关于多目标演化算法的策略分析

基于Pareto排序算法的多目标演化算法是多目标演化算法所采用的重要方法,本文叙述了多目标演化算法(MOEAs)的有关概念,在分析已有算法的一些性能和特征的基础上,结合演化算法的有关概念,重点基于Pareto排序算法分析了影响多目标演化算法性能的两大方面:求解过程中解集合的多样性、均匀性分布的保持与维护以及解的收敛性,分析了MOEAs设计中需要注意的策略问题以及今后研究的重点.     

《演化计算》

该书主要包括遗传算法、演化策略、演化规划和遗传程序设计 4个分支。该书从演化计算的算法设计、理论分析和应用的角度对演化计算这一新技术进行系统全面的阐述和讨论。包括演化算法的基本结构及原理、步骤 ,介绍了几种演化计算理论分析方法 ,讨论了演化算法在优化、非线性参数估计、自适应建模和神经网络系统设计等领域的应用及其并行实现 ,演化计算中近年来兴起的新方向——演化硬件等内容。该书可作为相应学科的研究生教材 ,也可供有关科研人员和工程技术人员阅读参考。该书由清华大学出版社出版。《演化计算》     

一种基于Hu不变矩的匹配演化算法

提出了一种基于Hu不变矩的匹配演化算法.该算法利用一种新的演化搜索策略取代传统的遍历搜索策略,将Hu不变矩特征融入演化适应函数.首先通过演化策略,产生多个搜索子图;然后计算待识别搜索子图与模板图像的不变矩特征值,用欧氏距离衡量两者的相似度;最后通过演化策略产生新的搜索子图,用该搜索子图淘汰种群中适应函数值最大的搜索子图.实验结果表明该算法具有较高的效率和鲁棒性.     

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.     

一种多项指标全提升的多目标优化演化算法

针对当前大部分多目标优化演化算法设计复杂、耗时巨大,以及取得的近似Pareto前沿点不够多、分布不均匀、覆盖不完整等问题,提出了一种新的基于粒子群和几何Pareto选择算法的多目标优化PSGPS算法.经过5个测试问题的实验结果表明:该算法使用较低的时间消耗,就能在前沿点个数、前沿点分布均匀性、覆盖完整度等性能指标上都优于当前流行的NSGA2,SPEA2和PESA等多目标优化演化算法.     

改进的差分演化算法及其在动态规则中的应用研究

在对传统差分演化算法深入研究的基础上,提出了一种改进的差分演化算法,并成功地把它应用于动态规则问题中.改进后的算法融合了对称算法、锦标赛策略、凸变异和二次变异等思想.实验证明,改进后的算法在最优解的稳定性、收敛速度和求解精度方面表现出了较好的性能.     

基于动力学演化算法的云任务与虚拟机分配策略研究

建立了云任务和虚拟机分配的数学模型,并将其转换成一个组合优化问题,利用改进的演化算法进行求解.算法中设计了两种编码方案,并根据这两种编码表示设计了杂交和变异算子,并引入了动力学选择机制让种群中的个体都有机会参与演化.采用了两组实验数据进行测试,并和随机分配算法、顺序分配算法以及贪心分配算法进行比较.实验结果表明该演化算法获得的结果最优.     

基于自适应遗传算法的拟态蜜罐演化策略

借鉴生物遗传进化现象,将遗传算法引入拟态蜜罐系统中,提出了基于自适应遗传算法的拟态蜜罐演化策略,详细讨论了拟态蜜罐系统演化中特征形式化编码、遗传算子设计、适应度函数、演化触发控制与终止条件等关键问题,设计实现了具有自适应遗传演化功能的拟态蜜罐原型系统并进行了原型测试,实验数据表明了基于自适应遗传算法的拟态蜜罐演化策略具有良好的自适应性和有效性.     

平台动态防御演化博弈模型和状态迁移策略

为提升平台动态防御系统对病毒的适应性和防御效能,对基于有限理性假设的平台动态防御演化博弈模型和状态迁移策略进行研究。首先,从病毒传播感染机理入手,阐述了平台状态迁移动态防御和有限理性假设下的演化博弈原理,分析了平台动态防御中节点状态转移关系和影响因素;其次,定义了平台动态防御的演化博弈模型和关键参数,考虑迁移平台与病毒类型之间的免疫特性,提出免疫因子和防御节点收益计算方法;最后,通过算例给出了单个状态演化稳定分析流程和方法,设计了节点状态迁移演化均衡策略生成算法。理论分析和仿真结果表明:平台动态防御节点状态迁移演化均衡策略具有更好的防御效能,可有效解决平台动态防御系统在面对随机攻击病毒的平台迁移选择问题。     

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。     

区域性两阶段演化算法在多峰函数优化中的应用

针对求解多峰函数优化问题全局最优解的特殊困难,提出一种区域性两阶段演化算法（RTEA）,详细介绍了该算法的作用机制、算法策略和算子设计,深入分析了该算法具有能避免“早熟”、一次运行可获得全部最优解等特性.实验结果表明,RTEA用于求解较低维的多峰函数优化问题是高效的,具有较高的求解质量和较快的收敛速度.     

