作业车间调度问题的文化算法

构造用于作业车间调度问题的文化算法,模拟文化的进化实现对问题的寻优,通过算法中信念空间和种群空间的相互联系和相互促进实现求解。算法采用固定优先表编码方式,其种群空间采用遗传算法作为进化手段,采用较独特的信念提取方式构造算法的信念空间并促使其进化。将该算法应用于作业车间调度问题标准实例,证明其有效性。     

改进的求解TSP问题文化蚁群优化方法

在文化算法基础上提出了一种改进的用于求解TSP问题的蚁群优化算法。改进算法采用新的双层进化机制对文化算法的种群空间与信念空间进行了重新设计,用最大最小蚁群系统（MMAS）构建种群空间,在信念空间中对当前最优解进行改进的3-OPT交叉变换操作,由于采用了这种双层进化机制,种群空间获得了更高的进化效率。通过仿真实验结果表明,改进算法比传统的蚁群算法（ACO）、文化蚁群算法（CACS）效果更好,收敛速度更快,精确度更高。     

改进的进化算法于服务机器人仿真赛中的应用

进化算法是一种基于种群和进化的启发式全局搜索方法,通过创新与改进使其适用于解决机器人的规划问题.根据家庭服务机器人仿真比赛的特点设计了一种全新的编码结构——事件结构,这种结构具有归一化、信息保留完整、便于操作等特点.使用代价计算法作为进化算法的适应度函数,并改进算法的进化方式,采用异位自交叉和限定变异法,从而使进化算法能够用于家庭服务机器人的任务规划之中.通过实验和比赛,验证了算法的有效性和优越性.     

求解约束优化问题的文化算法研究

文化算法的主要思想是明确地从进化种群中获得求解问题的知识 (即信念) 并用于指导搜索过程. 本文提出了一种基于多层信念空间的文化算法, 该算法通过对多层信念空间的择优选用将提取的知识用于提高进化计算性能来解决约束优化问题. 应用实例表明该算法具有较好的结果和较少的计算量.     

一种求解高维多模态复杂问题的差分文化算法

针对在求解高维多峰值复杂问题时种群容易陷入局部搜索、求解精度低的问题,提出了一种基于自适应差分进化算法和小生境高斯分布估计的文化算法。将差分进化算法用于种群空间的优化,利用动态小生境识别算法在种群空间中识别小生境群体。信度空间利用高斯分布估计算法在小生境内进行局部优化,并将小生境特征存入进化知识库,进化知识库进一步引导种群空间,有效地保证了种群的多样性,避免了局部的重复搜索。最后,通过仿真实验测试表明,算法具有收敛速度快、求解精度高、稳定性高和全局搜索能力强等优势。     

基于文化遗传算法的DNA编码序列设计

DNA编码问题是DNA计算的关键,然而,它已被证明为NP困难问题,通常采用优化算法求解。针对传统遗传算法缺乏有效指导,容易陷入局部极值的缺点,结合文化算法采用种群空间和信念空间的双层进化结构进行寻优,提出了一种基于遗传算法和文化算法的混合优化算法用于解决DNA编码问题。仿真结果表明该混合算法能有效地用于DNA编码序列设计。     

基于异质交互式文化混合算法的机器人探测任务规划

针对机器人任务规划的混合算法缺乏通用结构框架的问题,借鉴文化进化的双重结构思想,提出一种交互式仿生群协进化混合算法体系框架．它包括基于佳点集遗传算法的上层知识空间、基于离散粒子群优化的底层主群空间、自上而下的影响机制和自下而上的接受机制,以实现异质种群交互;通过预留用户评价接口,实现了算法的人机交互．为提高粒子群优化性能,运用佳点集初始化主群空间,使初始粒子均匀分布于可行解内;提出新的粒子进化模型并定义粒子进化力指标,提高了种群的多样性和算法稳定性;通过引入邻域局部搜索策略增强算法的搜索能力．最后,采用TSPLIB标准数据对异质交互式文化混合算法（HICHA）进行测试,实验结果表明,该算法无论是在收敛速度或稳定性方面,还是在求解质量方面,均优于其它算法．HICHA为机器人探测任务规划问题的解决提供了新思路．     

基于文化混合优化算法的旅行商问题求解

为更好地求解TSP问题,将遗传算法与模拟退火算法结合并纳入文化算法体系,提出一种求解旅行商问题的文化混合优化算法。该算法空间可分为独立并行的两部分：种群空间和信度空间。种群空间按照遗传退火混合算法实现进化,并将进化中的较优个体提供给信度空间,信度空间提取并利用较优个体所包含的信息来引导种群进化。通过求解TSP标准测试问题,将文化混合优化算法所求得的最优路径与其他优化算法所求结果相比,算法偏差均可降低0.6%～13.01%,表明了文化混合优化算法求解TSP问题的有效性与优越性。     

一种求解作业车间调度的文化粒子群算法*

提出了一种文化粒子群算法用于求解置换流水车间调度问题中的最小化最大完成时间。算法设置了群体空间和信念空间两类独立空间,群体空间采用自适应粒子群算法完成进化,信念空间通过更新函数来进行演化。算法中群体空间的粒子群不但通过跟踪个体极值和全局极值来更新自己,实现群体演化,而且通过不断与信念空间中的优秀个体交互,加快群体的收敛速度。该算法在不同规模的问题实例上与其他几个具有代表性的算法的比较结果表明,该算法具有较快的收敛速度,无论是在求解质量还是稳定性方面都优于比较的算法。     

