控制参数协进化的差分进化算法及其应用

提出一种控制参数协进化的差分进化算法(DE-CPCE),实现算法控制参数随种群搜优进展,自适应动态调整。D E-CPCE算法将控制参数作为原始个体的共生个体,且每一个原始个体都有各自的共生个体;算法在对原优化问题进行差分进化搜优的同时,以原始个体进化效率作为共生个体(即控制参数)的评价,并通过共生个体的差分进化操作实现其协进化。D E-CPCE算法能随优化问题搜优进展,自适应动态调整算法控制参数,实时为算法搜优提供最优的控制参数。仿真研究表明,DE-CPCE算法的控制参数具有动态自适应性;并且在与文中所提及的算法(DE/rand/1,DE/best/1,DE/rand-to-best/1,DE/rand/2,DE/best/2,self-adaptive Pareto DE and self-adaptive DE)比较中,该算法能以较高概率求得全局最优值,且收敛速率快,求得最优解的精度高。同时,应用 DE-CPCE算法估计 SO2催化氧化反应动力学模型参数,结果优于文献报道。      

自适应并行混沌免疫进化规划

基于克隆选择原理,提出一种新的并行混沌免疫进化规划算法.在算法中,根据抗体抗原亲和度将抗体种群分为两个子群,相应的提出混沌克隆算子和超变异算子,混沌克隆算子在局部空间具有较强搜索能力,超变异算子在广阔空间具有大范围搜索能力,通过两个算子的并行操作使局部寻优和多样性保持相结合,从而提高算法的搜索效率.仿真表明,与传统进化规划(EP)和基于混沌变异的进化算法(EACM)相比较,并行免疫进化规划搜索效率高,能有效抑制早熟收敛现象,可用于解决复杂的机器学习问题.     

基于协作协进化的多Agent协作机制的研究

协作问题是自主多智能体机器人系统研究的关键问题之一.基于多智能体机器人系统的CCP协作协议所生成的各Agent的任务序列依赖于目标的初始顺序,难以得到优化解.提出了一种利用协作协进化实现多Agent协作的机制,采用多种群协作生成多Agent系统的任务执行序列,在给定的任务分解所产生的所有可行解中寻找优化解,从而达到优化系统的性能的目的.利用该机制,对3个智能体协作搬运8个物体进行计算机模拟,结果表明,该方法在优化任务执行序列方面作用明显,从而能有效提高多智能体机器人系统的协作性能.     

混沌-克隆进化算法

将混沌优化机制和免疫克隆进化算法有机结合, 用混沌浮点数编码代替克隆选择算法的二进制编 码, 利用混沌随机序列产生初始种群, 保证初始种群的多样性。对高亲和度抗体采用混沌扰动策略, 对抗体根据其 亲和度大小加以不同的混沌扰动;混沌扰动系数随进化代数而变化, 进化前期加速搜索, 进化后期加速收敛。对低 亲和度抗体采用混沌再生策略, 保持种群多样性。对5 个复杂函数的优化试验结果表明, 该算法优于混沌优化算法 和克隆选择算法。     

多混沌差分进化算法及其神经元学习应用

深度学习在人工智能领域占据重要的位置,在图形处理、语音识别等方面取得了杰出的成功应用.近年来,基于树突状的单独神经元模型受到了广泛的关注,该模型成功地从机理上突破了McCulloch-Pitts(MCP)模型的一些限制.但是传统的训练树突状神经元模型的方法容易陷入局部最优,以进化计算替代传统的训练方式来训练树突状神经元...     

自适应代表个体选择方法的协作协进化算法

协作协进化算法中,代表个体选择按贪心度不同可分为最优选择和随机选择.最优选择对于大多数子模块之间关联性不是很强的问题都较为有效,但对于子模块间有很强关联性的问题,随机选择比最优选择更为有效.所以,提出一种自适应代表个体选择方法的协作协进化算法,该算法通过进化停滞判断函数将最优选择和随机选择两种代表个体选择方法结合起来.仿真结果表明,该算法对于子模块间强弱不同的问题都能有效的找到解.     

基于混沌的正余弦果蝇优化算法

针对果蝇优化算法(FOA)存在收敛速度慢和易陷入局部最优等问题,提出一种基于混沌的正余弦果蝇优化算法(CSC-FOA)。通过混沌logistic映射生成算法的初始种群位置,使果蝇位置更接近最优值,降低随机初始化对算法性能的影响;果蝇个体位置更新时采用正余弦搜索策略,利用正余弦的波动搜索避免局部最优,提高收敛速度。实验结果表明,与同类算法相比,CSC-FOA算法在收敛精度、稳定性以及收敛速度等方面的性能更好。     

基于Feistel结构的混沌密码编码算法

本文讨论了混沌映射与密码编码算法间的相似性和区别，研究了将实数集实数映射成有限集整数的方法。该文在传统的Feistel结构算法基础上提出了一种基于混沌的128位密钥的分组混沌密码算法，用混沌映射实现了密码中非线性变换。     

混沌局部搜索策略的差分进化算法

提出了一种应用混沌局部搜索策略的差分进化算法(CLSDE),在每一代中通过DE/best/2/bin形式的差分进化算法找到最佳个体,然后在最佳个体的附近用混沌的方法进行局部搜索.6个基本测试函数的优化结果表明:CLSDE寻优结果得到的最大值、最小值、平均值、标准差都比DE/best/2/bin好,而且收敛速度比DE/best/2/bin快.     

