一种遗传进化规划

本文提出一种遗传进化规划,该方法结合了遗传算法和进化规划两种算法的优点,在进化过程中遗传算法的交换率、变异率和进化规划的变异规则均根据种群的进化信息而自适应变化。该方法不仅能够加快算法的收敛速度,而且能够有效地保持种群的多样性。用该方法求解混合非线性整数规划问题,计算机仿真实验结果表明是非常有效的.     

基于混沌序列的自适应进化规划算法

针对进化规划在进化搜索过程中存在较多非法个体这一问题,提出一种新的自适应进化规划算法.该算法根据混沌序列的特性,将混沌序列引入到进化规划的变异算子中.理论分析和实验表明,与基于Guassian变异的进化规划相比,该算法不仅具有良好的快速收敛性和鲁棒性,而且能够有效地消除非法解,计算简单、容易实现.     

基于混沌序列的自适应进化规划算法*

针对进化规划在进化搜索过程中存在较多非法个体这一问题,提出一种新的自适应进化规划算法。该算法根据混沌序列的特性,将混沌序列引入到进化规划的变异算子中。理论分析和实验表明,与基于Guassian变异的进化规划相比,该算法不仅具有良好的快速收敛性和鲁棒性,而且能够有效地消除非法解,计算简单、容易实现。     

基于学习的进化规划算法

提出基于学习的进化规划算法，用以改进普通进化规划算法的性能，该算法－方面通过学习种群整体的进化信息用以改善种群整体性能，具有大范围快速搜索的特点，另一方面该算法强调学习种群中个体的进化信息，单一个体以当前代的最优化个体作为学习目标，用以加大当前最优解附近的搜索力度，具有局部“细搜”的特点，该进化规划算法不仅能够加快算法的收敛速度，而且能够有效地保证种群的多样性，用该方法可求解具有多个极值点的函数优化问题，计算要仿真实验结果表明该方法是非常有效的。     

基于Q学习的适应性进化规划算法

进化规划中, 个体选择变异策略特别重要. 适应性变异策略因在进化过程中动态选择个体变异策略, 能够取得较好的性能. 传统适应性变异策略都依据个体一步进化效果考察个体适应性, 没有从多步进化效果上对变异策略进行评价. 本文提出一种新的基于 Q 学习的适应性进化规划算法QEP (Q learning based evolutionary programming), 该算法将变异策略看成行动, 考察个体多步进化效果, 并通过计算 Q 函数值, 学习个体最优变异策略. 实验表明, QEP 能够获得好的性能.     

一种改进的进化规划算法及其应用

进化规划是一种随机优化方法,它的目标是通过进化达到行为智能化。采用多个变异算子的多群进化规划算法,改进的进化规划算法还使用约束条件处理和精英保留策略以进一步提高算法的性能。将改进的进化规划算法应用于求多峰值函数极值学习,对改进算法的性能进行仿真,数值仿真实验结果显示该算法的有效性。     

一种自调整的进化规划算法

针对进化规划算法收敛速度慢和早熟收敛的缺点,将改进的随机搜索方法和进化规划算法相结合,提出了一种自调整的进化规划算法。在该算法中,使用高斯变异算子对个体进行变异,利用改进的随机搜索方法对个体变异进行自调整,提升了个体向适应度高的方向进化的能力,提高了个体间的多样性差异,从而改善算法的性能。对该算法性能进行典型算例的数字仿真证明该算法具有良好的性能。     

基于进化规划算法的IIR数字滤波器优化设计

采用进化规划算法进行IIR数字滤波器的优化设计.进化规划算法是一种模拟自然选择和变异机制的随机并行优化算法.本文首先描述了进化规划算法,并将进化规划算法用于IIR数字滤波器优化设计,模拟计算结果表明本算法具有良好的优化效果.     

基于量子进化规划核聚类算法的图像分割

基于量子计算的并行性、进化计算简单、通用性好等优点,采用量子编码构造进化算法的染色体种群,再将二者引入到核聚类中来,提出了一种基于量子进化规划的核聚类算法.该算法充分利用了量子态的叠加性以及量子比特的概率表示,能够表示出许多可能的线性叠加状态,具有更好的种群多样性,因此将其用于解决核聚类算法中目标函数的优化问题,可以有效克服传统进化算法收敛速度慢以及早熟等问题.对Brodatz纹理图像及SAR图像进行分割,仿真实验结果表明该算法可以较好地改善图像分割效果.     

一个用于多目标优化的进化规划算法

进化计算的群体搜索机制为多目标优化问题的直接求解提供了途径.本文将多目标遗传算法中的一些技术用于进化规划,提出一个多目标进化规划算法,并给出计算实例.     

