的不可感知性和鲁棒性,提出了一种基于遗传算法的8×8 DCT域自适应图像扩频水印算法.通过修改Cox水印嵌入算法,保证了含水印图像的高保真度,又用改进的遗传算法自适应优化每组DCT系数,得到水印嵌入的AC系数组.仿真结果表明,低频系数是最重要的水印嵌入频段,算法能够根据不同图像的特点自适应搜索到最优或近似最优的嵌入频段,同时对滤波、JPEG压缩、噪声、缩放和旋转等常见攻击的顽健性和图像视觉效果明显优于Cox的扩频水印方法.     

进化算法研究平台的设计与开发

设计和开发进化算法平台,对进化算法的研究具有重要的意义。利用MVC设计模式和面向对象的软件开发思想,提出了一个可扩展的进化算法平台。平台完成参数设置、算子导入、计算结果的存储与显示等功能,并提供了友好的人机交互界面。平台对各项功能进行封装,在算法运行中可动态加载,因此算法流程灵活多变;利用动态链接库实现了导入功能,不仅方便新算子集成到平台,而且有利于平台的扩展。