改进的正交遗传算法及其在函数优化中的应用

提出了一种新的正交遗传算法(OBGA),算法的特点是利用正交数组产生初始种群,它比随机产生的初始种群更均匀分布在解空间中,而且在正交设计的基础上提出了一种新的杂交算子,与高斯变异算子相结合,提高了种群的多样性和算法的局部搜索能力,最后对6个多峰函数进行了测试.数值实验结果表明,新算法正确高效,稳定性好.     

基于正交试验设计的区域分解遗传算法

论文根据区域分解的特点,将正交试验设计应用于区域分解遗传算法中,提出了一种基于正交设计的遗传算法。该算法利用正交试验设计来进行区域组合,通过较少的区域组合达到全局搜索的目的,解决区域分解遗传算法由于区域组合所带来的工作量大的问题,从而达到提高区域分解遗传算法的效率,改善算法的性能的目的。文中最后通过数值仿真计算,验证了算法的实用性。     

正交遗传算法在网络优化设计中的应用

利用正交实验法的全局思想,提出一种采用多点正交交换的遗传算法。算法通过正交表安排遗传算法的交换运算,并在所产生的多个子代中选择适应度大的个体进入下一代进化,这样既加快了算法的收敛速度又保证了种群的多样性。并将该算法应用在计算机网络的容量分配与路由选择优化上。实验证明,该算法较之传统遗传算法,在种群规模较小的情况下,仍然可以以较少的搜索次数,收敛到近似最优解。     

Agent的遗传算法研究

Agent是指具有智能的人,或其它智能物或相当于智能物体的实体,以及能进行种种工作的软件等。这种Agent对给定介质环境中的事件变化能迅速作出反应,具有自治、推测、反响、协作、自学习和相互学习等能力。鉴于Agent的这些特点,借助Darwin自然进化论与Mendel遗传变异理论来研究Agent是科学的、合理的。我们知道,在生物的演化过程中,生命期模式在个体的成长中占据十分重要的地位;生态环境中的生物个体在进化时,即使在它自己的局部环境,也是有生命周期的。个体在不同的局部环境和生命期的各个不同阶段具有不同的成长特性,并在生命期模式的控制下体现出实际成长的特点。关于Agent遗传理论的研究,目前还未见诸文字。综上所述,本文抓住Agent类似于生物的特性,从遗传变异和生物演化两个生物的本质属性方面给出Agent的遗传算法与演化模型,真正从本质上刻画Agent的智能本能行为,填补了这方面的工作。     

基于BP网络和遗传算法的正交实验分析

传统的实验设计与分析方法为首先进行正交实验设计,然后对实验结果进行回归分析和方差分析以确定最佳工艺条件。文章提出的基于BP网络和遗传算法的正交实验分析方法,利用BP网络的高度非线性拟合特性对复杂的多输入多输出问题进行较高精度的回归,运用遗传算法优越的全局并行随机搜索及对适应度函数广泛的适应性等特性进行最优工艺条件的搜索,克服了传统分析方法系统模型辨识困难、后续实验工作量大以及最佳工艺条件搜索困难等缺点,大大提高了实验工作的效率和质量。     

遗传算法的一种特例——正交试验设计法

简要介绍正交试验设计法与遗传算法的基本原理,分析它们之间的内在关系,指出正交试验设计法可以认为是遗传算法的一种特例,即它是一种初始种群固定的、只使用定向变异算子的、只进化一代的遗传算法.计算结果表明,正交试验设计法可以解决一般遗传算法中的最小欺骗问题.     

