基于配置约束处理的产品配置设计方法

为了解决复杂的配置设计问题，提出了一种集成配置设计方法．该方法包括3个相互协作的过程：通过实例匹配技术从现有设计实例库中搜索满意设计解；通过领域知识的支持解决具有强烈知识依赖性的模块配置问题及关键参数的赋初值问题；通过进化算法解决配置设计过程中参数的求解和优化问题．针对参数求解和优化过程中的一些复杂配置约束，在传统进化算法的基础上提出了约束校核操作和再设计规则的配置约束处理方法．最后以蜗杆减速器为实例，验证了所提出的基于配置约束处理的产品配置设计方法能够快速给出良好的设计解，从而为复杂产品的配置设计问题提供求解方案．     

进化粗糙集的逼近最优性

构造了进化粗糙集的表征测度和分解形式 ,讨论了其随机过程和信息几何的属性 ,提出并证明了逼近求解方面其鞅过程和全局最优性条件的数学结论 ,同时给出了相关的定量描述 .结果表明 ,所建立的进化粗糙集结构为符号的非单调逻辑与数值的非线性规划相统一的广义问题求解过程设计提供了必需的理论基础和形式化手段 ,在非确定信息建模与非线性信号处理方面具有重要的意义     

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。     

基于遗传算法的神经网络优化

神经网络和以遗传算法为代表的进化算法都是仿效生物处理模式来获得智能信息处理功能的理论,其中,神经网络已被广泛应用于智能控制系统优化,信号及信息处理,模式识等领域,而遗传算法则是模拟生物的进化现象（处然淘汰,交叉,变异等）,不表现复杂现象的一种概率搜索方法,以达到快速有效地解决各种困难问题。但神经网络和遗传算法目标相近而方法各异,因此,将这两种方法相互结合,必能达到取长补短的作用,近年来,在这方面已经取得了不少研究成果,形成了以遗传算法与神经网络相结合的进化神经网络（ENN）。本文以综述的形式总结了遗优越传算法在神经网络训练中的应用情况。     

产品实例种群及产品基因研究

提出了一种新的产品基因表达和获取方法.通过对产品实例适当分类,划分不同的产品实例种群,建立实例种群表达模型;抽取种群实例的方案设计知识,规范化成功能、原理和结构基,合成产品基因,建立产品实例的层次分解基因树,用面向对象方法表达基因树及其节点.使用此种方法,有助于设计知识的规范化、累积和重用.结合遗传算法,能够实现自动化方案演化设计,从功能、原理和结构等多方面多层次优化设计方案,提高产品方案设计创新性.     

基于神经网络和进化算法的混沌序列产生方法

应用具有全局最优的进化规划算法建立产生混沌序列的优化神经网络模型。该模型利用神经网络权值调整的灵活性 ,能够在同一网络结构中产生的多种混沌序列。计算机仿真结果表明 :该模型比 BP算法训练的神经网络模型能更好地重构混沌吸引子 ,调整网络权值即可产生多种混沌序列。     

基于图形的网络演化博弈的拓扑结构

对基于图形的网络演化博弈,首先求出典型结点策略演化方程,进而给出将结点方程组合成网络局势演化方程的方法.利用局势演化方程,将计算逻辑动态系统不动点与极限环的公式推广用于图形的网络演化博弈.然后,介绍某玩家单独更新的局势演化方程,并依此给出网络演化博弈纯纳什均衡点计算公式.     

大规模复杂换热网络联动进化障碍分析及策略改进

针对启发式算法在优化大规模换热网络时出现优化精细度不足的问题,提出一种以小负荷公用工程为导向的换热单元耦合联动强制进化策略。该策略以小负荷公用工程作为导向,构建具有耦合关系的换热单元环路,并对环路内的换热单元热负荷进行联动调整,同时保持环路外换热单元的热负荷和流股匹配不变。该策略旨在最大程度回收流股的能量,以减少小负荷公用工程使用带来的费用增加。将策略应用于强制进化随机游走算法并对两个算例进行测试,算例H8C7和H10C10的优化结果分别为1495292 $/a和1713637 $/a。与改进前相比,分别降低了7466 $/a和7533 $/a;与文献中最优解相比,分别减少了2033 $/a和1450 $/a,证明了该策略的有效性。     

基于博弈和多智能体的汽车共享服务联盟协同策略研究

基于演化博弈和多智能体仿真,以加强联盟管理、提升联盟服务商合作积极性为目标,研究汽车共享服务联盟协同策略.从演化博弈视角设计综合考虑服务商自身与联盟内其他成员历史信息的学习规则,构建汽车共享服务联盟的多Agent仿真模型,研究收益、成本及惩罚等不同参数设置对服务商协同策略的影响.依据仿真实验结果提出了不同收益、成本和惩罚参数场景下加强联盟合作的策略,为汽车共享服务联盟的协同策略提供决策支持.     

基于D-NSGA-Ⅲ算法的无人机群高维多目标任务分配方法

随着人工智能技术的快速发展, 种类繁多的无人机在军事领域得到了广泛应用。受单平台资源配备和执行能力限制, 大多数复杂任务需由多个无人机协同完成, 最优任务分配是其中需解决的重点和难点问题之一。最优任务分配方案求解问题已被证明是一个NP难问题, 针对多无人机系统的组织架构, 将非支配排序遗传算法与岛屿模型、主从模型结合, 构建一种分布式高维多目标演化算法D-NAGA-Ⅲ并对实际应用场景中4个目标进行优化, 并引入迁移策略和贪心算法对任务分配方案进行局部提升, 提高算法寻优能力和解质量。实验结果表明: 该方法在求解高维多目标的分布式无人机任务分配问题方面具有一定的效果。