A membrane evolutionary algorithm for DNA sequence design in DNA computing

DNA sequence design has a crucial role in successful DNA computation,which has been proved to be an NP-hard(non-deterministic polynomial-time hard) problem.In this paper,a membrane evolutionary algorithm is proposed for the DNA sequence design problem.The results of computer experiments are reported,in which the new algorithm is validated and out-performs certain known evolutionary algorithms for the DNA sequence design problem.     

量子进化算法在BP网络模型优化中的应用

BP网络的研究多年来主要集中于网络的结构与参数优化上,却忽略了对训练过的BP网络模型本身的优化.针对上述问题,提出了一种解决BP网络模型优化的量子进化算法.通过裙座锻造结构参数优化设计实例,表明量子进化算法较好地实现了BP网络模型的优化设计,可有效解决实际工程的优化问题.     

进化算法在船体结构优化设计中的应用

结构优化问题在计算上的难点是计算复杂、存贮量大、计算时间长,解决问题的关键是如何提高处理整数与离散型变量的有效性.本文针对船舶结构优化设计问题的特点与计算上的难点,采用可以求解多峰性连续函数全局最优解的分配区间型进化算法进行结构优化.相对简单遗传算法(SGA)在解     

An improved group search optimizer for mechanical design optimization problems

This paper presents an improved group search optimizer (iGSO) for solving mechanical design optimization problems. In the proposed algorithm, subpopulations and a co-operation evolutionary strategy were adopted to improve the global search capability and convergence performance. The iGSO is evaluated on two optimization problems of classical mechanical design: spring and pressure vessel. The experimental results are analyzed in comparison with those reported in the literatures. The results show that iGSO has much better convergence performance and is easier to implement in comparison with other existing evolutionary algorithms.     

基于部分失真定理的信道最优矢量量化器设计

提出了一个使用进化算法，引入部分失真定理（渐进划分理论）的信道最优矢量量化器（COVQ）的设计算法，采用该算法，在给定信道状态模型和存在的信道噪声的情况下，可有效地提高矢量量化器的性能，实现了COVQ的设计，该算法利用进化策略调整各码矢所确定区域的子误差，从而进一步改善期望误差，与常用的码书设计算法相比较，该算法能较好地调整各区域的子误差，获得比传统算法更高的性能增益。     

自适应搜索的改进遗传算法及其应用

提出了一种具有自适应搜索能力的快速收敛遗传算法。在计算过程中，设计变量的搜索范围依据每代自变量的数学期望和方差自动进行调整，并且通过引入进化策略中的自适应高斯变异算子，对变异算子进行改进，加速了算法的收敛性。为了验证算法的可行性和鲁棒性，对一个高维多峰函数的极小值搜索问题进行了求解，并将算法进一步应用于离心叶轮的形状优化问题。计算结果表明，该算法克服了传统遗传算法中设计区间的给定具有一定盲目性的缺陷，在收敛性和鲁棒性方面均优于传统的实数编码遗传算法。     

基于进化算法的多目标生产排序研究进展

利用多目标进化算法求解复杂生产排序问题是近10 a来发展迅速的研究方向.首先调查了国内外采用进化算法求解多目标生产作业排序的研究现状,分别对3类不同策略的多目标进化算法设计思想进行分析,在总结各类方法优劣的基础上,给出了进一步研究的趋势展望.     

基于混沌搜索的简化粒子群优化算法

针对带有收缩因子的粒子群优化算法(CFPSO)容易陷入局部极值、进化后期的收敛速度慢和精度低等缺点,采用简化粒子群优化(sCFPSO)方程与混沌搜索技术相结合的方法,提出了基于混沌搜索的简化粒子群优化(CsCFPSO)算法.该算法利用分段线性混沌映射(PWLCM)的遍历性和类随机性来完成混沌搜索,从而加快sCFPSO算法跳出局部极值点而继续优化.经过6个经典测试函数对该算法进行实验,结果表明其对于粒子群优化具有很好的使用价值,它可以准确地消去局部极值,确保收敛速度和精度,该算法是通过缩小种群数和进化代数来实现的.     

进化规划方法在并行多机调度问题中的应用

并行多机调度问题是一类重要的车间调度问题,但迄今为止,在解决工件和机器数较多的大规模并行多机调度问题还存在着许多困难。进化规划方法与遗传算法一样是一种重要的进化计算方法,但与遗传算法相比,进化规划算法的应用还刚刚开始,特别是在调度领域的应用还很少见文献报道,第一次将进化规划方法应用到并行多机调度问题中,并在问题的描述、可行解的表示、变异方法、提高进化规划方法的局部寻优能力等方面作了研究。不同规模的计算实例表明了本文提出的进化规划算法是有效的,能用于解决较大规模并行多机调度问题,且解的质量优于启发式算法和模拟退火算法。