基于粒子群和人工蜂群算法的混合优化算法

提出一种基于粒子群(PSO)和人工蜂群算法(ABC)相结合的新型混合优化算法—PSOABC。该算法基于一种双种群进化策略,一个种群中的个体由粒子群算法进化而来,另一种群的个体由人工蜂群算法进化而来,并且在人工蜂群算法中按轮盘赌的方式选择个体进化所需的随机个体。此外,算法采用一种信息分享机制,使两个种群中的个体可以实现协同进化。对4个基准函数进行仿真实验并与ABC进行比较,表明本文提出的算法能有效地改善寻优性能,增强摆脱局部极值的能力。     

基于Pareto协同进化算法的高维模糊分类系统设计

提出一种可同时构造多个精确性和解释性较好折衷的高维模糊分类系统的设计方法.该方法首先利用Simba算法进行特征变量选择,然后采用模糊聚类算法辨识初始的模糊模型,最后利用Pareto协同进化算法对所获得的初始模糊模型进行结构和参数优化.其中,Pareto协同进化算法采用了一种新的基于非支配排序的多种群合作策略.为提高模型的解释性,在Pareto协同进化算法中利用基于相似性的模型简化方法对模型进行约简.利用该方法对Wine典型问题进行分类,仿真结果验证了方法的有效性.     

基于Alopex的进化优化算法

提出了一种基于Alopex的进化优化算法。该算法在进化过程中从种群中随机选择2个个体,通过计算2个个体和目标函数值的变化情况,确定算法进一步搜索方向的概率,逐步迭代最终收敛到全局最优。该算法具备基本进化算法的特点,同时具备Alopex算法的优点,即在一定程度上具有梯度下降法和模拟退火算法的优点。对典型函数的测试表明:新算法的全局搜索能力有了显著提高,特别是对多峰函数能够有效地避免早熟收敛问题。     

一种基于免疫原理的多种群 DNA 遗传算法

针对单种群遗传算法易陷入局部最优、多样性丧失快等问题,提出一种基于免疫原理的多种群DNA遗传算法。在多种群协同进化的基础上,将DNA计算思想引入到编码和遗传操作算子的设计中,通过模拟生物机体的免疫机制对遗传进化过程中个体的产生和选择过程进行自适应调控,并利用优良个体的迁移实现种群间信息交流。最后,通过函数优化实验测试算法的性能。仿真结果表明,算法在发掘全局最优个体、局部搜索能力方面表现优越。     

基于模糊文化算法的自适应优化

笔者提出一种基于模糊控制器的自适应文化优化算法,利用模糊控制器调整参数β,改变个体在进化中的个数,使文化算法得到了优化.在测试函数的仿真试验对比结果证明,改进算法优于原有算法.     

基于双变异策略差分进化算法的模糊PI参数整定

针对模糊PID控制器参数难以整定的问题,提出一种基于双变异策略协同工作的自适应差分进化算法DSDE。该算法采用随进化代数变化的权重因子,将经由DE/target-to-best/1和DE/rand/2两种变异策略生成的个体加权组合成一个新的变异个体,并采用Z型函数根据迭代次数自动调整变异因子,以适应于不同的进化阶段。将DSDE算法应用于二阶被控对象的模糊PI控制器(FPI)参数整定,MATLAB仿真结果表明,与传统的FPI、DE-FPI和采用自适应变异差分进化算法进行参数整定的AMDE-FPI相比,基于DSDE算法的模糊PI控制器具有更好的控制性能。     

一种新的优化算法──进化-模拟退火算法(ESA)

进化界法与模拟退火算法是模仿自然现象的两大随机算法，本文将进化算法中的群体思想和竞争选择机制引入到模拟退火算法之中以指导搜索过程，的退出了进化一模拟退火算法，其仿真结果表明，对于较简单的问题，进化一模拟退火的性能与模拟退火算法一样好，但对于较复杂的问题，进化一模拟退火算法明显优于模拟退火算法。     

爬山法与模式蚁群法混合的贝叶斯优化算法

针对传统贝叶斯优化算法进化效率低及收敛速度慢的情况,提出一种新型混合贝叶斯优化算法.该算法利用适应度遗传及个体的局部搜索方法,使种群个体趋向于全局最优解,提高了进化效率.为提高贝叶斯优化算法中贝叶斯网络结构学习的效率,提出一种爬山法和模式蚁群算法相结合的网络结构学习方法,同时对新型贝叶斯优化算法的收敛性进行了分析.利用典型的函数对提出的新型混合贝叶斯优化算法进行了仿真分析,证明了所提出的方法可以有效地加快算法的收敛速度和收敛精度.将该算法应用于目标分配问题中,仿真证明了所提算法的有效性和优越性.     

