基于两种进化模式的双种群协作差分演化算法

提出了一种基于两种进化模式的双种群协作差分演化算法(DPDE)。在DPDE中,两个种群通过协作共同进化。首先,各种群以不同的进化模式,通过个体竞争实现自身进化;其次,种群之间基于局部信息传递和共享机制,通过随机交换个体方式相互协作、共同进化,既实现了不同进化模式间的优势互补,又可以改善种群的多样性。对于5个典型Benchmark测试函数,通过与DE和DEfirDE算法的比较表明:DPDE具有更好的全局收敛性和鲁棒性,特别适合求解高维多模态函数的最优化问题。  

结合进化计算的神经认知机

福岛邦彦的神经认知机（Neocognitron）能用于有变形或位移的模式识别。然而，在原始神经认知机中许多参数及训练模式都是凭经验设定。该文旨在系统地剖析神经认知机的工作机制并有效地将进化计算结合进来以提高其性能。首先，通过分析神经认知机的学习机制指出原始神经认知机忽略了训练模式间的相关性分析；然后，结合协作进化为神经认知机搜索合理的参数和训练模式。实验结果表明了该文方法的有效性。在为参和训练模式是由进行计算获得而非人为设定的，所以这种改进型神经认知机有更广阔的应用领域。  

求解置换流水线调度问题的混合离散果蝇算法

针对置换流水线调度问题, 提出了一种新颖的混合离散果蝇算法. 算法每一代进化包括4个搜索阶段: 嗅觉 搜索、视觉搜索、协作进化和退火过程. 在嗅觉搜索阶段, 采用插入方式生成邻域解; 在视觉搜索阶段, 选择最优邻 域解更新个体; 在协作进化阶段, 基于果蝇个体间的差分信息产生引导个体; 在退火操作阶段, 以一定概率接受最 优引导个体从而更新种群. 同时, 通过试验设计方法对算法参数设置进行了分析, 并确定了合适的参数组合. 最后, 通过基于标准测试集的仿真结果和算法比较验证了所提算法的有效性和鲁棒性.  

换热网络最优综合的智能设计方法及应用

基于系统优化设计思想，将换热网络综合问题等价分解为适合新型合作协作进化模型的系统结构优化和换热单元优化两部分，同时进行系统结构和换热单元的协作进化设计，最终得到它们之间的最优折衷。算例表明，该方法较好地解决了较大规模的换热网络最优综合问题，且能避免传统方法中存在的收敛速度较慢、易陷于局部最小值、目标函数必须可导等问题，并已成功用于某厂乙烯装置的全过程用能优化综合问题。  

一种新型协作多机器人路径规划算法

研究了一种在动态环境下的新型协作多机器人路径规划算法。采用集中式与分布式相结合的多机器人系统体系结构,弥补了在分布式环境下的全局性较差和在集中式环境下的实时性较差等不足。在此基础上,通过融合免疫协同进化算法与人工势场法解决全局路径规划与局部路径规划问题,以有效提高机器人的全局协调能力及自适应水平。仿真实验证明了所提算法在动态环境下实现的可行性与有效性。  

随机资源约束项目调度问题基于序的果蝇算法

针对项目活动工期为随机变量的资源约束项目调度问题,提出一种基于序的果蝇算法.为了实现随机环境下解的有效评价,提出一种预选机制,并采用基于序的最优计算量分配技术.为了使果蝇算法能够求解资源约束项目调度问题,采用交换操作执行果蝇算法的嗅觉搜索,并采用保优更新操作执行视觉搜索.为了均衡算法的局部搜索和全局搜索能力,在标准果蝇算法中引入了协作进化环节并采用两点交叉操作加以实现.在不同随机分布的情况下,采用标准测试集进行仿真测试.与现有算法的比较结果验证了所提预选机制和基于序的果蝇算法的有效性.