基于空间交配的遗传算法

本文在经典遗传算法中增加了一个称之为空间交配的遗传算子,通过空间交配,把整个搜索空间划分成不相交(或近似不相交)的子空间,它不但优化空间内的个体,而且各子空间作为一种运算对象,其本身也得到不断优化.算法不是在某一时刻才把群体进行突发多样性化,而是群体在总体上时刻保持多样性,同时不断积累有用信息,最终使算法收敛到全局最优解,而且子群体的个体交换很少,解决了现在大多并行遗传算法的系统通信开销大的问题.     

数据聚类的共同进化方法

共同进化算法是一种新的进化算法,由于它采用了解空间分离编码,能有效地克服一般进化算法中固有的早熟收敛问题。该文针对数据聚类问题——当前数据挖掘与探查性数据分析中的一个重要课题——将数据聚类问题抽象成为一个赋值图的分割问题,应用共同进化算法来加以解决,使得聚类的结果不必依赖于初始聚类中心,并对该算法的性能加以分析。将该算法与一般的遗传算法相比较,通过实验证明了该算法的优越性能。     

一种求解多目标优化问题的粒子群算法

提出一种多目标粒子群算法,其采用外部集合保存当前找到的最优解集,采用强ε支配关系更新外部集合,使解集保持良好的分布性.对粒子全局极值的选取设计新的选择思路,提出极值变异的思想,采用新的粒子更新策略加快解集的收敛,加入自适应变异算子避免陷入局部非劣最优解.通过使用一系列标准的测试函数进行实验,实验结果表明该算法在保持解集分布性和收敛性方面较有效,且实现简单、表现稳定.     

自动区域划分的分区域搜索狭义遗传算法

用数学方法难以解决函数优化中的区域划分问题．为此,提出了用狭义遗传算法实现区域划分的方法．实现了基于自动区域划分的分区域搜索的狭义遗传算法,阐述了分区域搜索的控制策略。从理论上分析了基于自动区域划分的区域搜索的狭义遗传算法是全局收敛的,并具有收敛速度快、搜索过程稳定性高、可控制性强、便于并行实现等特点．最衙提出了有待研究的问题。     

基于邻域表的多目标进化算法

针对算法性能和运行时间的矛盾,提出一种基于邻域表的多目标进化算法(NLEA).采用类似于图中邻接表的结构对解个体进行存储,利用个体之间的邻近关系从拥挤程度和距离上对其进行分级适应度赋值,并根据适应值调整个体链表中的次序以便高效的进行环境选择操作.通过7个测试问题和3个方面的测试标准,结果表明新算法在较快速的接近真实的最优面的同时,拥有良好的分布性.     

基于空间距离的多目标进化算法

为提高多目标进化算法的收敛性,提出一种基于空间距离的多目标进化算法.定义一种密度估计指标--树聚集距离,在考虑非支配前沿的同时,利用个体的空间距离及树聚集距离进行个体选择操作.另外,在外部种群的非支配解个数超过规定的种群规模时,用基于个体邻近距离的维护方法对其进行维护.通过6个测试问题和5个方面的测试标准,与NSGA-Ⅱ和SPEA2进行比较,该算法在拥有更好收敛度的同时,保持良好的均匀性和分布广度.     

狭义遗传算法

该文讨论了狭义遗传算法的一般框架,并对其运行机理进行了分析。由于狭义遗传算法的搜索过程不是一个遍历的Ｍａｒｋｏｖ过程,搜索空间小,Ｎ此它具有收敛速度快,搜索过程稳定性高、可控制性强等特点。最后,提出了有待研究的问题。     

一个新的干摩擦结合部法向接触阻尼方程

依照矫正分形几何学理论与Hertz法向接触力学方程,建立新柔性结合部法向接触阻尼方程.考虑变化凸起顶端曲率半径与连续载荷,推出一种求导函数但非偏导函数获取办法,构建2个凸起之间互相作用的法向接触刚度方程.研究结果表明:法向接触阻尼随着表面粗糙轮廓分形维数的增大而先下降后增加;当表面粗糙轮廓分形维数小于第一拐点时,法向接触阻尼随着分形粗糙度的增大而增大;当表面粗糙轮廓分形维数大于第一拐点时,法向接触阻尼随着分形粗糙度的增大而减小;法向接触阻尼随着法向接触载荷的增大而先减小后增大.仿真曲线图中的2个拐点和1个极小值点为干摩擦结合部接触参数的优化设计提供了依据.     

一种周期时态关联规则挖掘算法

应用时态关联规则模型和时态事件空间,提出了一种单事件周期时态关联规则挖掘算法,并对其进行了可行性分析和复杂性分析。该算法通过挖掘不同时间间隔下的时态关联规则,能较好地处理非拐点的邻接点的趋势分布特征的挖掘,完整地挖掘时态数据趋势分布特征。最后,将该算法应用到股票数据的趋势挖掘中,得到了满意的实验结果。     

多亲遗传算法的理论分析及其应用研究

多亲遗传算法是在保持了传统遗传算法一些特性的基础上，对传统遗传算法的交叉算子进行了改进。在介绍了多亲遗传算法的基础上，对其进行了理论分析，证明了多亲遗传算法满足Holland的模式定理；提出了一种称为群体中心交叉的多亲交叉算子，最后将这种多亲交叉算子的多亲遗传算法应用到了数据聚类问题中，取得了良好的实验结果。