基于遗传算法的模糊逻辑控制器优化设计

设计了一种新的用于模糊逻辑控制器优化的遗传算法，实现了模糊逻辑控制器参数和结构的同步快速优化。该算法对经典的简单遗传算法进行了改良，设计了一种带区间限制的十进制编码方案，实现了模糊控制器隶属度函数和控制规则的联合编码；并设计了受限分步一致交叉和变异算子，改进了经典赌轮选择法,避免了病态个体产生，加快了收敛速度。通过对典型的一阶和二阶工业对象控制器优化的仿真研究表明，相对于一般的遗传算法，该算法在群体规模较小（20或40）的情况下，能够在20代左右快速收敛到理想结果，并且在进化过程中很少产生病态个体，因此能够在小群体规模下，实现模糊控制器参数和结构的快速同步优化。     

求解约束优化问题的一种新的进化算法

分析了现有的约束优化进化算法的一些不足之处，提出了一种处理约束优化问题的新算法。新算法将多目标优化思想与全局搜索和局部搜索机制有机地结合起来；在全局搜索过程中，作为一种小生态遗传算法，排挤操作利用Pareto优劣关系比较个体并接受具有相似性的父代个体和予代个体中的优胜者；在局部搜索过程中，首先对局部群体中的个体赋予Pareto强度，然后根据Pareto强度选择个体。通过一个复杂高维多峰测试函数验证了新算法的有效性。     

模糊环的再定义

利用模糊空间理论定义模糊环和模糊子环 ,并研究了它的基本性质 ,建立了研究模糊环的新的理论体系 ,弥补了传统模糊环定义中无模糊泛集和模糊运算的不足 ,是传统模糊环概念的规范化和一般化     

环的生成模糊理想

采用一种新的方法，即利用确界刻画环中由模糊子集生成的各种模糊理想，给出了建立各种生成模糊理想的构造定理，其结果在模糊代数和计算机科学研究中将产生重要影响。     

Fuzzy集的Fuzzy势和Fuzzy基数

首先定义了ｆｕｚｚｙ集的１／ｎ－度等势关系,在此基础上定义了ｆｕｚｚｙ集的１／ｎ－度ｆｕｚｚｙ基数,讨论了有关性质,并进一步推广定义了更一般的ｆｕｚｚｙ势与ｆｕｚｚｙ基数概念,即Ｔ－度ｆｕｚｚｙ势与ｆｕｚｚｙ基数。     

F值函数关于F值F测度的F积分

以非负F数的概念的基础,定义了取值的非负F数的F测度,研究了非负F值函关于F值I测度的F积分,得到了该种积分的定义,性质和收敛定理,使得Sugeno的数值F积分得以推广。     

环上的Fuzzy关系

本文旨在讨论R上的Fuzzy关系与环上R上的Fuzzy子环之间的联系。并由此而建立环R上的Fuzzy关系成为Fuzzy子环,Fuzzy理想,Fuzzy极大理想的充分必要条件及环R上的Fuzzy子集成为Fuzzy素理想与Fuzzy不可约理想的充分条件。     

基于区间推理的模糊分类器

在分析区间值模糊集理论和现有模糊分类器的基础上,提出一种新的基于区间值推理的模糊分类器的设计方法,并且对R．A．Fisher的iris数据库进行了分类实验处理,结果证明其分类的正确率超过90％,而且该方法计算简便,运行速度快,因而该分类器的设计方法具有良好的实际应用前景．     

模糊域上的模糊商代数

重新定义了模糊域上的模糊商代数,研究了模糊域上的模糊代数与模糊理想的性质,并给出了模糊商代数的同构定理.     

模糊极限的一种新定义

在模糊分析中模糊极限的定义都是基于扩张原理的形式给出的,并且都是对元素遍历某个条件或取λ遍历[0,1]所对应的全体结果进行运算,这种运算中的遍历过程给模糊极限的定义形式及其应用带来了极大的不便。利用模糊结构元方法给出了模糊极限的一种新的定义,这种形式摒弃了对元素遍历的繁琐运算,使得该定义运用起来更加灵活简便,而且也体现了模糊结构元方法在简化模糊分析计算方面的优越性。最后给出了 3 个结论,即极限的加减法与数乘定理、极限唯一性定理、有界性定理,     

混合型模糊Agent结构

针对实际系统所具有的内在不确定性,提出了一种具有学习能力和通信能力的混合型模糊Agent结构,该结构由学习模块、通信模块、控制算法模块、知识模块和输入输出模块组成.文中根据Agent本身所具有的模糊性,定义了它的模糊愿望集、模糊信念集及模糊意图集,介绍了每个模块的作用及工作原理,同时给出了Agent以自治方式工作的流程图.仿真结果表明,这种混合型模糊Agent可实现对复杂系统在3种状态下的稳定控制,具有较强的学习能力和适应性.     

关于半群的模糊素理想与模糊同余的几个注记

本文给出了半群的模糊素理想,模糊同余的定义,利用同余证明了模糊半群的一些同构定理.