一种改进的模糊自适应遗传算法

模糊自适应遗传算法是将模糊控制器应用于遗传算法性能和参数控制的一种新型进化算法。提出了一种2输入和2输出的改进模糊自适应遗传算法。一方面,算法采用混沌初始化,提高了初始群体的质量;另一方面,算法将群体适应度方差作为模糊控制器的一个输入参量,来度量群体在空间分布的离散程度。将群体适应度均值商作为模糊控制器的另一个输入参量,来度量群体中个体的多样性。从而自适应地控制算法在进化过程中的交叉概率和变异概率。测试函数仿真结果表明,该算法很好地平衡了"开发"与"探测",取得了较为满意的优化结果。     

基于父个体更新的自适应遗传算法

遗传算法作为一种模仿生物自然进化过程的随机优化算法,其群体规模对算法的性能影响很大,群体规模越大,越有利于提高算法的寻优能力,但随着群体规模增大,计算量也显著增加。该文在传统自适应遗传算法整个进化过程中,分阶段对一些适应度较差的父个体进行更新,增大了搜索空间,提高了算法的寻优能力且未增加群体规模。仿真实验表明,与传统自适应遗传算法相比,该算法能显著提高解的质量和鲁棒性。     

改进的自适应遗传算法

Srinvivas等提出一种自适应遗传算法,交叉概率与变异概率能够随着适应度大小而改变。但在这种算法中,群体中最大适应度值的个体的交叉率和变异率为零,这使得进化走向局部最优解的可能性增加。提出了一种改进的自适应遗传算法,使群体中最大适应度值的个体的交叉率和变异率不为零。实验结果表明该算法在抑制“早熟”现象,防止陷入局部最优,提高种群收敛速度方面都有明显的效果。     

协同进化在遗传算法中的应用述评

生态系统中协同进化的含义是几个生存能力相关联的种群的同时进化,在遗传算法中应用协同进化的实质是改变了个体适应度的计算方法:经典遗传算法中个体的适应度由它的染色体所决定,协同进化中个体的适应度却是由个体在协同关系中的表现决定.根据个体之间的适应度关联方式的不同,协同进化在遗传算法中应用可以分为两种:竞争协同进化算法、合作协同进化算法.竞争协同进化算法中的个体适应度由个体在竞争中的表现决定;合作协同进化算法中的个体适应度决定于个体在合作中的表现.对这两种方法的实质以及主要思想进行了述评.     

一种改进的抑制早熟收敛的模糊遗传算法

针对遗传算法中的早熟收敛现象，提出一种改进的模糊遗传算法。该算法将群体适应度均方差和种群的进化代数作为模糊逻辑控制器判断早熟收敛的标准，并根据判断结果对优劣不等的个体采取相应的进化方法，即当种群正常进化时对个体执行“惩强扶弱”的措施以保持种群多样性，一旦发生早熟收敛或有早熟收敛的趋势则对劣质个体进行局部灾变，以恢复种群的进化能力。实验结果表明，与标准遗传算法、自适应遗传算法和模糊遗传算法相比，改进的模糊遗传算法能够更好地维持种群多样性，抑制早熟收敛。     

自适应变异遗传算法及其应用

为了改善变异操作在遗传算法中的作用,提出自适应变异遗传算法,其变异操作能根据种群进化代数和个体的适应度值自适应地确定每个个体的变异概率,从而在保留遗传算法当前最优解的同时,维持了群体的多样性,提高了算法的全局搜索能力.与传统遗传算法相比,自适应变异遗传算法的离线性能和在线性能都有较大的改善.本文在实际应用中,将自适应变异遗传算法应用于估计动力学参数取得了较好的结果.     

基于可进化性的自适应遗传算法

针对传统遗传算法容易陷入局部最优解的问题,提出一个基于可进化性的自适应遗传算法。将个体可进化性作为适应度函数的参数加入到随进化代数动态调整的非线性适应度函数中,动态调整整个种群的交叉与变异概率以逸出局部最优。实验结果表明,该算法可改善适应度不高但具有较好进化能力个体的生存概率,且提高了种群多样性与搜索效率。     

改进的自适应遗传算法在函数优化中的应用*

针对传统遗传算法在复杂函数优化的寻优搜索中容易陷入局部极值,搜索效率低,不稳定等特点,提出一种改进的自适应遗传算法,该算法的思想是根据进化中种群适应度的集中分散的程度非线性地自适应调节遗传进化的运算流程和交叉概率Pc、变异概率Pm的值,从而能更好地产生新的个体摆脱局部极值搜索到全局最优解,并采取最优保存策略来保证改进的自适应遗传算法的收敛性。仿真实验结果表明,与现存其他算法相比,改进的自适应遗传算法在全局寻优的收敛速度、最优解、求解精度、和稳定性等方面都有了较大的改进和提高。     

自适应变异率的遗传算法

标准遗传算法的变异运算以固定的变异率进行操作,即不管遗传个体的适应度大小, 所有个体的染色体均以不变的概率进行变异.该文根据遗传个体的适应度值自适应地确定各个个体变异率,适应度值大的个体以较小的概率进行变异,而适应度值小的个体以较大的概率进行变异.通过这种方法,可以减少优秀染色体模式被变异破坏的可能性,从而提高遗传寻优计算的效率,加快遗传算法的收敛速度.     