遗传算法函数寻优性能影响因素分析——基于正交试验的方法

遗传算法在函数寻优领域得到了广泛应用,选取合适的参数对提高遗传算法寻优性能至关重要。以四个经典函数为例,基于正交试验原理分析了遗传算法五个参数对其寻优时间和迭代次数的影响。结果表明：对寻优搜索时间影响最大的参数为变异概率,其次为种群大小,交叉算子的选择、交叉概率和编码长度影响相对较小;对寻优迭代次数影响较大的三个参数为变异概率、种群大小和编码长度,而交叉概率和交叉算子的选择影响相对较小。分析了使遗传算法性能最优时参数组合的原则。     

混合量子遗传算法及其性能分析

首先比较了带量子门更新和群体灾变的量子算法(QA)以及加入对量子位的交叉和变异操作的量子遗传算法(QGA);然后结合量子搜索和传统遗传搜索提出了混合量子遗传算法的框架,并给出了基于二进制编码的混合量子遗传算法(BQGA)和基于实数编码的混合量子遗传算法(RQGA).基于典型问题的数值仿真和比较表明,RQGA的性能明显优于其他算法,对参数和初值具有较好的鲁棒性.     

一种新的正交多目标最优化遗传算法

文章首先构造了一个新的适应值函数,它以标准化后的目标函数的加权极大值作为个体的适应值,通过独特选取多组权重向量和正交试验方法,保持了种群的多样性,使得搜索方向在目标空间中均匀指向有效界面。该算法的显著特性是不管有效界面是否凸,都能找到足够多均匀分布的有效解。数值实验也表明了该算法非常有效。     

用于全局优化的混合正交遗传算法

为提高正交遗传算法收敛速度和搜索精度,在正交遗传算法的基础上引入局部搜索策略,提出一种新的聚类局部搜索算子。利用正交算子初始化种群,保证初始群体分布的均匀性和多样性。通过正交算子在全局范围内进行全局搜索,使算法能在全局范围内收敛。采用聚类局部搜索算子对群体进行局部搜索,以增强算法的收敛速度和搜索精度。对7个高维的Benchmark函数进行测试,仿真实验结果表明,与其他算法相比,该算法具有更好的搜索精度、收敛速度和全局寻优的能力。     

基于家族优生学的进化算法

模拟进化有几种典型方法,分别强调自然进化过程的不同侧面．人们已意识到恰当地结合这些方法将推进该领域的研究．本文将现有进化方法的差别归结为“遗传链”与“进化链”之间的差别,提出一种新的进化模型,称之为“基于家族优生学的进化ＦＥＢＥ（ｆａｍｉｌｙｅｕｇｅｎｉｃｓｂａｓｅｄｅｖｏｌｕｔｉｏｎ）”．新的模型用家族优生学的思想将遗传链与进化链溶为一体,将正交设计技术引入家庭的子代培植以加强个体的行为改进．本文将ＦＥＢＥ模型用于求解困难的Ｇｏｌｄｂｅｒｇ欺骗问题,取得了满意的实验结果.     

经费分配中基于多目标优化的遗传规划模型

在传统遗传规划中引入多目标优化原理,探索新的经费分配方法和管理模式,建立了一种多目标优化的非线性遗传规划模型,提出了一种先进的基于正交试验的新型混合遗传算法来求解该问题.对求解过程中的选择算子、交叉算子和变异算子等进行正交试验,得到的种群个体明显优于基本遗传算法的个体.这种基于多目标优化的遗传规划模型能产生精度更高的最优解,通过对经费分配问题的实验验证,得到了较好的结果.     

多目标设备经费分配的混合遗传优化方法

为了探索新的经费分配方法和管理模式,建立了一种新的多目标非线性规划优化模型,提出了一种先进的基于正交试验的新型混合遗传算法来求解该问题。对求解过程中的选择算子、交叉算子和变异算子等进行正交试验,得到的种群个体明显优于基本遗传算法的个体。仿真结果表明,该算法收敛寻优能力强,并能产生很多次优解,是一种高效的方法。     

