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。     

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.     

带集结区的协同航迹规划方法研究

通过调控飞行器在各介航运段的速度,提出了一种基于进化算法的带集结区的多飞行器协同航迹规划方法.该方法通过将协同时间误差引入进化算法的代价函数中,使得规划出来的航迹能够满足集结区的时间和空间约束,同时使得协同到达目标点时间误差尽可能小.仿真实验结果表明该方法能够达到很好的效果.     

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。     

快速约束多目标进化算法及其收敛性

针对进化算法收敛速度缓慢、容易陷早熟的问题,提出了约束多目标优化问题的一种新的快速进化算法. 设计了能够从可行解空间和不可行解空间同时搜索的交叉算子,将约束条件和目标结合在一起,引入一种新的偏序关系用于比较个体之间的优劣,提出一种新的Niche值计算方法作为维持种群均匀性的主要动力,并采用已搜索解集避免了算法的重复搜索. 在此基础上, 设计了具有全局搜索能力的进化算法, 并证明了算法的收敛性. 仿真结果表明,与同类进化算法相比, 该算法能够快速收敛到Pareto前沿,并能很好地维持种群的多样性.     

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.     

基于种族优生的进化规划用于混合非线性整数规划

混合非线性整数规划是在许多工程应用中经常遇到的重要问题。本文提出一种基于种族优生的进化规划算法用于求解混合非线性整数规划。一方面，该算法基于多种群并且每一代都选择各种群的最优秀个体作为下一代的种群祖先。另一方面，该算法的进化步长、种群规模和处理约束条件时所取的参数在进化过程中是动态变化的。实验表明该方法求解混合非线性整数规划问题的仿真结果优于现有的研究成果(GA，ES，SA)。     

解决位置管理问题的混沌混合差分进化算法

位置管理问题是移动计算环境中的一个重要问题.提出了一种解决位置管理问题的混沌混合差分进化算法,给出了将浮点编码的种群个体映射为问题解的方法,给出了解决标准差分进化算法早熟收敛问题的混沌搜索算法.仿真结果表明,混沌混合差分进化算法能有效解决移动计算中的报告小区规划问题,且算法的搜索质量优于遗传算法、禁忌搜索算法、蚁群算法和传统差分进化算法.     

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.     

模拟细菌菌落进化过程的群体智能算法

针对常规群体智能算法缺乏进化能力,存在易于陷入早熟收敛的不足,将问题的解空间视为细菌培养液,在其中放置单个或少量细菌个体,模拟细菌菌落的生长进化过程,提出一种新的群体智能算法.该算法本身具有进化机制,并且能够自然结束,从而为优化算法提出了一种新的结束准则.通过仿真实验验证了算法的有效性,同时仿真实验结果还表明通过简单改进,算法可以达到全局最优.     

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.     

审计行为、审计合谋及奖惩机制的演化博弈

针对目前普遍存在的审计合谋现象,依据演化博弈理论,建立了审计师甲和乙的演化博弈模型,分析了两类个体在合谋与诚信两种策略下的行为特征,根据复制者动态方程得到了两者的行为演化规律和政府奖励惩罚机制下的行为演化和演化稳定策略,给出了避免出现审计合谋现象的惩罚和奖励策略,分析了政府实施奖励惩罚机制的有效性。最后,通过数值分析对结论加以说明。     

一种混合交叉策略的多目标演化算法及其性能分析

演化算法（EA）是求解多目标优化问题（MOP）重要而有效的方法，而应用演化策略、技巧是改善解性能的重要途径。作者叙述了多目标优化问题的有关概念，结合已有算法中的方法，设计了基于两种交叉操作相互结合的多目标演化算法（MOEADC），并且分析相关性能。该算法不仅具有较高的计算效率，而且具有较好的收敛性能，并且运用了有关方法维护了解集的分布性能。算例结果表明该算法的良好性能。     

基于博弈学习理论的企业组织模式演化动态

应用博弈学习理论研究企业组织模式的演化动态.假定企业具有有限理性以及近视眼行为,企业选择某一组织模式的概率依赖于其自身偏好及该组织模式对应的市场份额,考虑到企业的进入行为,建立了单种群演化动态及适应性学习算法,分析了利润函数的性质对演化均衡的显著影响.在此基础上,以企业群体内部和企业群体之间的溢出效应为出发点,建立了两种群演化动态并研究了演化均衡和吸引域的变化.理论分析和数值模拟充分表明,从长期来看,企业组织模式的演化均衡结果取决于溢出效应的大小.     

环境污染问题的演化博弈分析

用演化博弈论的方法对产污企业之间、环保部门和产污企业之间相互作用时的策略选择行为进行分析.结果表明:当产污企业不处理污染物的收益大于处理污染物的收益、环保部门对不处理污染物的企业处罚力度过轻或对产污企业进行监测的成本过高时,环境污染必然发生.要确保环境不被严重污染,就必须对不处理污染物的企业进行严惩,降低不处理污染物的预期收益.同时,要加强环保队伍建设,严格执法,加大对环保的投入,减少监测成本.     

校企实习联盟模式变迁的进化博弈模型与演化路径

实习难是对"加强实习可改善大学生就业难"的尴尬回应, 为此构建有效的校企实习联盟机制是当务之急. 为了科学地探寻适合我国国情的校企实习联盟机制的构建, 理性地剖析校企实习联盟变成目前这种尴尬局面的原因, 探索其模式的演变过程可以起到知根索源的作用, 而这种定量分析的文献目前鲜为少见. 该文尝试利用进化博弈的方法对校企实习联盟模式的变迁进行定量的探讨. 首先建立了代表性高校与企业的非对称的实习联盟博弈模型, 接着利用复制动态进化机制分析了高校和企业之间的群体博弈局势的变迁机理, 最后基于演化路径分析为政府有效地构建校企联盟机制提出了两条建议和理论参考.     

长期资产投资组合策略的演化稳定性

利用随机动力系统理论研究了金融市场长期资产投资组合策略财富占有比例的动态演化模型.其中资产价格是内生的, 每期末支付的股息或红利收益只用于消费,在财富不断再投资的过程中, 投资组合的表现由财富的市场占有比例决定.将投资策略和红利收益纳入同一自然状态中考虑其相互影响,分析了固定投资组合策略演化稳定性的充分必要条件,在自然状态服从独立同分布和Markov过程时,给出了唯一的演化稳定投资策略, 得到了一些更加直观具体的结果.进一步,利用中国股市数据,通过计算机进行数值模拟验证了演化稳定投资策略的长期效应.研究结果对证券市场投资策略选择 及探讨市场有效性提供了重要的理论依据.     

双寡头零售市场的演化稳定策略

在一个三阶段Hotelling博弈模型的基础上研究双寡头零售市场价格策略的演化稳定问题.在[0,1]线性城市模型中,两家零售商在第一阶段同时选择价格策略变量,第二阶段确定价格的大小及相应的定价概率,第三阶段由消费者选择零售商.应用演化博弈论进行分析,得到了价格促销策略为双寡头零售市场的唯一演化稳定策略的结论.     

区域环境保护行动的演化博弈分析

利用演化博弈模型,分析了博弈主体动态支付条件下区域环境保护行动的演化过程.研究结果表明,系统演化具有多重复杂路径,在很大程度上取决于双种群的初始状态及其相互激励关系.进而,识别了区域环境保护行动有效实施的边界条件与充要条件;在此基础上,结合我国环境保护的具体国情,提出相应的改进措施与政策建议.     

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。