基于协同进化的平面追逃对策研究

建立了二维平面内动力学约束下追逃运动的数学模型.首先为追捕者设计了基于比例制导算法和进化算法的混合追捕策略,以提高其追捕能力;然后利用协同进化算法对追捕者和逃跑者的追逃策略进行进化.仿真结果表明,进化后的逃跑策略能有效规避比例制导的追捕者,逃跑者在协同进化过程中涌现出众多复杂多变的规避策略.

     

基于决策树的协同进化分类算法研究

针对当前分类算法还存在的诸如伸缩性不强、可调性差、缺乏全局优化能力等问题,该文提出了一种有效的用于数据挖掘分类任务的方法——基于决策树的协同进化分类算法。实验结果表明该方法获得了更高的预测准确率,产生了更小的规则集。     

多Agent系统中的协同进化研究

协同进化作为多Agent系统研究的一个重要手段，近几年得到了广泛的关注和快速发展，渐渐成为进化研究的一个主流方向。该文系统介绍了协同进化的研究现状，分析总结了协同进化的基本特点，并指出了协同进化可能的发展方向。     

基于协同进化的自适应遗传算法研究

针对传统遗传算法易于陷入局部最优解,性能不稳定的问题,提出了一种基于协同进化的自适应遗传算法（CEAGA）。在协同进化的两层框架模型的基础上,引入一个自适应的变异策略,改进了协同进化遗传算法中的局部进化操作,加强了在上层中的局部搜索;在下层,在种群之间采用协同进化算法,克服未成熟收敛,在种群内部进化中引入自适应遗传操作,保护种群中的优秀个体。实验验证CEAGA既具有很快的收敛速度,又具有很好的全局搜索性能。     

基于决策树的协同进化分类算法研究

针对当前分类算法还存在的诸如伸缩性不强、可调性差、缺乏全局优化能力等问题,该文提出了一种有效的用于数据挖掘分类任务的方法--基于决策树的协同进化分类算法.实验结果表明该方法获得了更高的预测准确率,产生了更小的规则集.     

基于GPU的并行协同差分进化算法研究

针对大规模高维数复杂非线性函数优化的问题,提出一种新的基于GPU的协同差分进化算法。该方法将协同进化的思想引入启发式差分进化算法,随机分解大规模计算问题,利用GPU处理数据的并行性,同步计算分解后的子问题,加快算法的精度和收敛速度。实验对比结果表明,所提出的基于GPU的协同差分进化算法对大规模非线性函数优化具有更高的精度和效率。     

基于协同进化基因表达式编程的函数发现研究

基因表达式编程（GEP）算法是一种具有强大函数发现能力的新型进化算法。GEP在函数发现时如何确定合适的数值常量对算法的性能具有很大影响。提出了一种基于协同进化基因表达式编程的函数发现算法（GEP-DE）,该算法的最大改进在于一种新的常量优化方法：在每一代中将函数发现的过程分为两个阶段：第一阶段,由标准GEP算法结合固定常量集确定函数结构;第二阶段,使用差分进化算法（DE）对第一阶段得出的函数结构的常量进行优化。实验结果表明,GEP-DE算法比重要文献中的常量处理方法其效果有较大提升,并且算法的综合性能也优于最新重要文献提出的GEP算法。     

一种协同进化模型的研究

在分析了目前的协同进化算法的优越性与不足的基础上,借鉴生命科学中协同进化的生态背景,提出了一种改进的协同进化算法模型。该模型的主导思想在于将一类物种的某种进化特性作用于另一类物种相似的进化特性,以提高该物种的进化过程。用双物种的聚类算法进行了简单的仿真实验,结果证明在该算法模型下,两物种的最优解优于各自单独进化的结果,且寻优时间大大缩短。     

基于协同进化遗传算法的模型拟合研究

普通遗传进化算法在解决模型拟合问题中,建模与优化顺序结构时优化效果有限、拟合速度慢、稳定性低。针对上述问题,提出基于协同进化遗传算法的模型拟合算法。该算法将建模与优化问题抽象成多种群间协同进化,通过种群间整体的适应度值交换,将种群关联起来,扩大智能算法建模过程中参数优化的时空作用范围。各种群间含有不同基因表达,在解决局部问题时具有自包含性,有利于更好地发挥各智能算法(遗传算法、遗传规划)的优势。实验结果表明,该算法的稳定性和收敛速度优于传统遗传进化算法。     

一种基于双精英种群的协同进化算法研究

针对传统带精英策略的多目标进化算法种群收敛分布不够均匀,全局搜索能力不足的缺点,提出一种基于双精英种群的协同进化算法DEPEA(Double Elite Populations Co-evolutionary Algorithm)。该算法借鉴了子区间划分和非支配排序思想,将整个种群划分成两个不同级别的精英种群和一个普通种群;两个精英种群结合协同进化思想分别采用不同的进化策略实现对算法的探究和探查能力的平衡,高级别的精英种群与低级别的精英种群采用协作操作,促进更优秀的个体产生;高级别的精英种群与普通种群采用引导操作,加快普通个体向精英个体逼近。通过对五个标准的测试函数进行实验,并与传统的NSGA-II算法和最新的hybird_MOEA算法结果进行比较与分析,表明该算法不仅具有更好的全局收敛性,且能够更好地保证种群的多样性。     

