遗传规划算法在化合物设计、筛选研究中的应用

采用计算机科学中新兴的遗传规划算法思想，结合化学物质的本质特点，运用进化操作来实现化合物的合成设计和筛选。文中针对算法运用讨论了函数集、终止集问题，通过计算元素组成的字符串的化合价的结果来确定适应度函数，既符合化学学科的本质规律，又满足了算法的要求。通过复制、交换和突变操作，经过多代次的进化终止，取得了满意的结果。从实验可以看到，经过遗传规划算法的操作，得到了很多合理的化合物设计和筛选结果。所以说，该方法的应用有效地促进了化合物实验合成和筛选。文章还针对其实用性，从化学本质出发，提出了建议和研究方向。可以说本文是遗传规划在化学化合物合成筛选中运用的成功探索，同时也为进一步研究打下了坚实的基础。     

遗传算法与进化规划的比较研究

遗传算法和退化规划是目前工程应用研究中最普遍的两种进化算法，由于它们的来源及原理的不同导致它们在生物基础、算法操作及实施细节上均存在很大差异，适最终影响到它们的实施效果及性能。通过系统的理论分析及函数仿真实验研究表明。进化规划无论是生物基础、算法实施选是计算性能方面都明显优于遗传算法，是处理工程优化问题的一种更理想的方法。     

基于改进狮群进化算法的面向空间众包平台的多工作者多任务路径规划方法

针对面向空间众包平台的多工作者多任务路径规划问题,以求解时间成本和路程成本最小的全局最优路径规划方案为目标,提出了基于改进狮群进化算法的路径规划方法.首先,结合现实问题场景,提出带有任务开始点和结束点的路径规划模型;其次,借鉴狮群进化算法的思想,改进狮群智能行为,引入驱逐行为,针对求解问题设计染色体编码方式、交叉、变异操作等,提出了面向空间众包平台的多工作者多任务路径规划的改进狮群进化算法;最后,运用改进狮群进化算法求解面向空间众包平台的多工作者多任务路径规划模型,并根据真实数据集制作问题算例进行测试.实验结果表明了算法的可用性和有效性.     

基于学习的进化规划算法

提出基于学习的进化规划算法，用以改进普通进化规划算法的性能，该算法－方面通过学习种群整体的进化信息用以改善种群整体性能，具有大范围快速搜索的特点，另一方面该算法强调学习种群中个体的进化信息，单一个体以当前代的最优化个体作为学习目标，用以加大当前最优解附近的搜索力度，具有局部“细搜”的特点，该进化规划算法不仅能够加快算法的收敛速度，而且能够有效地保证种群的多样性，用该方法可求解具有多个极值点的函数优化问题，计算要仿真实验结果表明该方法是非常有效的。     

小生境技术在遗传规划中的应用

为了提高遗传规划算法的性能,把遗传算法中的小生境技术运用到遗传规划中,提出了改进的遗传规划算法（NGP）。该算法首先对原始训练集进行数据拟合,然后应用小生境技术跟踪拟合函数的极值点,并根据拟合函数的维数的不同,分别计算极值点在自变量维上的欧氏距离并排序,选取欧式距离较大且数量不超过原始训练集10%的极值点,加入到原始训练集中作为新的训练集,最后用遗传规划算法处理新训练集。在符号回归实验中对NGP 的准确率进行了测试,说明了该算法的准确性和有效性。     

基于形式描述方法的文法进化算法研究

本文应用基于形式文法的方法,结合计算机科学中新兴有效的进化计算优化方法,进行了文法进化算法的有效性探索。通过运用巴科斯描述文法的四元组,强调了BNF产生式的设计,充分利用遗传操作来优化求解问题。并以有机化合物的分解(以离解能适应值进行适应度评价)为例子进行了算法设计,通过适应度函数择优,复制、交换和突变操作获得了实验结果。经过对结果的分析比较证明了算法的有效性。可以说是文法进化算法的成功探索。     

基于精英培养混合遗传算法的PID参数整定

提出了一种基于精英培养的混合遗传算法，该算法采用参数自适应变化的遗传操作与精英个体的有方向的邻接爬山操作相结合。遗传参数的调整和搜索终止条件打破了传统的由整个进化群体的进化情况决定的做法，而改由精英团体的进化情况决定。通过仿真实验说明了通过新算法能实现PID参数的快速的自整定，且整定效果较好。     

基于自适应变异规则的一种有效的进化规划

为改善普通进化规划的算法性能，通过学习进化过程中获得的种群整体进化信息，提出进化规划的一种新的自适应变异规则，基于该规则的进化规划不仅能加快算法的收敛速度，而且能有效地保证种群的多样性，用该方法可求解具有多个极值点的函数优化问题，计算机仿真实验结果表明该方法的方法是很有效的。     