文化算法研究

文中介绍一种新的进化计算构架——文化算法。文化算法分别从微观（种群空间）和宏观（信念空间）两个层面上模拟文化的双重进化继承过程。从进化角度看,任何一种符合文化算法要求的计算构架或符号表达都能被用来描述文化算法框架中的种群空间和信念空间。文中叙述了文化算法的发展背景,阐述了文化算法的特点、适用范围及基本原理,回顾了其发展历程以及应用,给出了结论和进一步的研究方向。     

改进型文化算法在三维空间装载中的应用

为提高仓储货运空间利用率,降低成本,提高效率,提出基于改进型文化算法的三维空间最优装载方法。根据装载问题的特点,兼顾各项约束条件建立起一个多约束多目标的数学模型,并且将文化算法单一的信仰空间改进为多层。该算法通过对多层信仰空间择优选取,用其中的经验来提高进化速度和计算性能,同时保持搜索范围广等优良性。仿真结果表明:该算法有良好的结果,与传统算法相比,能够更有效快速地解决三维集装箱装载问题,可应用性好。     

基于混合差异度控制的基因表达式编程

基因表达式编程(GEP)是一种进化算法,存在局部极小问题,解决此问题的一般方法是保持进化过程中种群的差异度。为了保证进化过程中种群的差异度,文中提出一种融合种群空间和样本空间的种群差异度度量方法。并基于此融合种群差异度度量方法,提出差异控制的GEP进化算法。同时在初始种群生成时,针对GEP结构的特殊性,将敌手理论应用于GEP种群初始化。实验结果表明文中算法能较有效避免过早陷入局部极小。     

基于C-MMAS算法的组合服务动态选择研究

将大规模的具有多种组合路径的QoS最优组合服务选择转换成带约束的最优路径选择问题,并提出了一种基于文化的最大一最小蚁群优化算法(C-MMAS)来完成最优路径选择。C-MMAS计算模型由基于MMAS的群体空间、基于优秀解的信仰空间及其之间的通信协议组成。群体空间在完成基于MMAS的演化后进行基于“变异”的进化操作,并将每次演化和进化后的优秀解作为知识贡献给信仰空间,信抑空间按照一定的优化规则更新空间里的知识,当信仰空间里的知识经过若干代的积累沉淀后再对群体的演化进行指导。此计算模型在知识和群体层面使用双重进化机制支持问题的求解和知识的提取,充分利用了种群的进化机制和知识的指导作用,在很大程度上提高了种群的多样性及收敛速度,达到了防止早熟、降低计算代价的目的。理论分析和实验结果说明了该算法的可行性和有效性。     

基于免疫克隆文化算法的关联规则挖掘

关联规则挖掘是数据挖掘中的一个重要任务,传统关联规则挖掘方法计算复杂度高、效率较低,而智能算法在搜索过程中具有保持种群多样性、鲁棒性等优点。本文提出基于免疫克隆文化算法的关联规则挖掘模型,该模型将免疫克隆算法嵌入到文化算法的框架中,利用免疫克隆算法的全局收敛性在数据库中迅速搜索频繁项目集,进而提取用户感兴趣的关联规则;利用文化算法信念空间的知识结构指导种群的进化,增强了搜索的目的性和方向性。实验表明,该模型具有较快的运行速度,提高了所得关联规则的准确率。     

智能空间下基于分层任务网络的服务机器人任务规划

针对在复杂、动态的家庭环境下,如何让机器人获取足够多的环境信息并根据环境信息进行自主的任务规划,提出了智能空间技术支持下基于分层任务网络的服务机器人任务规划方案.利用智能空间技术为机器人提供充足的环境上下文信息,用基于分层任务网络设计的JSHOP2规划器执行机器人任务规划.为了提高机器人任务规划的自主性和智能性,在规划领域文件中加入不同的模板信息,使机器人具有根据环境的不同自动对任务进行调整的能力.仿真实验结果表明利用该方法能够有效地提高机器人任务规划的性能.     

Particle Filter for Collaborative Multi-Robot Localization Tolerant to Recognition Error

Statistical algorithms using particle filters have been proposed previously for collaborative multi-robot localization. In these algorithms, by synchronizing each robot's belief or exchanging the particles of the robots, fast and accurate localization is attained. However, there algorithms assume correct recognition of other robots and the effects of recognition error are not considered. If the recognition of other robots is incorrect, a large amount of error in localization can occur. This paper describes this problem. Furthermore, in order to cope with the problem, an algorithm for collaborative multi-robot localization is proposed. In the proposed algorithm, the particles of a robot are exchanged with those of other robots according to measurement results obtained by the sending robot. At the same time, some particles remain in the sending robot. Received particles from other robots are evaluated using measurement results obtained by the receiving robot. The proposed method copes with recognition error by using the remaining particles, and increases the accuracy of estimation by twice evaluating the exchanged particles of the sending and receiving robots. These properties of the proposed method are argued mathematically. Simulation results show that incorrect recognition of other robots does not cause serious problems in the proposed method.     

家庭服务机器人自主定位控制

家庭服务机器人是目前机器人领域的一个研究热点,家庭服务机器人的研发可以减轻社会和家庭负担,缓解人口老龄化等问题.自主定位技术是家庭服务机器人研发的核心技术之一.本文针对家庭服务机器人定位技术研究,进行了其机械结构的设计以及传感器的选型提供方案,也对ROS编译环境进行介绍.最重要的是设计出一种基于激光SLAM技术为核心的传感器数据融合方法适用于家庭的微动态环境下的定位方法.在对系统进行运动学模型和坐标系模型建模的基础上,提出一种传统的Hector SLAM算法并对其进行改进成自适应无迹卡尔曼(AUKF)融合算法,提高了定位的稳定性和准确性.