基于指数变换的适应度函数研究

在机器人进化计算中,建立一个既能保持群体多样性与收敛性,又能提高进化速度与性能的自适应性适应度函数表达式,对于提高机器人的进化水平尤为重要.采用指数变换法构造适应度函数模型,并在Evorobot系统中仿真实现.仿真结果表明,基于指数变换的适应度函数更具优越性.     

多目标进化算法求解噪声适应度函数问题研究

多目标优化算法在现实生活中要解决的问题通常是带有不确定性的,适应度存在噪声干扰是不确定性的一个重要方面,所以多目标进化算法求解噪声适应度函数问题具有重要的现实意义,通过实验的方法,研究了3个典型多目标算法在不同规模下噪声干扰下的性能,4个评价方法在噪声环境下的有效性,以及传统的蒙特卡洛积分方法能够适用的范围,实验结果表明,3个典型多目标算法求解噪声适应度函数问题均不理想,传统的蒙特卡洛积分方法随着噪声规模的增加性能下降很快,同时需要更加适用于噪声适应度方程问题的评价方法.     

基于新的适应度函数和多搜索策略的高维多目标进化算法

为提高高维多目标进化算法的性能,提出了一个基于新的适应度函数和多搜索策略的高维多目标进化算法。该算法提出了一个新的适应度函数来平衡多样性和收敛性,并且设计了一个多搜索策略来帮助交叉算子产生优秀的后代进而提高收敛性。该适应度函数首先从当前种群和新产生的后代中挑出收敛性较好的个体,然后计算这些个体的稀疏程度;该多搜索策略选择稀疏且收敛的解来执行全局和局部搜索。数值实验测试了CEC2018高维多目标竞赛的15个测试问题,每个测试问题的目标个数分别为5、10、15。实验结果表明,该算法能找到一组比四种代表性算法（如NSGAIII、MOEA/DD、KnEA、RVEA）具有更好的多样性和收敛性的解集。     

一种遗传算法适应度函数的改进方法

针对简单遗传算法中线性适应度函数随进化过程恒定不变的缺点。提出一种可随进化代数动态调整的非线性适应度函数。以典型的遗传算法测试函数为算例,分别以Goldberg提出的线性拉伸方法与文中提出的改进遗传算法进行计算。计算结果表明文中提出的动态适应度函数对简单遗传算法的改进有较明显的效果。     

基于进化策略的函数优化

进化算法是基于生物进化模型发展起来的一个随机搜索技术,它模拟由个体组成的群体的集体并行学习过程.对于一个给定的问题,存在问题相应搜索空间,每一个个体表示所给定的问题的相应搜索空间的一个点.在进化算法中,选择(复制、重组)、交叉(杂交)、变异是3种最关键的基本操作,就实际函数求极小值的问题的具体实现进行描述,并根据实验的结果,讨论对该算法的一些改进.     

基于遗传算法的排课问题适应度函数设计

排课是各类学校教学管理工作中重要而且相当复杂的管理工作.排课问题是一个有约束、多目标的组合优化问题,并且已经被证明是一个NP完全问题.遗传算法借鉴生物界自然选择和自然遗传机制,善于处理传统搜索算法难以解决的复杂的和非线性的问题.对于使用遗传算法解决排课问题中关键的适应度函数进行设计,验证结果表明能较好地实现排课目标,为设计出科学、优秀的排课系统提供理论依据.     

光网络流量工程优化计算的适应度函数研究

研究了光网络流量工程优化计算中的适应度函数,其实质是为相互制约的多个单目标寻找一个合理的综合评价的数学表达式。使用了主分量分析的方法,该方法可以消除多个单目标之间的相互制约的关系、信息重叠以及量纲的差异,可以计算出综合评价的有效的数学表达式。仿真试验表明,该方法是可行的。     

改进的乘幂适应度函数在遗传算法中的应用

在遗传算法优化过程中,引导搜索的主要依据是适应度函数。通过评估常见的几种适应度函数,兼顾保持种群的多样性和算法的收敛性,由乘幂尺度变换,提出了一种改进的乘幂适应度函数。以三个典型的测试函数为例,在相同遗传操作和参数情况下,分别采用常见的与改进的适应度函数进行优化比较。结果表明,所改进的乘幂适应度函数能明显提高算法的收敛精度、收敛速度和收敛稳定性,对提高遗传算法的整体性能有重要的意义。     

一种计算试卷中试题难度分布的有效方法

该文提出一种依据正态分布函数计算试卷中试题难度分布的方法，并将茯运用于智能组卷系统，计算机仿真结构表明了该方法的有效性。     

基于粒度进化计算的KDD技术分析

知识发现(KDD,Knowledge Discovery in Databases)是从数据中获取知识的一种智能信息处理技术.从分析进化计算的产生根源入手,探讨了以人类进化为核心的文化进化机制,提出粒度进化的两个层次群进化和超群进化,并将两者有机结合.文中在深入研究现有的知识发现的基础上,对"发现用户感兴趣的知识"、提高分类效率和准确性等问题进行了研究,提出了部分解决方法和思路.     

