基于混沌BBO算法的非线性模型参数整定

为提升原始生物地理学优化算法(BBO)性能，提出基于动态迁移机制和混合变异算子的混沌生物地理学算法。采用Tent映射生成混沌初始化种群，提升种群遍历性；将反向学习机制和差分算子集成到原始迁移算子中，提升算法收敛速度；采用混合变异算子增强算法跳出局部最优解能力。将该算法应用于非线性Richards模型参数整定，预测谷氨酸菌体生长浓度。实验结果表明，该算法的预测结果比同类文献更优，较对比算法更适用于Richards模型参数整定。     

混沌蜜蜂双种群进化遗传算法

利用混沌运动的遍历性、随机性和规律性等特点,提出混沌蜜蜂双种群进化遗传算法。该算法在基于蜜蜂双种群进化遗传算法的基础上,利用混沌优化进行改善初始种群质量和利用混沌退化变异算子代替常规算法中的变异算子,避免搜索过程陷入局部极值。实验结果表明,该算法计算速度快、收敛性好,提高了常规遗传算法的收敛速度和优化效果。     

采用混沌变异的进化算法

根据混沌理论关于进化与混沌的关系,设计一种采用混沌变异算子的进化算法,并提出“尺度收缩”的变异策略。对极小值函数优化问题的仿真实例表明,混沌变异是实数编码进化算法变异算子的有效实现;而采用“尺度收缩”策略的混沌变异算子明显改善了群体平均适应值,提高了算法性能,是解决优化问题的有效方法。     

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.     

混沌变异进化规划及在数字水印中的应用

针对现有的数字水印算法都是根据人类视觉模型理论来寻找嵌入位置的问题,本文提出一种新的变尺度进化规划算法.该算法根据混沌序列的特性,将混沌引入到进化规划的变异算子中,并利用提出的进化规划算法采寻找数字图像中水印的嵌入部位.理论分析和实验结果表明,该算法具有良好的快速收敛性和鲁棒性,并可以自适应寻找水印的最优嵌入部位,以最大限度地减少因水印的嵌入而对原始图像造成的破坏.     

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。     

一种求解数值优化问题的非线性遗传算法

由于算术杂交算子的线性搜索范围及变异算子的随机搜索，导致了实数遗传算法的效率较低．为此，通过拓展遗传算子的搜索范围，提出了一种动态双层非线性杂交算子，并将混沌搜索引入变异算子，从而给出了一种求解数值优化问题的非线性遗传算法．实例仿真证明该算法的有效性，并以“平均截止代数”和“平均截止代数分布熵”作为评价指标，对该方法的优化效率进行了研究，定量的评价了该方法的优化效率，通过与实数遗传算法进行比较，进一步说明了该方法的优化效率高于实数遗传算法。     

移动Agent任务调度遗传算法

提出了一种可在全部可行解空间寻求最优解的混沌遗传算法。 算法定义了问题模型及染色体表示方法; 生成了考虑通信代价的贪婪算法初始种群; 设计了一种新的交叉机制来确保杂交后生成的解依然为合法解; 使用了启发变异算子; 采用混沌优化技术动态控制交叉、变异操作; 还使用了父代若干精英个体参与选择策略。 最后给出了3种通信代价、2种任务节点及3种主机节点共18个任务图的仿真结果。     

一种新的基于混沌变异解决早熟收敛的遗传算法

给出解决遗传算法早熟收敛问题的统一框架，基于新的混沌变异模型提出一种新的遗传算法。该算法充分利用混沌的初值敏感性和轨道遍历性，克服了已有混沌变异模型存在搜索盲区大的缺点。多峰值函数优化计算结果验证了该算法的可行性和有效性。     

基于Petri网与GA算法的FMS调度优化

提出了一种应用遗传算法解决柔性制造系统调度优化问题的新方法．首先用Petri网对柔性制造系统进行建模,然后应用遗传算法对该模型进行调度并获取近似最优解．在该算法中,用Petri网模型的激发序列作为染色体,采用期望值方法作为选择算子,总加工时间作为适应度函数,两点交叉法作为交叉算子,交叉点选择能到达相同标记的转移．对于变异算子,首先从染色体上随机选择一点作为变异点,然后从这点开始应用变异算法,该变异算法类似于Petri网的可达树算法．由于算法中的选择、交叉和变异算子都是对．Petri网模型中的元素进行操作,与问题空间中的元素无关,因此,与其它调度算法相比,它有较高的通用性．既可以处理典型的Job—Shop问题,也可以处理小批量、多品种的FMS(Flexible Manufacturing System)调度问题．文中通过实验验证了算法的有效性。     

基于时间轴的软件多项目任务调度遗传算法

合理的调度可以在很大程度上提高人力资源在软件项目开发中的利用率。在研究了现有的任务调度算法的 基础上,考虑了软件开发任务的可拆分特性,结合员工的技能水平与项目经验对任务调度的影响,定义了基于时间轴 的多项目并行调度模型。该模型将任务按时间单元进行拆分,并且提出员工学习模式,用以动态改变员工的技能水平 和项目经验,从而提高员工分配的灵活性,使得满足约束下的成本开销最小化,其中包含员工薪水和超时任务的开销。 模型分解后,利用遗传算法求解,由于模型中约束条件众多,因此遗传算法中增加了各种启发式来提高算法性能。通 过仿真实例验证了模型和算法的有效性。     

