一种多策略融合的多目标粒子群优化算法

为提高多目标粒子群算法在解决复杂多目标优化问题中的整体性能,提出一种多策略融合的多目标粒子群算法.该算法采用均匀化与随机化相结合的方式初始化种群,在粒子速度更新中新增一扰动项,运用简化的k-最近邻方法维持档案以及对档案个体赋予生存期属性并动态调整生存期值.实验结果表明,在GD和SP性能指标上,本文算法与另外5种对等算法在ZDT和DTLZ系列测试问题上进行对比,其表现出了总体显著性的性能优势.     

利用多尺度分析方法求解KdV方程和KdV—Burgers方程的格子Boltzmann模型

本文建立了用格点法解一般偏微分方程(PDE)的理论框架,构造出求解KdV方程及KdV—Burgers方程的三速格子BGK模型。引进三种时间尺度,利用多尺分析求出Boltzmann演化方程的平衡分布函数。     

一种基于偏序排名的高效的多目标演化算法

利用 Better函数对多目标优化问题 (MOP)建立了一种偏序关系 ,并通过这种偏序关系对种群中的个体进行排名 ,设计了一种高效的多目标演化算法 (EMOEA) ,应用有限 Markov链的有关理论证明了此演化算法的收敛性 ,同时对四个 Benchmark函数进行了数值试验 ,测试结果表明 ,新算法在解集分布的均匀性、多样性、精确性以及快速收敛性均优于已有的 MOEA.将此算法推广用于求解经济领域或工程领域的一些难题 ,则在实际中具有广阔的应用前景     

一种解函数优化问题的精英子空间演化算法

文献[1]提出了一种有效的求解优化问题的演化算法，算法简单易行，并能在较短时间内找到问题的最优解，在该算法的基础上，文中提出了一种精英子空间演化算法，在算法的杂交过程中，通过采用精英保存策略，增加父体的选择压力来加速算法的收敛，数值试验表明新算法比文献[1]中的算法具有更好的收敛性，能更快地找到优化问题的最优解。     

利用多尺度分析方法求解KdV方程和KdV—Burgers方程的格子Bo…

本文建立了用格点法解一般偏微分方程（ＰＤＥ）的理论框架，构造出求解ＫｄＶ方程及ＫｄＶ－Ｂｕｒｇｅｒｓ方法的三速格子ＢＧＫ模型，引进三种时间尺度，利用多尺分析求出Ｂｏｌｔｚｍａｎｎ演化方程的平衡分布函数。     

解约束多目标优化问题的一种鲁棒的进化算法

将约束条件与目标函数融合在一起，对有约束的多目标优化问题(MOP)建立了一种新的偏序关系，引入了约束占优的定义，并证明了在新的偏序关系意义下的Pareto最优集就是满足约束条件的Pareto最优集，从而在对种群中的个体进行评估或排序时，并不需要特别去关心个体是否可行，避免了罚函数选择参数的困难，尝试应用有限Markov链的有关理论证明了此进化算法的收敛性，用较复杂的Benchmark函数进行了大量的数值实验，测试结果表明新算法在解集分布的均匀性、多样性以及快速收敛性均较理想。     

一维非定常流的格子Boltzmann模拟

本文建立了一维非定常流的一般格子Ｂｏｌｔｚｍａｎｎ模型，并利用２－速度模型研究了激波管和激波的形成，反射以及相互作用。给了了不同的初始条件和边界条件的模拟结果，它与理论分析放数据分析的结果十分吻合。     

A new dynamical evolutionary algorithm based on statistical mechanics

In this paper,a new dynamical evolutionary algorithm(DEA) is presented based on the theory of statistical mechanics.The novelty of this kind of dynamical evolutionary algorithm is that all individuals in a population(called particles in a dynamical system)are running and searching with their population evolving driven by a new selecting mechanism.This mechanism simulates the principle of molecular dynamics,which is easy to design and implement.A basic theoretical analysis for the dynamical evolutionary algorithm is given and as a consequence two stopping criteria of the algorithm are derived from the principle of energy minimization and the law of entropy increasing.In order to verify the effectiveness of the scheme,DEA is applied to sloving some typical numerical function minimization problems which are poorly solved by traditional evolutionary algorithms.The experimental results show that EAT is fast and reliable.     

基于神经网络的专家系统体系研究

本文分析传统专家系统存在的主要问题，阐述了神经网络专家系统的基本原理，并给出具体模块框架结构。