基于并行演化计算的图像特征提取研究

图像特征提取已成为困扰智能化视觉信息处理的瓶颈。为了解决复杂背景下钢板表面缺陷的机器视觉检测问题,缩短视觉系统的开发周期,提高其实用性,在并行计算环境和视频仿真平台的基础上,探索机器视觉可塑性及形成机制,提出了将并行计算、视频仿真、演化计算相互融合解决钢板表面缺陷特征提取问题的方法,实现了演化计算与并行层次处理的特征选择、特征提取方法,为智能化的视觉信息处理开辟新的思路。实验证明,改进方案不仅具有可行性,而且能提高缺陷检测的准确性、实时性。     

交互式进化计算的适应值噪声及收敛鲁棒性

噪声是影响进化计算(evolutionary computation,简称EC)算法性能的一个重要因素.对于传统EC中的噪声,已有许多研究成果,但交互式进化计算(interactive evolutionary computation,简称IEC)的噪声研究成果却较少.首先回顾了传统EC中噪声的定义、来源、类型及各种处理噪声的方法;其次,从IEC的理性用户观点出发,研究了IEC的适应值噪声及收敛鲁棒性.其中,空间的映射关系、个体间的占优关系以及IEC的收敛等是研究收敛鲁棒性的两个定理(强条件定理和弱条件定理)的基础.这两个定理表明,理性用户条件下的噪声不会影响算法全局收敛性.在这两个定理的基础上进一步得出了如下结论:有效的适应度尺度变换是弱条件定理的一部分,IEC中"真"适应值是用户偏好等.并以不满足弱条件定理,即破坏算法收敛性为依据,给出了IEC中适应值噪声的狭义定义.实验进一步验证了这两个定理.上述结论为进一步研究IEC作了必要的铺垫.     

基于引导的思维进化算法

本文在分析思维化算法特点与不足的基础上，提出了两点改进：一是尝试将模矢法引入趋同算子中，形成模矢法趋同策略，该策略能有效地利用子群体的进化信息，利用模矢为子群体提供一个快速的趋同方向，从而提高算法的局部搜索能力，二是提出了基于进化强度引导的异化策略。该异化策略不仅考虑了成熟子群之间的竞争，而且加强了未成熟子群体间的协作及信息交流，从而加快了优良子群的收敛速度，进而提高了算法的全局搜索能力。仿真结果证明，这两种改进是有效的。     

基于进化计算的兴趣建模

为实现对个体的兴趣建模,提出基于进化计算的建模(Evolutionary Computation Based Modeling,ECBM)方法。该方法采用定性和定量相结合的方式对个体的兴趣系统进行建模,首先通过定性分析构建个体的兴趣模型框架,然后通过进化计算(Evolutionary Computation)方法对模型参数自动进化。实验结果表明,ECBM能够通过数据驱动模式优化模型参数,并利用更新信息进化模型,使其不断逼近真实系统。     

基于惩罚函数的演化测试优化方法研究

演化测试是一种有效的测试用例自动生成技术。它将测试用例的生成的过程转化为一个利用遗传算法进行数值优化的问题,可以自动生成高质量的测试用例。目前,演化测试技术已经在许多测试领域被广泛地研究。研究发现,演化测试过程中无效解和局部最优解的存在扰乱了演化正常进行,降低了演化测试的性能。针对演化测试中存在的问题,提出基于惩罚函数的适应值函数F（x）,对无效解和局部最优解进行惩罚,有助于演化过程中根据适应值选择更合适的个体进行遗传操作,提高演化测试的性能。实验结果表明,F（x）有效降低了无效解和局部最优解的适应值,提高了演化测试的性能。     

基于移动agent技术的演化计算模型

传统演化计算存在着个体行为被动和处理过程集中式的缺陷,而移动Agent具有自治性、社会性、响应性、自发性、环境适应性和移动性。把移动agent技术应用到演化计算上能够克服传统演化计算的部分缺陷,并能达到优势互补,因此文章提出了基于移动agent技术的演化计算模型MABEC(mobile-agent—based evolutionary computation),并在IBM公司的Aglet平台上加以实现。     

基于掩码技术的进化加速算法

在进化算法中引入基于特征掩码的进化引导因素,使整个进化过程在掩码引导下进行。并将之应用于针对用户特定语义的图像检索的问题。检索实验结果表明引导因素的引入确实加快了进化速度。     

基于进化计算的卡通人物造型设计方法

提出一种基于进化计算的卡通人物造型设计方法。采用二叉树编码结构的遗传算法,对非均匀缩放表达式进行交叉、变异等操作。利用进化后的非均匀缩放表达式对原有卡通人物部件进行变形,产生不同的造型部件。将部件进行编码,存入部件库,执行改进的蛙跳算法,产生各种不同的组合方案,得到不同的卡通人物造型。实验结果证明了该设计方法的有效性。