一种求解多目标优化问题的协同演化算法

提出了一种求解多目标优化问题的协同演化算法.新算法改进了Kwee-Bo的协同演化的思想,将混合策略演化规划用于协同演化过程中,混合策略指导算法有效搜索过程,两个种群协同优化目标函数.标准测试函数的数值实验验证了新算法的有效性.     

基于动态群体的聚集演化求解多峰函数优化问题

指出了现有的演化算法框架都是群体固定的演化迭代过程，对求解多峰函数优化问题时由于无法事先得知峰值点的个数而很难确定合适的群体大小，影响了算法的效率，提出了一种群体动态可调的演化方式，使得初始群体大小可任意指定，在演化过程中通过聚集和按比例引入新个体两个过程而动态变化。实验表明，该算法能尽可能多地定位峰值点。     

演化求解高维函数优化问题的独立编码策略

在用演化算法解高维函数优化问题时，一般采用传统的二进制整体编码策略。本将函数的自变量独立分组，分别进行编码和演化操作，以突破传统二进制整体编码策略的束缚，将这种分组编码策略称为独立编码策略，同时，讨论了独立编码串行实现的灵活性，提出了一个基于变量分组的并行演化计算模型，大量的数值实验结果表明，在问题求解的精确度和求解速度方面，独立编码策略都优于传统的二进制整体编码策略。     

多目标演化算法在公交车辆发车间隔优化中的应用

为了使公交车辆的发车间隔得到优化,根据客流量的变化,建立了以乘客和公交企业运营费用最小为目标的公交车辆发车间隔优化模型,并采用一种多目标演化算法(MOPEA)来求解模型.该算法通过粒子系统从非平衡状态达到平衡状态的理论来定义Rank函数,从而使得所有个体在每次迭代过程中均能参与杂交、变异等演化操作,最终求得发车间隔的全局最优解,从而避免传统演化算法中出现的陷入问题的局部解的现象.同时,保留了目标函数的多样性,使相向的多目标优化问题得到了一个折中的最优解,即Pareto最优解.最后通过实例验证了该算法比传统演化算法更具优越性.     

一和睦注解混合整数非线性规划问题的演化算法：搜索 …

提出一种求解混合整数非线性规划问题的新的演化算法－搜索空间自动收缩法（ＡＣＳＳＯＳ），在这种算法中，演化算法既用来定位最优解区域，实现搜索空间自动向全局最优解收缩，又用来最终求得最优解。由于在遗传算法引用了舍入操作，它不仅可用来求解混合非线性整数规划问题，也可求解纯整型或纯实型变量非线性函数优化问题，数值试验结果表明本文的算法在解的质量，稳定性和收敛速度等方面优于一般的演化算法。     

一种求解不等式约束下函数优化问题的新算法

提出了一种求解不等式约束下的函数优化问题的新算法。算法设计思想来源于演化计算的群体搜索技术,但又不同于现存的任何一种演化算法。对一些典型的约束优化问题测试结果表明：新算法结构的简单性,搜索的高效性,收敛的全局性,应用的广泛性,算法的鲁棒性及结果的精确性,都优于现存的演化算法。     

混沌演化算法求解动态优化问题

提出了一种结合混沌序列的演化算法——混沌演化算法,将其用于处理动态优化问题,并对动态多峰benchmark优化问题进行了数值实验,实验结果表明:混沌演化算法在处理动态优化问题时是有效的.     

SiH，SiD，SiT分子基态（X^2П）的结构与解析势能函数

利用群论及原子分子反应静力学的有关原理,推导了SiH（SiD,SiT）分子基态的电子态和合理的离解极限．采用量子力学从头算法,应用二次组态相互作用QCISD／6—311g（df,2pd）方法对SiH,SiD,SiT的基态平衡结构和谐振频率进行了优化计算．并使用该方法和基组对SiH（SiD,SiT）分子的基态进行了单点能扫描计算,用正规方程组拟合了Murrel—Sorbie势能函数,得到了该态的完整的势能函数．从得到的势能函数计算了基态的光谱常数,结果与实验数据较为一致．     

SiH,SiD,SiT分子基态(X2Ⅱ)的结构与解析势能函数

利用群论及原子分子反应静力学的有关原理,推导了SiH(SiD,SiT)分子基态的电子态和合理的离解极限.采用量子力学从头算法,应用二次组态相互作用(QCISD/6-31g(df,2pd)方法对SiH,SiD,SiT的基态平衡结构和谐振频率进行了优化计算.并使用该方法和基组对Sill(SiD,SiT)分子的基态进行了单点能扫描计算,用正规方程组拟合了Murrel-Sorbie势能函数,得到了该态的完整的势能函数.从得到的势能函数计算了基态的光谱常数,结果与实验数据较为一致.     