A cooperative pursuit-evasion game in wireless sensor and actor networks

This paper studies the problem of the pursuit-evasion game under the wireless sensor and actor networks (WSANs). In order to plan paths for pursuers to capture an evader in the pursuit-evasion game, a novel multi-step cooperative strategy is presented. Under this strategy, the pursuit-evasion game is studied in two stages. In the first stage we assume that the evader is always static in the workplace, and in the second stage the evader will move once it senses the existence of pursuers. A Daisy-Chain Formation algorithm and a sliding mode-based method are presented to control the pursuit. Based on Lyapunov stability theory, the proposed algorithm is proved to be convergent. At last, simulation results are provided to demonstrate the effectiveness of the proposed method.     

协同进化遗传算法及其应用

介绍了协同进化遗传算法及其实际应用,大量的实验数据表明,它的性能明显优于传统的遗传算法,而且对不同的协同进化方法进行了对比。由此本文提出用协同进化遗传算法来解决入侵响应问题,以提高响应的速度和效率,最后预测了协同进化遗传算法的发展方向和应用。     

Missile guidance laws based on pursuit-evasion game formulations

The increasing maneuverability potential of tactical ballistic missiles motivates the development of improved interceptor guidance laws. In this paper two guidance laws are compared, both based on a pursuit-evasion differential game formulation. The first game is a linear-quadratic one. The second one is formulated with bounded controls and the miss distance as the performance index. The comparison shows that for the same values of physical parameters the capture zone (guaranteeing zero miss distance) of the guidance law using bounded controls, as well as the control effort associated with it, are larger. However, for short duration end games and for large values of interceptor maneuverability advantage the capture zones nearly coincide.     

Parameterized pursuit-evasion games

We study the parameterized complexity of four variants of pursuit-evasion on graphs: Seeded Pursuit Evasion, Short Seeded Pursuit Evasion, Directed Pursuit Evasion and Short Directed Pursuit Evasion. Both Seeded Pursuit Evasion and Short Seeded Pursuit Evasion are played on undirected graphs with given starting positions for both the cops and the robber. Directed Pursuit Evasion and its short variant are played on directed graphs, with the players free to choose their starting positions. We show for Seeded Pursuit Evasion and Directed Pursuit Evasion that finding a winning strategy for the cops is AW[*]-hard when we parameterize by the number of cops. Further, we show that the short (k-move) variants of these problems (Short Seeded Pursuit Evasion and Short Directed Pursuit Evasion) are AW[*]-complete when we parameterize by both the number of cops and turns.     

棋牌游戏与事件对策

博弈的原意便是下棋,博弈论的概念也源于棋类游戏．而博弈论的现有成果还难以描述和处理棋牌游戏这一类复杂的动态过程．为此．在分析棋牌游戏特点的基础上．指出它们属于离散事件的动态过程;在阐述离散事件动态系统（DEDS）特点与方法的基础上,应用DEDS的有关理论为象棋博弈过程建模,并提出了事件对策的概念与形式框架．探讨了事件对策理论在战争模拟中的应用,为迅速发展的机器博弈研究创造了良好的理论条件．     

基于混合支配策略的多偏好协同进化算法*

基于目标向量的多偏好协同进化算法无法识别处于同一适应值水平上的候选解之间的Pareto支配关系,导致所获解集在Pareto前沿分布不均匀.鉴于此种情况,文中提出基于混合支配策略的多偏好协同进化算法.首先对种群进行Pareto支配排序,再计算候选解的适应值,降低种群中非支配解比例,增加选择压力.同时,将目标空间中候选解的距离信息融入到适应值赋值方法中,惩罚处于同一适应值水平但距离理想解较远的候选解,提高解集前沿的分布均匀性.最后在12个WFG系列和DTLZ系列测试函数上的实验表明,文中算法在大部分测试函数上所获解集整体质量较优.     

亚马逊棋机器博弈系统中评估函数的研究

机器博弈是人工智能学科研究的载体,亚马逊棋作为一个相对较新的博弈棋种,走棋特点介于围棋和象棋之间,非常适合用来进行机器博弈研究。以亚马逊棋博弈系统为实验平台,对机器博弈中的关键技术之一——评估函教进行了研究。以territory、position、mobility个主要评估特征为基础,根据亚马逊棋在开局、中局以及残局三个不同阶段的棋局特点,分析了不同阶段中各评估因子的重要程度以及权重取值,最后得到一个分阶段的评估函数。通过实验结果可知,提出的棋局评估函数是可行并且有效的。