图像混沌置乱及加密方法

提出了一种新的图像混沌置乱及加密的方法,首先利用2个耦合混沌映射产生一系列混沌序列对,利用该序列对形成图像像素新的地址码,对原始图像进行混沌置乱,从而得到乱序图像;其次对乱序图像进行DCT,在DCT域内再利用一个混沌序列对每一个系数进行自适应的改变,完成对图像的加密过程,图像的解密和反置乱过程与上述过程正好相反。为了验证本方法的安全性和可靠性,对其进行了仿真实验和效果分析,结果表明,该方法简单易行,安全可靠,可操作性强。     

复杂函数优化的混沌遗传算法

将混沌融入遗传算法提出了混沌遗传算法,该方法利用混沌运动的随机性、遍历性、对初始条件的敏感性等特性进行群体的混沌初始化和最优个体的混沌变尺度载波寻优,典型复杂函数优化的仿真结果表明,该方法较遗传算法具有更快的收敛速度和更小的计算,是复杂函数优化的有效手段。     

单车场关联物流运输调度问题的混沌遗传算法

提出了关联物流运输调度问题(Incident Vehicle Routing Problem,IVRP)概念,建立了单车场单车型的IVRP模型,并用混沌遗传算法求解关联物流运输调度问题.混沌遗传算法的基本思想是把混沌变量加载于遗传算法的变量群体中,利用混沌变量对子代群体进行微小扰动并随着搜索过程的进行逐渐调整扰动幅度.研究表明,该方法能有效地解决关联物流运输调度问题.     

基于混沌遗传算法与小波多分辨率分析的岩心图像匹配

针对岩心图像尺寸大,特征信息不明显的特点,充分利用混沌遗传算法的随机性大大减少了传统搜索算法消耗的大量运算时间。利用小波多分辨率分析的方法在小波变换子图像上进行粗匹配,再在原始图像上精匹配,浓缩了岩心图象的特征信息在保证匹配准确度的同时提升了运算速度。将混沌遗传算法与小波变换多分辨率分析相结合,将其应用于大幅岩心图像的配准。实验表明,该方法能够快速而有效地进行图像配准,兼顾了匹配效果和匹配速度。     

基于合作式协同进化算法的神经网络优化

针对一般遗传算法优化神经网络存在的不足，提出合作式协同进化遗传算法实现神经网络结构和权值同步优化方法．首先，结合合作式协同进化遗传算法本身特性和神经网络特点，给出种群分割方法；其次，为了实现结构和权值的同步优化，提出一种新的混合编码方法，并根据该混合编码方法设计新的交叉和变异算子；然后，根据编码结构、代表个体和合作团体之间的关系，提出一种新的结构优化方法；再次，给出进化过程所需代表个体选择、适应度构造方法等．最后，通过双螺旋线问题验证本文算法的有效性．     

自适应混沌遗传退火的片上网络映射

针对带宽和时延约束的低能耗片上网络（NoC）映射问题,提出了一种自适应的混沌遗传退火映射算法. 该算法利用Boltzmann更新机制选择遗传个体,引入自适应混沌方法优化适应度较差个体,采用多邻域的退火策略优化较优个体. 实验结果表明,所提算法有效地避免了早熟收敛,提高了算法收敛速度,与标准遗传算法和混沌遗传算法相比,平均节能分别为45%和226%,有效地降低了NoC系统通信能耗.     

结构优化设计的变长度染色体混沌遗传算法

为解决离散变量结构优化问题,将混沌搜索与遗传算法相结合,加速了收敛速度,同时变长度染色体中的拼接算子和截断算子能确保染色体的多样性,避免遗传算法陷入局部最优.算例表明:在计算量不大时可获得相当良好的全局性优化解.     

基于遗传算法的多无人机协同逆推式路径规划

综合了多无人机群的任务和任务区域的特点,在优化过程中考虑了机群综合获利效益、无人机(UAV)的的最大转弯角限制和多无人机成员间防碰和威胁区域的生存概率,合理构建了UAV任务的目标函数和约束条件。将协同逆推预测控制(CRH)方法引入无人机机群路径规划方法的研究中,并采用遗传算法求出了满足目标和约束要求的控制量。仿真算例表明采用介绍的协同逆推式路径规划算法,任务空间中无人机能够自动地分别访问不同的目标以得到最大的获利值,证明了算法的有效性。     

求解协同干扰问题的高效免疫遗传算法

为协同干扰武器目标分配问题建立的数学模型,当问题规模增大时,现有的智能求解算法表现出两点不足,一是所求解质量下降;二是求解速度不可接受。针对该两点不足提出了具有贪婪修复过程的免疫遗传算法,算法设计了通用十进制扩展编码方案、基于免疫的轮盘赌选择算子和贪婪修复算子。仿真实验表明,该算法与现有算法相比具有明显的效率优势,在解决大规模协同干扰武器目标分配问题时不仅解算时间可接受而且所求解质量比同类算法高。     

免疫遗传算法的现状和展望

介绍了基本遗传算法和免疫遗传算法,重点分析了免疫系统对遗传算法的改进。结合混沌搜索的思想提高了算法运算的效率,并对免疫遗传算法的研究方向做出展望。     

基于改进遗传算法的无功优化

遗传算法的基础上对其局限性进行改进,使该算法在电力系统无功优化的应用中具有一定优越性。通过改进编码和选择算子,自适应的交叉变异概率等策略,并引入基于模拟退火策略的适应度函数和混沌算法,使得改进遗传算法高速、准确的收敛于最优解,改善了传统遗传算法易陷入收敛性差、效率低的弊端。在此基础上建立无功优化数学模型,介绍了该算法具体实现步骤,并将其应用于IEEE30节点,证明所提算法是可行和有效的。