多主体框架下结合最大期望值和遗传算法的SAR图像分割

目的 SAR图像中固有的相干斑噪声增加了图像分割的困难.为此,提出一种分布式SAR图像分割算法.方法 首先假设图像中同质区域内像素满足同一独立的Gamma分布,依此建立SAR图像模型;为了刻画SAR图像中像素的类属性,建立标号场的MRF(Markov Random Field)模型;在Bayesian理论框架下建立图像分割模型;在多主体系统(MAS)框架下,结合MRF模型和遗传算法(GA)模拟分割模型.MAS结构由分割主体和协调主体组成,其中分割主体利用最大期望值( EM)算法估计MRF模型参数,从而实现全局分割;协调主体利用GA实现全局最优.结果 为了验证提出方法的有效性,分别对模拟和RADARSAT-I/II SAR图像进行实验,并与EM和RJMCMC算法比较.本文算法的用户精度、产品精度、总精度及kappa系数均高于EM算法.定性和定量分析结果验证了本文算法的鲁棒性和有效性.结论 实验结果表明提出的分布式MAS框架下SAR图像分割方法,能够提高分割精度.该方法适用于中高分辨率单极化的SAR图像,且具有很好的抗噪性.     

Making meaning happen

What is it for a sound or gesture to have a meaning, and how does it come to have one? In this paper, a range of simulations are used to extend the tradition of theories of meaning as use. The authors work throughout with large spatialized arrays of sessile individuals in an environment of wandering food sources and predators. Individuals gain points by feeding and lose points when they are hit by a predator and are not hiding. They can also make sounds heard by immediate neighbours in the array, and can respond to sounds from immediate neighbours. No inherent meaning for these sounds is built into the simulation; under what circumstances they are sent, if any, and what the response to them is, if any, vary initially with the strategies randomized across the array. These sounds do take on a specific function for communities of individuals, however, with any of three forms of strategy change: direct imitation of strategies of successful neighbours, a localized genetic algorithm in which strategies are ‘crossed’ with those of successful neighbours, and neural net training on the behaviour of successful neighbours. Starting from an array randomized across a large number of strategies, and using any of these modes of strategy change, communities of ‘communicators’ emerge. Within these evolving communities the sounds heard from immediate neighbours, initially arbitrary across the array, come to be used for very specific communicative functions. ‘Communicators’ make a particular sound on feeding and respond to that same sound from neighbours by opening their mouths; they make a different sound when hit with a predator and respond to that sound by hiding. Robustly and persistently, even in simple computer models of communities of self-interested agents, something suggestively like signalling emerges and spreads.     

网络化分布式凸优化算法研究进展

分布式优化是指利用网络化多自主体之间的协作来求解的一类优化问题,其在大规模数值计算、机器学习、资源分配、传感器网络等方面具有重要的研究意义和应用价值.自主体之间的协作通常基于代数图来描述,且图的结构对分布式优化算法的设计与性能有显著影响.本文针对凸优化问题,基于平衡图和非平衡图的情形,简要讨论了分布式优化算法的最新研究进展,并对今后的发展趋势和应用进行展望.     

Genetic algorithms for optimal logical database design

The focus of this paper is database design using automated database design tools or more general CASE tools. We present a genetic algorithm for the optimization of (internal) database structures, using a multi-criterion objective function. This function expresses conflicting objectives, reflecting the well-known time/space trade-off. This paper shows how the solution space of the algorithm can be set up in the form of tree structures (forests), and how these are encoded by a simple integer assignation. Genetic operators (database transformations) defined in terms of this encoding behave as if they manipulate tree structures. Some basic experimental results produced by a research prototype are presented.     

基于遗传算法的汽车外观造型创新设计*

针对汽车造型设计中对计算机辅助设计支持不够以及对已有优秀汽车造型利用率不高的问题,提出了一种采用模式识别技术和新颖的树型遗传算法生成汽车造型的方法.实验证明,该方法可以充分利用已有资源,自动生成优秀创新车型,提高设计效率.     

遗传正交试验算法及其应用

遗传算法是一种能够在较大的参数空间中搜索到问题最优解的方法,在解决非线性问题时具有全局收敛性,但收敛性能差。论文提出一种结合遗传与正交试验两种算法优点的新混合遗传算法,应用表明该算法收敛能力强、寻优能力强及能产生大量次优解,是一种值得信赖的算法。