族群进化算法

借鉴人类学研究中族群的概念以及以族群为视角来分析群体的结构及其演变趋势的方法,提出了一种简 单、有效的群体结构调控技术——族群机制.设计了针对二进制编码方式的族群分类方法,并基于该族群结构形成 了具有双轨协同进化特征的族群进化算法以及相应的族群算子.针对高维函数和复杂混合函数的数值优化实验表 明,族群进化机制可以显著提高群体的抗早熟能力和搜索效率,与其他典型算法的对比也表明,族群进化算法是一种 具有竞争力的函数优化算法.     

族群进化算法

借鉴人类学研究中族群的概念以及以族群为视角来分析群体的结构及其演变趋势的方法,提出了一种简单、有效的群体结构调控技术--族群机制.设计了针对二进制编码方式的族群分类方法,并基于该族群结构形成了具有双轨协同进化特征的族群进化算法以及相应的族群算子.针对高维函数和复杂混合函数的数值优化实验表明,族群进化机制可以显著提高群体的抗早熟能力和搜索效率,与其他典型算法的对比也表明,族群进化算法是一种具有竞争力的函数优化算法.     

族群进化算法的经验学习机制

族群是依据个体编码特征的相似性对群体进行分类后形成的一种群体结构化组织,基于该机制形成了一种新的进化模型—族群进化算法（ethnic group evolution algorithm,EGEA）。族群机制可有效调控群体结构,协调算法的全局搜索和局部搜索时间,同时利用其所具有的分类能力也可方便地获取群体中的典型个体。设计了族群的经验学习机制来挖掘蕴含于群体中的进化经验知识,并利用这些知识来引导群体的搜索,提高EGEA的收敛速度。仿真实验表明族群的经验学习机制不仅是可行的而且是有效的,它显著提高了EGEA的搜索效率。     

实数编码量子进化算法

为求解复杂函数优化问题,基于量子计算的相关概念和原理,提出一种实数编码量子进化算法.首先构造了由自变量向量的一个分量和量子比特的一对概率幅为等位基因的三倍体染色体,增加了解的多样性;然后利用量子旋转门和依据量子比特概率幅满足归一化条件设计的互补双变异算子进化染色体,实现局部搜索和全局搜索的平衡.标准函数仿真表明,该算法适合求解复杂函数优化问题,具有收敛速度快、全局搜索能力强和稳定性好的优点.     

族群进化算法的选择机制

针对改进族群进化算法(EGEA)中对族群模式的有效采样问题,提出以竞争指数为选择指标的常规选择、以族群为选择单位的常规选择以及基于竞争指数的模拟退火排序选择3种选择机制,并通过多维函数优化问题进行实验分析,结果表明3种选择机制都能够在一定程度上提高EGEA的搜索效率,且基于竞争指数的模拟退火排序选择算子的实现更简便,对EGEA综合性能的提高也更明显。     

改进实数编码量子进化算法及其在参数估计中的应用

借鉴量子计算的相关概念和原理,提出一种改进实数编码量子进化算法(IRCQEA).算法的核心是依据染色体的具体形式和目标函数的梯度信息设计互补变异进化染色体,以实现局部搜索和全局搜索的平衡;根据算法的进化过程动态缩小搜索空间,以加快收敛速度.对标准数值优化问题的求解结果表明,该算法具有寻优能力强、搜索精度高和稳定性好等优点.以非线性系统参数估计问题为例进行的仿真实验表明,所提出的算法能够有效提高估计参数的精度.     

一种实数编码量子进化算法及其收敛性

基于量子计算理论和进化理论,提出一种新的量子进化算法--基于实数编码的量子进化算法(RQEA).不同于传统进化算法的单点编码和量子进化算法的量子比特编码,该算法以实数矩形区域表示基因,一条染色体携带多个个体信息,利用量子态叠加和相干机理,通过叠加、变异及自学习来完成进化过程,理论分析证明了算法具有全局收敛性,实验结果表明,该算法在函数优化上具有优异的性能.     

求解约束函数优化问题的族群进化算法

为提高族群进化算法对约束函数的优化性能,应用基于线性截取策略的大配子采样机制来提高群体进化过程中大配子筛选的稳定性。该机制可有效减少在进化过程中族群结构的大幅波动,提高族群进化算法的搜索效率。通过对六个典型约束函数的仿真实验显示,该机制使族群进化算法成为了一种有竞争力的约束函数优化算法。     

微分进化算法整数编码策略实现研究

微分进化算法（DE）是模仿生物进化“优胜劣汰、适者生存”的一种随机优化算法,具有简单、快速、鲁棒性好等特点,已经得到广泛应用.通过运用微分进化算法的整数编码方法,在整数空间中求解,并在实数空间中计算解的适应度.使用测试函数对程序进行测试,证明了整数编码解对空间个体中寻优的快速性、准确性.     

