一种基于复杂网络免疫策略的检测器进化算法

在基于小生境策略的检测器生成算法基础上,借鉴复杂网络的免疫策略,对成熟检测器的进化过程进行改进,提出一种基于复杂网络免疫策略的检测器进化算法,利用亲和力函数优化父代检测器的选择,避免了解所有个体的特征信息,保持了选取与非自体模式较高亲和力的可能性。通过仿真实验对比并分析两种算法的漏检率、误检率以及数据编码较长情况下对性能的影响。从实验结果来看,该算法基本达到设计目标。     

基于动态种群多策略差分进化模型的多目标进化算法

针对复杂的多目标优化问题,根据不同差分进化策略的特点,提出一种基于动态种群多策略差分进化模型和分解机制的多目标进化算法（MOEA／D-DPMD）。该算法将种群划分为3个子种群,每个子种群分配一种差分进化策略。为了提高算法的性能,依据每种差分进化策略的贡献度,动态的调整子种群的规模,各差分进化策略之间相互配合协同进化。采用具有复杂的PS的LZ09系列基准函数,测试新算法的性能,仿真结果表明邻域规模为25时性能最好。通过不同差分进化策略之间的对比分析,新算法也具有较强的优势。将其与MOEAD／DE和NSGA-II算法对比分析,结果显示该算法的收敛性和多样性均优于另外两种算法,是求解复杂多目标问题的有效方法。     

基于模糊支配的高维多目标进化算法MFEA

为提高高维复杂多目标优化算法的收敛性和解集分布性,提出一种基于模糊支配的高维多目标进化算法MFEA.在第二代Pareto支配类高维多目标进化算法模型基础上,利用模糊理论对模型中的环境选择进行改进,提出基于模糊隶属度的支配关系,并结合Harmonic、k邻域法和小生境技术对其中的拥挤密度估计方法进行改进,最后根据高维多目标的特点并结合模糊理论α-截集的思想提出了新的环境选择策略.将该算法与目前性能最好的5种多目标进化算法在标准测试函数集上进行对比试验,结果表明本文算法与其他算法相比具有明显的优势,不仅提高了算法的收敛性能,而且保证了Pareto最优解的均匀分布性.     

一种改进的适应度函数研究

针对复杂函数的最优化问题,提出了一种改进的适应度函数设计方法,并将这种适应度函数参与遗传算法对Rosenbrock函数进行了测试,仿真结果表明这种改进的适应度函数在进化的初期能提高算法的优化性能。     

基于FPGA+DSP的新型电视跟踪器

针对复杂背景下电视跟踪的实时性要求,研究开发了基于FPGA+DSP结构的电视跟踪器.根据处理算法的层次划分,设计了处理器系统硬件结构;给出了系统工作原理、形心跟踪算法处理流程以及各层次算法的实现方案.性能测试实验表明,新型跟踪器具有良好的实时性.     

量子进化膜算法及其背包问题应用

量子进化膜算法是基于量子进化算法和膜计算所提出的一种分布式优化算法。将量子进化膜算法应用于0-1背包问题,讨论了基本膜个数的变化对背包问题求解的影响,找到最适合的基本膜个数,并分别与三种不同的量子进化算法进行对比实验,通过多组实例数据进行测试,结果表明该算法具有更高的求解性能。     

改进的差异进化多目标优化算法在靶场测控方案优化设计中的应用

针对在靶场测控方案优化设计中常存在的非线性函数优化难,局部搜索能力弱,约束条件复杂等问题,给出了一种改进的求解策略,即差异进化算法。在介绍差异进化算法基本原理的基础上,对算法中交叉因子和变异因子这两个主要控制参数的取值方法进行了改进,同时改进约束条件的收敛方法,提高了差异进化算法的优化性能。最后对靶场高炮武器系统直接射击测控方案进行优化设计,并做了仿真试验。通过指标对比和数值分析表明,算法求解效率高,收敛速度快,全局搜索能力强。     