结合示例学习的移动机器人免疫进化规划研究

针对变化和部分未知环境下的移动机器人导航,将示例学习和生命科学中的免疫原理、进化算法相结合,将过去进化过程中的经验(性能好的个体)通过示例表达,提出了一种结合示例学习的移动机器人免疫进化路径规划算法。该算法将示例中的路径片段通过进化机制与免疫操作等其他进化操作所产生的新路径片段相互高效地组合,能够快速地进化出全局(次)最优可行路径。借助仿真实验和一些理论分析,分析了示例学习如何有效地利用过去的经验来解决部分未知和变化环境下的路径规划问题,分析了所构造的免疫算子对算法的影响。     

基于改进遗传蚁群算法的无人机航路规划

研究无人机航路,要在有限的时间内规划出最优路径.因此航路规划问题本质是多约束条件下函数求极值的优化问题,为了避免局部最优、减少计算时间是目前航路规划的关键技术.针对常用的规划算法存在收敛速度慢且易陷入局部最优这-问题,提出了一种改进的遗传蚁群算法.遗传算法阶段给出了一种小变异和引入新种群算子,维持了较优种群的多样性,蚁...     

遗传算法中初始群体技术的改进与实现

初始群体产生技术对遗传程序设计的进化结果有直接影响.为了改进进化结果和提高搜索效率,提出了一种递减检验的随机算法(DCRA),使其与领域经验知识相结合产生初始群体的遗传算法(EDGA).将EDGA算法应用于生产中的圆形件排样问题,实验结果表明,该算法产生了良好的效果.DCRA和EDGA对于遗传算法的其它应用领域将有一定的指导意义.     

改进遗传算法在电力系统无功优化中的应用

遗传算法是一种模拟生物进化过程的优化算法,可用于求解包含离散化变量的复杂优化问题,是近些年发展起来的基于自然选择规律的一种优化方法.本文提出了一种应用于电力系统无功优化问题的改进遗传算法,该算法在一般遗传算法的基础上,对适应函数、编码方式以及变异操作等方面作了改进.经电力系统的无功优化问题实例计算表明,改进遗传算法的优化结果可以更有效地达到或接近全局最优.     

基于二进制位集合的遗传算法设计及应用

遗传算法中,基因型串结构数据表示为无符号二进制整数,但在传统程序设计中,数据中的“0”和“1”是以字符(char)形式存储的,这样表示的基因数据不仅在数据结构上和实际存在差异,多占用了内存空间,而且也使算法中的操作实际是字符串操作。利用C++面向对象设计思想,通过引入二进制位集合类,使基因型数据真正表示为二进制位(bit)数据,并改进了数据的存储方式,减少了内存需求,使遗传操作编程更方便。     

Security Risk Assessment of Cyber Physical Power System Based on Rough Set and Gene Expression Programming

Risk assessment is essential for the safe and reliable operation of cyber physical power system. Traditional security risk assessment methods do not take integration of cyber system and physical system of power grid into account. In order to solve this problem, security risk assessment algorithm of cyber physical power system based on rough set and gene expression programming is proposed. Firstly, fast attribution reduction based on binary search algorithm is presented. Secondly, security risk assessment function for cyber physical power system is mined based on gene expression programming. Lastly, security risk levels of cyber physical power system are predicted and analyzed by the above function model. Experimental results show that security risk assessment function model based on the proposed algorithm has high efficiency of function mining, accuracy of security risk level prediction and strong practicality.      

属性约简中一种新的求核算法

属性约简是粗糙集理论中的一个重要内容，其核心任务是得到属性集的核。本文提出了一种基于二进制运算的属性核求解算法，该算法简单直观且易于实现。我们通过设计C语言程序验证了算法的有效性。     

四维飞行轨迹预测方法的研究

通过对空中交通运输管理中目前常用的轨迹预测算法的研究比较和分析,提出了利用遗传算法的从历史数据中进行函数挖掘的思想.针对四维轨迹数据特征的分析和传统的单一函数挖掘的局限性,提出了基于基因表达式编程的频繁函数集挖掘的建模方法.该模型方法通过对历史飞行数据进行遗传算法的操作挖掘出数据集中对应的函数关系集合,用较好的函数模型预测未来航迹.以某一航班雷达数据为训练集做实验,结果表明了应用该方法的准确性和可用性.     

一种快速的演化学习神经网络模型

神经网络的学习算法一直是人们研究的重点,各种算法都有自己的优点和不足。演化学习具有全局优化性能好,实验样本数要求少等优点,但也存在一些问题,如演化学习的速度较慢、模型的稳定性较差等。笔者在多年的神经网络的研究过程中,对传统的演化学习算法作了一些改进,该文利用梯度下降计算改进演化算法,极大地提高了模型的学习速度,对那些需要及时优化工艺参数的生产过程,该种模型有很好的应用前景。