BeCl自由基基态结构与势能函数

利用原子分子反应静力学原理,推导出了基态BeCl(X2Σ+)分子的合理离解极限.在B3LYP/cc-pVQZ理论水平下,对BeCl分子基态的平衡结构和谐振频率进行了优化计算,在优化计算基础上对基态BeCl分子进行单点能扫描,并将扫描结果拟合成了Murrell-Sorbie函数.利用拟合得到的势能函数,计算BeCl(X2Σ+)分子的光谱常数(D,B,α,ωχ),其结果与实验值符合得较好.     

一种稳态淘汰多目标演化算法

近年来，多目标优化问题求解已成为演化计算的一个重要研究方向。而基于Pareto最优概念的多目标演化算法则是当前演化计算的研究热点。多目标演化算法的研究目标是使算法种群决速收敛并均匀分布于问题的非劣最优域。介绍了多目标优化的概念，在比较分析了目前较成功的多目标演化算法的基础上，提出了一种新的解决数值优化问题的稳态淘汰演化算法。     

求解函数优化问题的自适应粒子群算法

本文提出了一种新的自适应粒子群优化算法(ASPO)。该算法利用种群多样性信息对惯性权重进行非线性的调整,并在算法的后期引入速度变异算子和位置交叉算子,使算法摆脱后期易于陷入局部最优点的束缚。将其应用于函数优化问题中,仿真结果表明APSO算法能有效的解决函数优化问题。     

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。     

三层前向人工神经网络全局最优逼近

提出了求解不等式约束非线性优化问题的群体复合形进化算法，提出的算法能充分利用目标函数值的信息，优化搜索过程具有较强的方向性和目标性，收敛速度快，且是全局优化算法；将群体复合形进化算法应用于三层前向人工神经网络逼近，提出了三层前向人工神经网络全局最优逼近算法；将三层前向人工神经网络全局最优逼近算法应用于实例，表明了提出的全局最优逼近算法的有效性     

一种求解多目标优化问题的混合演化算法

提出了一种混合演化算法求解多目标优化问题.演化算法是解决多目标优化问题的有效方法,在全局优化问题中具有很好的鲁棒性,但其局部搜索性能有待改善.Hooke and Jeeves方法是一经典的局部搜索算法,将其与演化算法结合求解多目标优化问题,提高了解的收敛质量,因而从整体上提高了算法的性能,并且测试结果也说明了该算法的可行性.     

SiH(SiD)自由基的分子结构和基态势能函数的理论研究

运用群论和原子分子静力学方法,推导了SiH(SiD)自由基分子基态的合理离解极限.采用多种方法和基组组合优化计算了SiH(SiD)自由基分子基态的平衡结构,振动频率和离解能.使用二次组态相互作用方法QCISD(T)结合6-311++g(3df,3pd)基组对SiH(SiD)自由基分子基态进行了单点能扫描计算.对标准的Murrell-Sorbie函数进行修正,用最小二乘法分别拟合Murrell-Sorbie函数和修正的Murrell-Sorbie函数得到了SiH(SiD)自由基分子基态的势能函数和对应的光谱常数.结果表明,修正的Murrell-Sorbie势能函数计算所得光谱常数与实验结果符合很好.表明修正的Murrell-Sorbie函数能更为精确地描述SiH(SiD)自由基分子基态的势能函数.     

一种动态惯性权重的粒子群优化算法

自粒子群优化算法被提出以来,由于其收敛速度快、易实现,得到了快速发展和广泛应用.在此提出了一种改进型的粒子群优化算法,主要特点是随进化代数的增加而动态非线性减小惯性权重,以此改善演化后期收敛速度迅速降低的问题.为了评价其性能,选取了5个基准函数进行测试,并与惯性权重线性递减的粒子群优化算法作了比较.数字仿真表明,改进算法能极大地提高搜索性能.     

解全局优化问题的有向演化算法

提出了一种新的求解全局优化问题的演化逼近。这种技巧是基于一类搜索和优化的演化策略，计算结果表明，该算法能有效地找到整体最小点，具有高精度和计算时间短的特点。     

基于正交设计法的遗传算法

将正交设计法和遗传算法相结合，既保留了遗传算法本身的优点，又可以较好地解决遗传算法在达到全局最优解前收敛慢的问题。该算法能有效地求解函数优化问题。     

火星探测转移轨道的鲁棒优化设计

以设计变量存在不确定的火星探测轨道设计模型为研究对象,采用最小最大鲁棒优化方法获得该模型的鲁棒优化解.在传统的最小最大方法的基础上,考虑了决策变量的扰动,提出了一种嵌套的差分演化算法.在该算法中,内层差分演化算法计算不确定域的最差目标函数值,外层差分演化算法获得全局的鲁棒优化解.通过试验对该方法的有效性进行了验证,结果表明:该方法适合于目标函数没有解析表达式、高度非线性的问题,实际工程问题中的不确定性不可忽略.