一种基于免疫原理的多目标优化方法

借鉴生物免疫原理中抗体多样性产生及保持的机理，建立了一种多目标优化方法．该方法定义了多目标选择熵和浓度调节选择概率的概念，采用了抗体克隆选择策略和高度变异策略．最后采用四种典型的多目标优化函数，将本方法同几种常用的多目标遗传算法进行了比较研究，证明了所建立的基于免疫原理的多目标优化方法能有效解决多目标优化问题且具有一定的优越性．     

基于多目标进化算法的混合H2/ H ∞优化控制

提出一种用于混合H2／H∞优化控制的多目标进化算法．为加快算法的收敛进程，将LMI方法的优化结果作为初始代种群，并采用群体排序、小生境和最优保留等关键技术．仿真结果表明，与LMI方法相比，多目标进化算法的优化结果具有更小的保守性．     

TSK 模糊模型的协同进化学习方法

针对TSK模糊模型的学习是多约束和多目标优化问题，提出TSK模糊模型分解为两类不同的种群，协作共同进化的模型学习方法．论述了所涉及的相关问题，包括各种群的编码及其不同的进化计算，各种群个体的合作及其适应值评估策略，模型的后件参数估计方法．该方法要求先验知识少，收敛速度快，能形成简洁的模糊模型，最后以函数近似为例说明了该方法的有效性．     

一种子群体个数动态变化的多目标优化协同进化算法

给出一种新型的在多目标优化条件下的进化算法群体停滞判别准则，并基于该准则提出一种合作型多目标优化协同进化算法．该算法在运行过程中自适应地决定子群体的新增和灭绝．使得子群体个数依据需要动态变化，减小了对计算资源的消耗，并解决了对复杂多目标优化问题难以事先进行分解的问题．对所提算法的计算复杂度进行了理论分析，并把它与已有的多目标进化算法进行了比较，结果表明所提算法具有较高的搜索性能．     

基于统计分析的分阶段进化神经网络方法

基于统计分析和分阶段进化，提出一种新的进化神经网络设计方法．本文方法 的进化过程分三个阶段：第一阶段，首先按训练样本统计特性设计较小规模的神经网络；第 二阶段，引入所有训练样本，在第一阶段的基础上，逐步扩展网络结构，新添加的神经元总 是单独训练并以抵消原网络的输出误差为其训练目标，直至训练网络达到误差要求．第三阶 段，利用统计方法，将网络中非线性变换作用相似的神经元合并，简化网络结构．本文方法 一方面减轻了进化算法的压力,另一方面指出了网络进化的方向使得进化网络的学习过程不 再是黑箱问题．计算机仿真实验表明，该方法是有效的．     

一种基于多Agent的进化多目标优化算法

将进化多Agent系统引入多目标优化问题求解，通过Agent的局部搜索机制及Agent种群的协同进化机制来寻求Pareto最优解。在设计的进化算法当中借鉴了人工生命系统中的一些基本方法，如能量、小生境和迁移机制等。实例表明通过该进化算法求得Pareto最优解集具有很高的效率。     

遗传算法及其进化硬件设计研究

遗传算法(Genetic Algorithms，GAs)是进化计算中的重要领域．也是人工智能迅速发展的重要领域，它是一类模拟自然进化过程和达尔文“适者生存”的算法。这一算法企图通过使用诸如交叉、变异等算子从先前的候选解中生成最佳解。进化硬件(Evolvable Hardware，EHW)则是受自然进化得到灵感、设计硬件系统的新型设计方法，它是进化计算技术和电子硬件结合的产物。本文给出GAs在计算机模型中的基本概念．讨论进化再配置硬件的设计，最后给出几个进化实验的例子。     

基于Pareto协同进化算法的TS模糊模型设计

提出一种可同时构造多个精确性和解释性较好折中的TS模糊模型的设计方法．该方法由以下两步组成：1）采用模糊聚类算法辨识初始模型；2）利用Pareto协同进化算法对所获得的初始模型进行结构和参数优化．Pareto协同进化算法由规则前件种群和隶属函数种群组成，其目标函数同时考虑模型的精确性和解释性，采用一种新的基于非支配排序的多种群合作策略．利用该方法对一类合成非线性动态系统进行建模，仿真结果验证了该方法的有效性．     

基于演化硬件的容错系统设计技术研究

提出了一种基于演化硬件的N 模异构冗余容错系统设计方法．首先,改进了一种多目标进化算 法,利用改进的优化算法来设计多模冗余系统目标数字电路;然后,提出了多模数字电路设计的异构评价策 略,以用于N 模异构电路的优化设计;最后,将设计的异构数字电路用于组成N 模冗余容错系统,以提高容 错系统的可靠性．对单目标与多目标设计电路、同构与异构冗余电路的容错性能进行了理论分析和对比,给 出了异构电路评价方法和选择策略．以8 线—3 线编码器作为设计实例,实验结果证明了基于多目标进化设 计的异构电路所组成的容错系统具有更好的容错能力．     

一种求解双目标job shop问题的混合进化算法

提出一种求解双目标job shop排序问题的混合进化算法．该算法采用改进的精英复制策略，降低了计算复杂性；通过引入递进进化模式，避免了算法的早熟；通过递进过程中的非劣解邻域搜索，增强了算法局部搜索性能．采用该算法和代表性算法NSGA-Ⅱ，MOGLS对82个标准双目标job shop算例进行优化对比，所得结果验证了该算法求解双目标job shop排序问题的有效性．     

