求解混合整数双层规划问题的遗传算法

讨论了两类非线性混合整数双层规划问题。第一类问题的下层为不含整数变量的凸规划;第二类问题的下层包含整数变量,但下层函数关于下层整数变量是多项式,而关于下层连续型变量是线性的。针对这类问题提出了一个新的遗传算法。该算法利用单纯形调优法的思想设计了一个新的杂交算子,使杂交个体与种群中好的个体组杂交,以产生好的杂交后代。数据仿真表明新设计的单纯形杂交算子比传统杂交算子更有效。     

光栅显示图形中直线反走样技术算法的改进

从理论上对直线段反走样进行了分析探讨,提出了利用直线段像素存在多段相似性进行反走样技术算法的改进方案.大大提高了反走样速度,节省了反走样时间.     

基于新模型的多目标遗传算法

给出了个体的序和密度定义及目标空阃中解的密度分布方差和均匀性分布指标函数。其中序是Pareto解的质量的一个度量。密度是Pareto解的分布均匀性的一个度量．对任意多个目标函数的优化问题转化成两个目标函数的优化问题。并对转化后的优化问题设计了遗传算法，同时把均匀性分布指标函数引入算法的变异操作中。用于自适应地调节搜索向Pareto最优解集移动和更好地获得解的均匀性分布。直到满足终止条件．数据实验表明该方法对Pareto解的质量及其均匀性分布是有效的．     

一种新的求全局最优的遗传算法

利用近年来广泛应用的遗传算法，对积分-水平集求全局最优概念性算法的蒙特卡罗随机投点的实现途径进行了改进，从而得到一种新的求全局最优的遗传算法。文中算法设计了适合的初始种群的均匀设计取法、交叉算子、变异算子和选择算子，给出了测度的勒贝格计算方法，从理论上证明了算法的收敛性。最后，选用了标准测试函数并与其他算法进行了比较，从数值上验证了算法的可行性。     

动态多目标优化的进化算法及其收敛性分析

给出了动态多目标优化问题的一种新解法.首先对时间变量进行了等区间离散化,在得到的子区间(称为环境)上定义了种群的静态序值方差和静态密度方差.然后把动态多目标优化问题近似地转化成了若干个两个目标的静态优化问题.在给出的一种能自动检测环境变化的应答算子下,提出了一种动态多目标进化算法,同时证明了算法的收敛性.计算机仿真表明新算法对动态多目标优化问题是有效的.     

基于Pareto最优和限制精英的多目标进化算法

在NSGA-II算法的基础上,提出了一种基于Pareto最优和限制精英的多目标进化算法(LEMOEA)。通过分布函数的引入,限制了精英选取的数量,从而更好地维护了种群多样性。同时给出了一种新的单点复合交叉算子,其不但增大了解的搜索区域,而且增强了算法对解的搜索能力。实验结果表明:LEMOEA比NSGA-II有更好的收敛效果和种群多样性。     

求解动态优化问题的自组织进化算法

为在环境发生变化后跟踪最优解的变化,提出一种自组织单变量边缘分布算法(SOUMDA)来求解动态优化问题.自组织策略包含扩散和惯性速度模型,扩散模型利用当前环境的局部信息使群体向外扩散,惯性速度模型利用最优解的历史信息进行预测.将自组织策略与单变量边缘分布算法(UMDA)结合,使得算法在环境变化后自适应地增加种群多样性,提高算法适应能力,快速跟踪最优解.利用动态sphere函数对所提出的算法进行测试,并与UMDA和MUMDA算法进行比较,结果表明所设计的算法能快速适应环境的变化,跟踪最优解.     

考虑处理机下线时间的可分任务调度优化模型

随着科学应用逐渐趋于数据密集型计算,为并行与分布式系统寻求高效的任务调度策略成了研究的热点问题。已有的可分任务调度模型均假设所有处理机都能100%的完成子任务的计算,即处理机在完成任务计算之前一直保持在线状态。实际上,并行与分布式系统中不同处理机的在线时间可能不同。若忽略处理机的在线时间,为其分配的任务量过大,则任务的完成时间可能超出处理机的下线时间,从而造成任务的计算无法按时完成。因此,为处理机分配任务时应充分考虑处理机下线时间的限制。为解决上述问题,该文提出了一种新的考虑处理机下线时间的可分任务调度优化模型,并设计了全局优化遗传算法求解该模型。最后,通过仿真实验结果验证了模型和算法的有效性。     

一种新的容忍恶意节点攻击的无线传感器网络安全定位方法

无线传感器节点位置定位正确与否对整个网络传感器起着至关重要的作用.当无线传感器网络暴露在恶意危险环境中时,攻击者会攻击节点定位的过程,使其定位到错误位置,从而导致整个网络应用完全失效.基于最大似然估计的传感器定位概率模型是一种常用的定位模型,但是它有两个缺点:(1)为了降低计算复杂性,通常将RSS(接收信号强度)信号标准差看成常数,影响定位精度;(2)安全性差,在有恶意节点攻击时模型常常会定位失效.文中首先通过拟合测试数据归纳出了RSS信号标准差随距离变化的函数关系,克服了第一个缺点.针对第二个问题,在分析其受攻击时定位失败的具体原因后,对节点定位的概率计算公式进行了改进,设计了一种新的基于变方差特征的传感器节点定位概率模型.该模型属于高度非线性全局优化问题.针对其难以求解的特点,文中设计了一个新的有效的进化算法,并证明了该算法的全局收敛性.最后通过对公开数据集的测试和实际实验,验证了该模型和求解算法能在保证定位精度的前提下,完成节点的安全定位.     

种群规模自适应控制的中心引力优化

在中心引力算法的设计中,较大的种群规模能提高最优解的精度,但会降低个体的搜索空间。针对中心引力算法提出了一种自适应控制种群的中心引力算法,在算法的运行过程中,根据算法的表现使每一代增大或减小种群的规模。将聚类算法和佳点集算法融合到增加\删除算子中,使得算法可以自适应地兼顾有效性和多样性。数值结果表明,新算法在求解精度和收敛速度上不弱于对比算法。