基于文化遗传算法的水浴温度模糊控制器设计

水浴温度控制普遍存在滞后、超调、波动性大等特点,且难以建立精确的数学模型,一般采用模糊控制器实现对水浴温度的控制,但模糊控制规则具有较强的主观性,其控制性能往往达不到客观要求。研究遗传算法在模糊控制规则寻优上的应用,将其和文化算法相结合,构成一种具有双层协同进化机制的文化遗传算法,采用专家经验的知识信息构成信仰空间作为指导方向,然后在群体空间中进行遗传算法操作,选取群体中适应度值较高的个体更新信仰空间,再通过迭代优化,得到适应度值高的个体,将其作为优化的模糊控制规则。仿真实验表明,优化后的规则在控制过程中的动态温度跟踪和稳态误差方面均具有较好的效果。     

用回溯法求哈密顿通路

回溯法是一种按照深度优先的策略从根结点开始搜索解空间树的算法，该算法可以用来求出问题的全部解，也可以在求出问题的一个解之后停止对问题的求解，即只求该问题是否有解。哈密顿通路就是判断图中是否存在一条通过所有顶点一次且仅一次的路径。本文主要讲的就是用回溯法来求解一个任意的图中是否存在一条哈密顿通路的问题，并用具体的算法来实现它。     

巨型柔性Stewart平台解空间的研究

本文针对大型射电天文望远镜FAST中馈源系统的柔索结构及运动要求，提出了巨型柔 性Stewart平台的概念，并由馈源舱的非线性静平衡方程给出了解空间的定义．通过计算发 现六悬索巨型柔性Stewart平台的工作空间中存在六个解空间为零的面，不能保证馈源舱连 续平稳地做空间扫描．在综合考虑馈源舱运行规律及悬索受力特点的基础上，本文通过增加 两根向下拉的冗余悬索，设计了八悬索巨型柔性Stewart平台．计算结果表明八悬索巨型柔 性Stewart平台消除了解空间为零的位置，为大型射电天文望远镜FAST中采用八悬索而不是 六悬索巨型柔性Stewart平台提供理论基础和数值依据．     

Windowing the solution space of an optimization problem

This paper introduces a graphical approach to solving optimal design problems. The technique generates graphical representations of a multi-dimensional solution space, so that the designer can identify the most appropriate solution to the problem by visual inspection of these representations. This is done via interactive computer graphics.An example is presented to show the effectiveness of the technique. Implementation requirements are outlined and discussed. In addition, the suitability of the technique to the design environment is discussed. Advantages and disadvantages are explained.     

基于树模型和输入参数关系的组合测试集精简方法*

提出了一种精简组合测试用例集的方法,该方法基于解空间树模型,利用输入参数之间的依赖关系来剪裁解空间树中的枝叶,从而获得精简的组合测试用例集。该方法采用回溯算法来实现,在遍历树的同时,剪裁解空间树并输出组合测试用例。在算法的实现过程中,采用了一些策略以便提高算法的效率并节省空间。实验结果证明该方法是可行和有效的,对于一些输入参数依赖关系明确的被测系统,该方法能够较大幅度地精简全组合测试用例集。     

八皇后问题的非递归算法设计

采用回溯法来解决八皇后问题，用一种较好的数据类型来表示解空间，给出一种逻辑结构非常清晰的非递归算法，解决了递归算法中空间效率低的问题。     

一种新的项目调度解表示方法

基于解集合的准启发式方法是解决资源约束下项目调度问题的有效方法，解的表示形式一直是这种方法的一个重要研究问题。只有充分利用解的形式和目标函数之间的联系，才可能达到在少数枚举下得到尽可能好的解。详细分析了解空间性质，提出了用额外关系表示一个可行解的方法，给出了这种表示方法的理论依据。并介绍了用该方法产生邻域的方法。     

复杂参数产品形态设计中的解空间降维方法

针对产品形态设计中评价标准的模糊性问题,探索了智能化设计方法中的操作性技术.基于产品的形态编码,采用参数权重集中曲线的噪声度自动评测方式对解空间进行降维处理,并对产品形态编码分级.在降维后的系列解空间中使用交互式遗传算法搜索最优方案,并逐级完成形态的细化设计.文中方法从用户交互选择信息中提取出各参数对产品形态的重要性等级,作为细化设计过程的依据.求解过程全部基于解码的形态方案进行,为设计师的工作提供了直观的界面.     

哈密顿回路问题的DNA表面计算模型

基于生化反应原理的DNA计算具有强大的并行运算能力,DNA计算机在求解NP问题上存在着硅计算机无法比拟的先天的优越性。论文采用荧光标记的策略,给出了一种新的哈密顿回路问题的DNA表面计算模型。该模型首先将问题解空间的DNA分子固定在固体载体上,然后通过进行相应的生化反应来求得哈密顿回路问题的所有解。在新模型中,解空间的生成过程与边的排列顺序无关。     

图的最小顶点覆盖问题的DNA表面计算模型

基于生化反应原理的DNA计算具有强大的并行运算能力,DNA计算机在求解NP问题上存在着硅计算机无法比拟的先天的优越性。采用荧光标记的策略,给出了一种新的图的最小顶点覆盖问题的DNA表面计算模型。该模型首先将问题解空间的DNA分子固定在固体载体上,然后通过进行相应的生化反应来求得图的最小顶点覆盖问题的所有解。新算法利用荧光猝灭技术,通过观察荧光来排除非解,具有编码、解读简单和错误率低的特点。     

Using reproducing kernel for solving a class of singular weakly nonlinear boundary value problems

Cui et al. [M. Cui and F. Geng, Solving singular two point boundary value problems in reproducing kernel space, J. Comput. Appl. Math. 205 (2007), pp. 6–15; H. Yao and M. Cui, A new algorithm for a class of singular boundary value problems, Appl. Math. Comput. 186 (2007), pp. 1183–1191] presents an algorithm to solve a class of singular linear boundary value problems in the reproducing kernel space. In this paper, we will present three new algorithms to solve a class of singular weakly nonlinear boundary value problems in reproducing kernel space. The algorithms are efficiently applied to solving some model problems. It is demonstrated by the numerical examples that those algorithms are highly accurate.