一种新的相位角编码量子进化算法

针对具有连续解空间的数值函数优化问题,基于量子算法和实数编码进化算法的思想,提出一种新的相位角编码量子进化算法(PAQEA).算法的概率表达特性使得量子染色体能够以一定概率表达优化问题的所有可行解,结合动态量子旋转门实现染色体的进化,实现了算法局部搜索与全局搜索的平衡.理论分析证明了算法的全局收敛性.仿真结果表明,该算法适用于复杂数值函数优化问题,具有收敛速度快、搜索能力强和稳定性高的特点.     

族群聚类的大配子采样策略*

在族群进化算法中,相对于群体,针对大配子进行族群聚类不仅可以提高族群结构的合理性,而且可以大幅降低族群聚类的计算时间。提出了参数法和排队截取法两类大配子采样策略,并对六个典型测试函数进行了仿真实验。实验结果显示,在对无约束函数的优化中,自适应参数法可产生更有效的大配子群体,能够显著提高EGEA的收敛速度和解的精度。     

Gray码的分治构造算法

Gray码在计算机编码、通信以及工业自动化等领域具有广泛的应用。寻找一种生成并存储Gray码的快速而有效的算法是非常意义的。提出一种基于分治算法的Gray码生成方法,同时对算法的时间和空间复杂性进行了分析和讨论。实验结果验证了算法的有效性。     

知识进化算法*

根据卡尔·波普尔的知识进化理论,建立了知识进化算法的基本框架,详细地阐述了该算法的原理和具体实施方案。知识进化算法主要由一个知识空间和多个群体空间组成,群体空间根据知识的指导通过选择操作不断地提出新的假说,并通过猜测操作和反驳操作与知识空间协同进化来不断地提高真理度（即不断地接近问题的最优解）。为了验证方法的有效性,选取了来自其他文献中的五个经典测试函数作为算法的测试对象,通过对其他文献中的仿真实例进行计算和结果比较,证明了算法的可行性和有效性。     

位平面与Gray码相结合的图像置乱方法

针对数字图像的传输安全问题,提出一种将位平面分解与Gray码相结合的图像置乱方法。该方法首先将图像分解成8个位平面,通过位异或操作改变携带图像有用信息的高4位位平面的值,然后对得到的初步置乱图像的灰度值进行Gray码变换,进一步置乱图像,从而得到加密图像。初步实验结果显示,该方法置乱效果明显优于Arnold法、Hilbert法等现有置乱方法,且实现简单。     

电力系统经济负荷分配的族群优化方法

经济负荷分配（Economic Load Dispatch,ELD）是电力系统中一种重要的优化问题,它可归为一类高维、离散、非线性的多约束函数优化问题。针对这类问题,提出了一种基于线性截取策略的改进族群进化算法——EGEA/LT,并使用EGEA/LT对IEEE的3机、6机和15机3个仿真系统进行了优化实验,将实验结果与其他典型算法优化结果进行比较,说明了EGEA/LT是一种求解ELD问题的有效方法。     

灰度投影在块匹配算法中的应用

运动参数估计在图像配准,电子稳像以及图像拼接中起着很重要的作用,其中块匹配算法是经常使用的一种方法。当平移较大的时候,块匹配算法仍然存在不足,因此本文提出了一种新的算法。首先利用灰度投影法得到相邻两幅图像的平移量,在此基础上再利用块匹配算法进行分块处理。实验说明了此方法的有效性,能够满足一般要求。     

双混沌和广义Gray码相融合的图像加密算法

针对部分现有图像加密算法加密效率与安全性的不足,提出了一种新的图像加密算法。算法利用Kent映射对图像进行分块重排列,然后再重新进行全局位置置乱。接下来利用Logistic映射构造下标序列,利用下标序列对置乱图像的像素点进行异或。最后将异或后的像素值进行广义Gray码变换。实验表明,该算法加密后的图像满足如下特点：足够大的密钥空间、均匀分布的灰度直方图、弱相关性等。该算法具有良好的安全性和加密效果。     

采用灰色码观测的量子进化算法

针对传统量子进化算法采用二进制观测机制,导致量子波动幅度较大且连续观测到相邻实数概率低的问题,本文提出了一种采用灰色码观测机制的量子进化算法.由于量子擅长全局搜索,灰色码擅长局部搜索,因此所提出的算法能较好平衡勘探和开采能力,量子进化更加平滑和高效.通过实验表明,算法能有效避免早熟和局部极值等问题,算法的精度更高,收敛速度更快.     

随机花指令加密算法研究

在对已有的花指令加密策略及其存在的问题进行分析的基础上,提出了随机花指令加密算法。给出了该算法的JMP扩展和JMC变换两种基本策略,研究了随机花指令的算法的工作流程和算法描述,并采用自编写的JCEE软件对上述算法进行了具体实践。