供应链中的税后净收入模型及其优化

分析并建立了一个单产品生产 -销售供应链中总税后净收入优化模型 ,考虑了转移价格、运输成本分配、税收政策、最小经济订货批量、资金分配等问题 ,其中产品转移价格和销售量的可调整部分 ,以及运输成本分配是决策变量。应用进化规划算法进行了仿真计算 ,结果表明利用不同的税收政策 ,调整转移价格和运输成本分配可优化总公司的税后净收入 ,并实现供应链的关系协调以及资金的再分配     

植物花色模拟研究

提出了植物花色的模拟的新方法。根据花色的特征,结合花瓣几何形状的定义,不同的花色模型采用不同的参数方程构建:重点对花心、花边、花环、花肋的花色模式进行模拟,同时可随机组合这4种的花色模式,形成复杂的花色。该方法方便易行,建模速度快。通过给出的植物花色模拟结果,表明其仿真效果较好。     

梯级水库短期发电优化调度的协进化粒子群算法应用研究

针对传统优化算法在求解高维、复杂的梯级水库短期发电优化调度时多约束条件难以处理、 计算机时长、易陷入局部最优解等缺陷, 提出了基于协进化的粒子群优化算法, 并建立了相应罚因子的评价机制, 在此基础上对协进化粒子群优化算法进行了改进. 通过实际算例验证了该方法的合理性和可靠性, 从而为高维、复杂梯级水库发电优化调度提供了一种新的求解途径.     

Enhanced self-adaptive evolutionary algorithm for numerical optimization

There are many population-based stochastic search algorithms for solving optimization problems. However, the universality and robustness of these algorithms are still unsatisfactory. This paper proposes an enhanced self-adaptiveevolutionary algorithm (ESEA) to overcome the demerits above. In the ESEA, four evolutionary operators are designed to enhance the evolutionary structure. Besides, the ESEA employs four effective search strategies under the framework of the self-adaptive learning. Four groups of the experiments are done to find out the most suitable parameter values for the ESEA. In order to verify the performance of the proposed algorithm, 26 state-of-the-art test functions are solved by the ESEA and its competitors. The experimental results demonstrate that the universality and robustness of the ESEA out-perform its competitors.     

影响植物生长因素的模糊聚类分析研究

通过对影响植物生长因素的模糊聚类分析研究,实现了对主要因素的主从排序,进而形成了对地域、地块的适宜度评价,从而为植物的合理布局与规划提供了可以信赖的数量依据     

基于相似性机制的合作策略的随机进化

基于标签的相似性机制,讨论了有限样本随机博弈的合作进化问题。首先,在局部更新机制和弱选择条件下,讨论了2个基本模型的合作进化。然后,在成对比较机制下,求得不同模型强选择条件下的策略的定位概率。根据系统平衡条件,给出不同策略的平稳分布。最后,分析在具体条件下平稳分布随选择因子变化的表达式。     

基于混沌差分进化算法的飞机等效系统拟配研究

提出了基于Tent映射的混沌差分进化算法。以某飞机纵向短周期系统为例,首次研究了基于混沌差分进化算法的飞机等效系统的拟配,克服了一些传统的拟配算法存在的一些缺点。仿真结果表明,基于混沌差分进化算法拟配得到的等效系统满足等效系统拟配的各项要求和一级飞行品质的要求,取得了更好的拟配效果。证明该算法在飞机等效系统拟配中的有效性和高效性。

Abstract：

Chaotic differential evolution algorithm based on Tent map was introduced. Taking aircraft longitudinal short period system as an example,the analog-matching of the aircraft longitudinal equivalent system based on chaotic differential evolution algorithm was studied firstly and overcome the disadvantages of the conventional algorithms in the analog-matching of equivalent system. The simulation results show that the equivalent system by chaotic differential evolution algorithm is satisfied the various requirements in the analog-matching of equivalent system and the requirement of level 1 flight qualities,and has obtained better analog-matching results. The usefulness and high effectiveness of the chaotic differential evolution algorithm in the analog-matching of aircraft equivalent system is proved.     

求解约束优化问题的动量粒子群算法

为解决约束优化问题,提出使用双可行域吸引子策略改进动量粒子群算法。该算法只需初始种群中有一个粒子位于可行域内,随着搜索过程的进行,整个种群自动进入可行域内搜索。一方面,在搜索过程早期,由于可行域内粒子少,所有粒子移向相同的吸引子,整个种群迅速进入可行域内。另一方面,随着进入可行域粒子的增多,由于每个粒子使用距本身最近的可行域吸引子,较好地维持了种种群的多样性,避免早熟现象的发生,使算法具有较好的寻优性能。与国际上当前解决约束优化问题的粒子群算法在4个标准约束优化函数上测试比较,实验结果表明本算法取得的最优值要优于其它粒子群算法。

Abstract：

The strategy that two good positions in feasible region worked as attractors was incorporated into momentum particle swarm optimization algorithm in order to resolve constrained optimization problems. The resulting algorithm only requires that one of the initial particles is in the feasible region, and then all particles in the swam automatically move into the feasible region. On the one hand, in the early iterations few particles appear in the feasible region and hence all particles move toward the same attractors, so the particles soon enter into the feasible region. On the other hand, as the number of particles in the feasible region increases, each particle adopts the most near attractor so that each particle has different attractor. Therefore, the algorithm maintains the diversity of the population, alleviates the premature, and hence achieves good performance. The algorithm is compared with other particle swarm optimization algorithms on four benchmark functions. The experimental results show that the solution of the algorithm is better than that of others.     

基于学习进化的机器人同时定位与地图创建

利用学习与进化结合的思想,改善基于粒子滤波的SLAM算法。在对学习与进化的关系深入分析的基础上,针对基于粒子滤波的SLAM算法,提出将滤波过程分成学习和进化两个阶段,分别给出相应算法解决粒子有效性与多样性的问题,缓解二者之间的矛盾,改善了SLAM算法的效果,增强了算法的鲁棒性,也验证了学习与进化的关系。最后,通过多次Monte-Carlo仿真实验结果表明了该算法的有效性。     

一般自组织进化优化定理初探

考察斯图亚特.考夫曼等人,运用他们开发出的一套计算机模拟模型——NK模型,探究生态系统和非集中化组织是如何自发地向有序方向进化的。他们根据对一般自组织进化研究的成果,得出了一般自组织进化的优化定理,这就是自组织系统自发优化,优化的结果是共同进化的系统趋向处于有序和混沌的过渡阶段,靠近有序的一边。斯图亚特.考夫曼等人得出的一般自组织进化的优化定理具有普遍意义。