自适应狼群算法优化ELM的模拟电路故障诊断

为了能够更加高效地检测和诊断模拟电路中的故障元件,提出了自适应狼群算法优化极限学习机的方法。该方法采用自适应遗传算法对特征参数进行选择,从而生成最优特征子集,然后利用最优特征子集构造样本输入极限学习机ELM网络对故障进行分类。针对极限学习机的输入层和隐含层之间的连接权值、隐含层的偏差都将会使其学习速度和分类正确率受到影响的问题,采用本文方法对它们进行优化并选择相应的最优值,提高了极限学习机网络训练的稳定性与故障诊断的成功率。通过2个典型模拟电路的诊断实例,给出了这些方法的具体实现过程,故障诊断率均在99%以上。仿真结果表明使用该方法进行模拟电路故障诊断时具有良好的正确率和稳定性。     

Progressive evolution model using a hardware evolution system

A progressive evolution model is proposed in which evolution takes place stepwise to match environmental changes. This model was designed to accelerate evolution. Environmental complexity is defined, and the problem environment progresses in environmental complexity gradually from easy to difficult. A verification system for the model is constructed on a hardware evolution system called AdAM (adaptive architecture methodology) in which each individual circuit takes parallel input sequences and operates on this input. A measure that is suitable for such parallel simultaneous operations schemes is designed to express environmental complexity. Simulations using an artificial ant problem (a modified John Muir trail) show that in the progressive evolution model, circuits can easily evolve complex behaviors. This work was presented, in part, at the Second International Symposium on Artificial Life and Robotics, Oita, Japan, February 18–20, 1997     

A Dual Selection Module for Directed Evolution of Genetic Circuits

We have developed a genetic selection module which enables us to select for positive and negative expression of a gene by controlling the expression of two antibiotic resistance genes. This module can be used to tune the performance of genetic circuits that yield simple ON/OFF gene expression outputs depending on the environment (input). We have demonstrated the utility of the module by selecting a genetic inverter from a 200 fold excess of nonfunctional inverters in two rounds.     

The Darwinian Genetic Code: An Adaptation for Adapting?

The genetic code is a ubiquitous interface between inert genetic information and living organisms, as such it plays a fundamental role in defining the process of evolution. There have been many attempts to identify features of the code that are themselves adaptations. So far, the strongest evidence for an adaptive code is that the assignments of amino acids (encoded objects) to codons (coding units) appear to be organized so as to minimize the change in amino acid hydrophobicity that results from random mutations. One possibility not previously discussed is that this feature of the code may in fact represent an adaptation to maximize the efficiency of adaptive evolution, particularly given the maximized connectedness of protein fitness landscapes afforded by the redundancy of the code.     

基于遗传编程的HFC-ADM算法在滤波器进化设计中的应用

该文在电路进化设计中使用遗传编程和键合图结合的进化设计方法,并且引入了分等级公平竞争(HFC)模型,采用自适应阈值控制不同等级之间的迁移,并结合动态的参数与拓扑空间进化设计了一个模拟滤波器。实验结果表明该算法不仅扩大了搜索空间,还有较强的持续进化能力,进一步证明了该方法的可行性和有效性。     

基于函数级FPGA原型的硬件内部进化

电路进化设计是现阶段可进化硬件（EHW）研究的重点内容，针对制约进化设计能力的主要“瓶颈”，该文提出并讨论了一种简洁高效的内部进化方法，包括基于函数变换的染色体高效编码方案，与之配套的函数级FPGA原型和进化实验平台以及在线评估与遗传数自适应方法等，交通灯控制器，4位可级联比较器等相对复杂且具应用价值的电路的成功进化，证明该方法适用于组合，时序电路的进化设计，并可显著地减少运算量，提高进化设计的速度和规模。     

基于元胞多目标遗传算法的蜗杆优化设计

为研究蜗杆传动的多目标优化问题,提出一种自适应差分进化的元胞多目标遗传算法。该算法针对元胞遗传算法的特点,对基本的差分进化策略进行改进,得到一种参数自适应控制策略。将该算法与目前性能优异的4种多目标进化算法在三目标的基准测试函数进行对比实验,结果表明所提算法相对于其他算法具有明显的优势,能够在保证良好收敛性的同时,使获得的Pareto前端分布性更加均匀,覆盖范围更广;工程实例求解结果也表明了算法的工程可行性。     

良性进化的自适应遗传算法及其仿真研究

为了搜索函数最优解,基于遗传算法基本理论,提出了良性进化的自适应遗传算法（AGA）。AGA从两个方面改进了标准遗传算法：一是交叉、变异率会自适应调节大小;二是交叉、变异具有方向性。通过对AGA的仿真研究,分析了AGA中参数取值对算法的性能影响。最后把AGA和标准遗传算法进行了仿真比较,结果表明AGA在求解函数最优解问题时具有较强的自适应性和收敛性。     

Multichannel signal processors for multielement IR FPA

Structure and circuit solutions for implementing adaptive multichannel analog and digital signal preprocessing circuits integrated with readout circuits are considered. Experimental results of investigating multichannel signal preprocessing readout circuits and IR FPA based on them are represented. The article is published in the original.