进化算法在工业产品造型设计中的运用

为了有效提高产品造型设计的效率,设计一种基于改进差分进化算法的工业产品造型设计系统。首先对产品造型设计的过程及逻辑流程进行分析,然后根据需求功能结构,给出具体的系统工作流程,最后提出改进差分进化算法并应用到产品造型设计中。采用.NET开发平台进行系统软件实现。系统运行测试结果表明,所提出系统能够辅助设计者进行工业产品的造型设计,对进一步实现创新设计提供了良好的技术支撑。     

测试不可靠条件下基于量子进化算法的测试优化选择

测试优化选择是复杂电子系统测试性设计中的一个重要问题.首先从测试容差的角度分析了测试发生漏检和虚警的原因,在此基础上建立了测试不可靠条件下一种新的测试选择模型,模型以测试代价、漏检代价和虚警代价之和最小为优化目标,以故障检测率和故障隔离率为约束条件;然后提出一种改进的量子进化算法对模型求解,该算法通过改进一种已有可靠测试选择算法而成,包括种群初始化、适应度计算和种群的进化策略.最后通过两个仿真实例验证了求解算法及模型的有效性和优越性.     

均衡单进化布谷鸟算法

针对布谷鸟算法采用整体评价策略处理多维度自变量相关优化问题时,维度耦合现象会恶化算法的搜索速度和收敛精度,提出均衡单进化的布谷鸟算法（ESCES）.该算法给出一种新型的均衡单进化函数评价策略,即每一代进化只随机更新目标函数的单个维度,并且随机更新的维度服从均匀分布,避免多维度之间互相干扰.同时,提出两种新型随机游动步长更新学习律,提高了优化算法的全局搜索速度和收敛精度.实验测试结果和显著性统计结果表明,ESCES算法与5个改进CS算法及7个其它最新智能优化算法相比,在全局寻优性能、搜索速度和收敛精度上均获得较大的改进.     

快速概率分析进化算法及其性能研究

概率分析进化算法是最近几年发展起来的一类新的构造性进化算法.本文介绍了其产生背景和基本原理,分析了复杂概率模型导致的计算复杂性,在此基础上提出快速概率分析进化算法的概念和算法模型.文中给出了Bayes网络作为概率模型,爬山算法作为快速搜索技术的算法实例,实验结果验证了快速概率进化算法具有很好的性能.     

解决动态多中心问题的自学习差异进化算法

为解决动态环境下的多中心优化问题,提出自学习差异进化算法。通过评估特定个体检测到环境变化,自学习算子将群体引至新的环境,并保持群体的拓扑结构不变,以继续当前的进化趋势。采用邻域搜索机制加快算法的收敛速度,引入随机个体迁入机制增加群体多样性。实验以周期动态函数为测试对象,比较自学习差异进化算法与部分智能优化算法的性能,结果表明,新算法有更快的收敛速度和更好的环境适应能力。     

一种基于微分思想的图象变形算法研究与实现

图象变形是图象处理中的基本问题,不仅要求图象变形效果好,而且要求变形算法效率高.目前已有的变形算法,大多采用基于象素点的填充方法,这种方法有比较明显的缺点:(1)当变形的图象区域是一个非规则区域时,图象变形处理所花费的时间增加,即算法的时间复杂度加大,效率低;(2)在对象素点作映射变换时,可能出现变形后的图象区域中一个象素点对应变形前的图象区域中多个象素点,因此造成取舍困难,甚至造成取舍错误.为解决这一问题,本文提出了一种基于微分思想的图象变形算法,该算法先将复杂的变形区域划分为一系列子区域,再将每个子区域划分为多个小矩形,将对应的小矩形按照标准矩形填充算法进行快速填充,由此实现图象变形.实验结果表明,该算法实现简单,计算速度快,填充效果好,并已成功地应用于笔者开发的基于真实照片的人脸整形与美容图象处理系统中.     

解无约束非线性全局优化的一种新进化算法及其收敛性

进化算法是解复杂非线性规划问题的一种新型有效方法,但现有方法的计算量通常较大.为减小计算量,提高算法的效率,本文利用均匀设计来构造新的高效进化算法,新的进化算法本身具有类似于传统优化技术中的局部搜索功能,因此它能非常有效地搜索解空间,保持种群的多样性,减小计算量.文中还证明了新算法的全局收敛性.最后的模拟结果表明,新算法计算量小且收敛速度快.     