混沌序列构造方法研究

针对扩频通信中运用神经网络方法产生的混沌序列性能难以调整的问题 ,提出并设计由遗传算法搜索调整系统适配参数的神经模糊推理系统 (ANFIS)生成混沌序列。在该系统训练的过程中 ,将其产生的序列的Lyapunov指数与平衡性、自(互 )相关性、数量的加权平均函数作为适应度函数 ,通过遗传算法调整系统参数 ,产生出符合扩频通信应用要求的混沌序列。通过计算机仿真试验 ,并与Logistic混沌映射 (教师值 )相比较 ,结果表明该方法能产生出随机性能良好的混沌序列 ,适合于CDMA系统中的多用户通信     

Capacitated Domination Problem

We consider a generalization of the well-known domination problem on graphs. The (soft) capacitated domination problem with demand constraints is to find a dominating set D of minimum cardinality satisfying both the capacity and demand constraints. The capacity constraint specifies that each vertex has a capacity that it can use to meet the demands of dominated vertices in its closed neighborhood, and the number of copies of each vertex allowed in D is unbounded. The demand constraint specifies the demand of each vertex in V to be met by the capacities of vertices in D dominating it. In this paper, we study the capacitated domination problem on trees from an algorithmic point of view. We present a linear time algorithm for the unsplittable demand model, and a pseudo-polynomial time algorithm for the splittable demand model. In addition, we show that the capacitated domination problem on trees with splittable demand constraints is NP-complete (even for its integer version) and provide a polynomial time approximation scheme (PTAS). We also give a primal-dual approximation algorithm for the weighted capacitated domination problem with splittable demand constraints on general graphs.     

Solving software project scheduling problems with ant colony optimization

Software project scheduling problem (SPSP) is one of the important and challenging problems faced by the software project managers in the highly competitive software industry. As the problem is becoming an NP-hard problem with the increasing numbers of employees and tasks, only a few algorithms exist and the performance is still not satisfying. To design an effective algorithm for SPSP, this paper proposes an ant colony optimization (ACO) approach which is called ACS-SPSP algorithm. Since a task in software projects involves several employees, in this paper, by splitting tasks and distributing dedications of employees to task nodes we get the construction graph for ACO. Six domain-based heuristics are designed to consider the factors of task efforts, allocated dedications of employees and task importance. Among these heuristic strategies, the heuristic of allocated dedications of employees to other tasks performs well. ACS-SPSP is compared with a genetic algorithm to solve the SPSP on 30 random instances. Experimental results show that the proposed algorithm is promising and can obtain higher hit rates with more accuracy compared to the previous genetic algorithm solution.     

A scheduling method based on a hybrid genetic particle swarm algorithm for multifunction phased array radar

A hybrid optimization approach combining a particle swarm algorithm, a genetic algorithm, and a heuristic inter-leaving algorithm is proposed for scheduling tasks in the multifunction phased array radar. By optimizing parameters using chaos theory, designing the dynamic inertia weight for the particle swarm algorithm as well as introducing crossover operation and mutation operation of the genetic algorithm, both the efficiency and exploration ability of the hybrid algorithm are improved. Under the frame of the intelligence algorithm, the heuristic interleaving scheduling algorithm is presented to further use the time resource of the task waiting duration. A large-scale simulation demonstrates that the proposed algorithm is more robust and efficient than existing algorithms.     

基于ICGA的雷达与雷达干扰一体化信号的优化设计

现代雷达与雷达干扰一体化系统中一体化信号的优化设计对整个系统性能发挥具有深远意义。结合伪随机信号特点,运用时空混沌系统构造伪随机二相序列,并在分析一体化信号设计原则的基础上建立了一体化二相序列的优化模型,将基于自适应排序选择策略的混沌遗传算法应用于求解序列优化模型,给出了具体的解算步骤,并进行了实例仿真。仿真结果表明改进的混沌遗传算法有效地解决了雷达与雷达干扰一体化信号优化设计问题,得到了性能良好的一体化信号。     

基于混沌遗传算法的图像恢复技术

遗传算法是一种模拟生物选择、进化过程的随机、并行搜索算法.本文利用图像恢复的数学模型,采用嵌入混沌序列生成初始种群的遗传算法对退化图像进行恢复,可以有效的解决逆滤波复原算法中存在的恢复后图像的精确度不足等缺点.有较好的恢复效果.同时为了解决遗传算法局部收敛和收敛速度慢的问题,本文算法中又引入了混沌优化机制.     

基于混沌遗传算法的图像恢复技术

遗传算法是一种模拟生物选择、进化过程的随机、并行搜索算法。本文利用图像恢复的数学模型，采用嵌入混沌序列生成初始种群的遗传算法对退化图像进行恢复，可以有效的解决逆滤波复原算法中存在的恢复后图像的精确度不足等缺点，有较好的恢复效果。同时为了解决遗传算法局部收敛和收敛速度慢的问题，本文算法中又引入了混沌优化机制：     

一种新的遗传混沌优化组合方法

在分析了遗传算法与混沌优化方法的优缺点的基础上, 提出了一种新的遗传混沌优化组合方法. 该算法能克服混沌优化在大范围内失效的缺点, 并能提高遗传算法的局部搜索能力和搜索精度. 同时证明该算法能以概率 1收敛到全局最优值. 应用该方法对 6个测试函数进行优化计算得到了比较满意的结果.     

一种新的遗传混沌优化组合方法

在分析了遗传算法与混沌优化方法的优缺点的基础上,提出了一种新的遗传混沌优化组合方法.该算法能克服混沌优化在大范围内失效的缺点,并能提高遗传算法的局部搜索能力和搜索精度.同时证明该算法能以概率1收敛到全局最优值.应用该方法对6个测试函数进行优化计算得到了比较满意的结果.