在线手写签名验证的演化设计

在线手写签名验证是一种基于生物特征的身份识别技术,论文尝试将演化计算理论用于手写签名验证。首先建立数学模型,并在此基础上提出了签名验证匹配演化算法,特别是签名曲线的动态分段匹配方法。最后给出了计算实例,并对结果进行了分析。实验结果表明了演化算法用于签名验证的有效性。     

基于演化博弈的多用户网络选择算法

无线通信技术的发展和演进,使得多种广域蜂窝网和大量无线局域网共存、重叠。针对热点区域,密集分布的大量用户同时发起同种业务请求应用场景,提出一种基于演化博弈的多用户网络选择算法,依据选择网络的用户数设计效用函数,给出了演化博弈的复制动态方程。与RSSI算法的对比仿真结果表明：该算法能快速达到演化均衡,用户平均收益高于RSSI算法,接入网络的用户分布更均衡,能合理利用网络资源。     

递进多目标粒子群算法的设计及应用

在现有递进进化技术研究的基础上,提出了一种递进多目标PSO算法,该方法每进化一定代数后以一定策略对群体进行重构,以提高算法对解空间的遍历性,从而较大程度上避免算法的早熟。该算法采用非劣解等级优先的选择方式复制后代,通过递进层次间对部分非劣解个体执行局部搜索,加快全局非劣解集的进化。采用递进PSO算法与非递进PSO算法对一些典型优化问题进行对比分析,验证了算法求解多目标函数优化问题的有效性。研究表明,通过研究惯性因子确定的随机数方法,比目前的固定数确定方法具有一定的先进性。     

基于多Agent的移动机器人导航进化控制的体系结构

将进化控制与多Agent技术相结合,兼顾几种经典体系结构的优点,提出了一种基于多Agent的移动机器人导航进化控制的体系结构.该体系结构特别适合于网络环境下的机器人系统,能充分发挥进化控制隐含并行性的优点.最后,结合其所在研究所实验室的条件,设计出以该体系结构为基础机器人系统实现方案.     

基于正交差异混合演化算法的制造资源选择

对制造资源的选择问题进行分析,并建立数学模型,提出一种适合求解该问题的正交差异混合演化算法。该算法使用子空间收缩技术和多子竞争策略,使收敛速度得到明显提高。实验结果表明,与其他算法相比,该混合演化算法在解的质量、稳定性和收敛速度方面均具有较好的性能。     

基于转基因的数据进化建模

在数据建模问题中,应用遗传编程算法可以实现模型的自动获取。但是由于遗传算子随机地选择操作点,可能会破坏个体的优良结构,甚至恶化新生成个体的性能。在生物工程中的转基因技术的启发下,设计转基因算子,将具有良好或者特殊性状的个体以完整模式导入进化个体中,保护优良个体的完整模式,同时改善遗传编程算法的收敛性。计算结果表明,这种改进方法易于实现,为数据的高效率建模提供一种新的方法。     

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。     

Computer usage in developing countries: Case study Kuwait

This study is an examination of the position of computing technology in the developing country of Kuwait. The status of computer usage is described. These findings are assessed relative to technology trends, evolutionary computing stages, and/ or results reported in more developed countries; problems and concerns of computer users are identified; and factors potentially related to more successful computer utilization are explored. The following aspects of computer usage are analyzed: computing resources (hardware, software, staff, expenditure), application development methodologies, applications and evaluation. The study provides insight into the results of the transfer of computing technology to a developing country where computer usage is relatively widespread.     

一种改进的分布式查询优化算法

为了提高分布式查询优化算法的性能,在遗传模拟退火混合算法中融入小生境技术,并对混合算法的相应要素进行改进,基于该混合算法,提出了一种改进的分布式查询优化算法。利用小生境技术扩展遗传模拟退火混合算法的探索区域,防止早熟现象发生,简化算法中的Meteopolis规则,以消除混合算法中引入新技术后产生的功能冗余,将混合算法应用到分布式查询优化算法中。实验结果表明,改进的分布式查询优化算法可以稳定地得到最优解,减少分布式数据库查询的代价,提高查询效率。     

一种用于图像匹配的演化算法研究

图像匹配在目标检测、目标识别与跟踪等应用中是一项极其重要的技术。图像匹配的方法很多,现有的方法均采用遍历式搜索策略,因而计算量的降低有限,如果不采用新的搜索策略,则难以在计算量的降低上取得实质性的突破,这是现有图像相关匹配算法的共同缺陷。将演化算法引入匹配技术中,利用相关匹配计算简单、抗噪声性能好的特点,提出了一种基于演化算法的图像相关匹配方法。实验结果表明该方法具有运算速度快、正确匹配率高、抗噪声性能好等特点。