一种新颖的共形阵非均匀子阵的优化算法

提出了一种新的同时对共形阵非均匀子阵分区和子阵幅度激励进行优化的多目标进化算法，为此设计了新的多目标函数，通过在改进的强度 Pareto 进化算法(SPEA2)使用克隆选择算子和双交换遗传操作算子，从而提高搜索效率和收敛性，可以有效改善整个阵列的辐射特性。 在系统仿真中，结合工程化实际应用，本文提出的 MOEA 算法对 20×20 阵列进行非均匀子阵分区和对各个子阵的幅度激励优化，仿真结果表明其天线阵列在扫描空域的峰值旁瓣电平(PSLL) 以及方位和俯仰波束宽度等性能参数得到明显改善，该方法对改善整个阵列的辐射特性是有效的。     

A hybrid evolutionary algorithm for multiobjective sparse reconstruction

Sparse reconstruction (SR) algorithms are widely used in acquiring high-quality recovery results in compressed sensing. Existing algorithms solve SR problem by combining two contradictory objectives (measurement error and sparsity) using a regularizing coefficient. However, this coefficient is hard to determine and has a large impact on recovery quality. To address this concern, this paper converts the traditional SR problem to a multiobjective SR problem which tackles the two objectives simultaneously. A hybrid evolutionary paradigm is proposed, in which differential evolution is employed and adaptively configured for exploration and a local search operator is designed for exploitation. Another contribution is that the traditional linearized Bregman method is improved and used as the local search operator to increase the exploitation capability. Numerical simulations validate the effectiveness and competitiveness of the proposed hybrid evolutionary algorithm with LB-based local search in comparison with other algorithms.     

基于拟生态优化算法的CDMA多用户检测方法

拟生态优化算法是一类模拟自然生态系统运行机制,求解复杂优化问题的智能计算方法,其中的蚁群算法和粒子群算法是较新出现的两种具有不同特点的方法。该文研究基本蚁群算法和离散粒子群算法,并结合CDMA多用户检测问题,改变算法的搜索机制,提出两种CDMA多用户检测的方法。从理论分析以及实验仿真的角度对比两种方法,表明两种方法的计算复杂度低且可以得到较好误码率性能,同时又各有特点。     

多种群协方差学习差分进化算法

种群多样性与交叉算子在差分进化(DE)算法求解全局优化问题中具有重要作用,该文提出一种多种群协方差学习差分进化(MCDE)算法。首先,采用多种群机制的种群结构,利用每一子种群结合相应的变异策略保证进化过程个体多样性。然后,通过种群间的协方差学习,为交叉操作建立一个适当旋转的坐标系统;同时,使用自适应控制参数来平衡种群的勘测与收敛能力。最后,在单峰函数、多峰函数、偏移函数和高维函数的25个基准测试函数上进行测试,并同其他先进的进化算法对比,实验结果表明该文算法相较于其他算法在求解全局优化问题上达到最优效果。     

一种基于循环编码的高性能分布式互斥算法

公平、健壮和易于实现的分布式互斥算法对分布式系统保证数据一致性、逻辑一致性及时序一致性至关重要.除Lamport算法,RA算法和N^0.63算法外,以前提出的分布式互斥算法都只是在节点数目与请求集大小存在一定关系时才是公平和对称的,在大多数情况下是不对称的.这些算法的同步时间,容错性能与消息复杂度之间存在着不可调和的矛盾,不能三者兼顾.本文提出了一种基于循环编码的互斥请求集产生算法,并在此基础上改进了已有的基于请求集的分布式互斥算法,使该算法在系统节点数为任意值时都能公平和对称地产生请求集.其消息复杂度较低,同步时间为T,节点容错能力达到N-1.     

一种基于排序操作的进化算子自适应遗传算法

提出了一咱基于排序操作的进化算子自适应的遗传算法,该算法中,每个体按适应值大小进行排序,个体的选择、交叉、交异算子的概率根据个体排序值来自适应地确定,其中选择概率还随进化过程而调节,利用Ｍａｒｋｏｖ链的分析法证明了该算法的全局收敛性,最后,实验结果表明该算法同传统的遗传算法相比不仅能收敛到全局最优解,而且具有交快的收敛速度。