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。     

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。     

基于文化算法的家庭服务机器人任务规划

通过对家庭服务机器人任务规划问题进行形式化描述,给出了问题的求解模型,提出了一种改进的文化算法,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。算法采用独特的编码方式,其种群空间采用遗传算法作为进化手段,采用较为独特的信念提取方式构造算法的信念空间并促使其进化。将该算法用于家庭服务机器人大赛的仿真平台上,证明其有效性。     

文化算法在群控电梯调度中的应用

针对电梯群控系统的特点,设计了以候梯时间、乘梯时间、能耗为群控目标的多目标函数,为了找到一个最优解实现多目标整体最优,引入了基于遗传算法的文化算法,实现了在此模型上的应用.种群空间利用遗传算法进行选择,交叉,变异,知识空间由状况知识构成,两空间独立演化,通过接受函数和影响函数进行沟通,在一定状态下知识空间引导种群空间进化,达到增强搜索能力加快搜索速度的目地.仿真表明,文化算法优于单纯的遗传算法解决电梯群控多目标寻优问题.     

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。     

矿井通风网络的递阶文化优化方法

针对矿井通风网络优化问题,借鉴文化算法的双层进化结构,提出一种递阶文化算法.算法种群空间采用分层遗传算法,引入递阶编码描述通风网络支路结构,并给出相应的不可行支路修复算子和可行调节支路阻值调节算子;信度空间采用统计学习方法提取公共优势支路作为知识,指导种群空间进化过程中的可调支路选取.仿真结果表明,该算法获得的最优控风方案满足控风要求,且所得方案的加阻值总和最小,所需调风成本更低.     

基于文化算法的符号网络全局不平衡度计算

针对已有符号网络不平衡度计算方法大都只关注局部网络单元的平衡信息,没有考虑网络更大范围乃至全局角度的平衡,无法揭示网络中的不平衡区域这一问题,提出基于文化算法的符号网络全局不平衡度计算方法。该方法利用伊辛自旋玻璃模型描述符号网络的全局状态,将不平衡度的计算转换为一个优化问题,并设计一种具有双层进化结构的文化算法——CA-SNB进行求解。首先,该算法采用遗传算法进行种群空间进化;其次,在信度空间中记录较优个体,并采用贪婪算法提取状况知识;最后,利用状况知识引导种群空间的进化,在保证种群多样性的基础上提高了收敛速度。实验表明,与遗传算法和矩阵变换算法相比,CA-SNB能较快地收敛到最优解,具有较高鲁棒性,在计算全局不平衡度的同时识别不平衡区域。     

混合文化优化算法及在车间调度中的应用

针对文化算法收敛速度慢、易陷入局部最优解以及种群多样性少的问题, 本文对文化算法进行优化设计, 提出一种将带有精英保留策略的遗传算法(GA)和模拟退火算法(SA)纳入文化算法(CA)框架的混合优化算法. 此算法基于协同进化的思想, 算法分为下层种群空间和上层信念空间, 两个空间采用了相同的进化机制, 但使用不同的参数. 在文化算法的基础上加入带有精英保留策略的遗传算法, 使种群中的优秀个体直接进入下一代, 以此提高收敛速度; 加入模拟退火算法, 利用其具有突变的特点, 概率性的跳出局部最优并接受劣质解, 以此增加种群多样性. 函数优化结果证明了算法的有效性, 将此算法用于求解最小化最大完工时间的流水车间调度问题, 仿真结果显示, 此算法在收敛速度和精度方面都优于其他几个具有代表性的算法.     

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。     

基于模式学习的文化遗传算法研究

针对遗传算法的缺陷,提出了一种基于模式学习的文化遗传算法,该算法将遗传算法纳入文化算法框架,组成基于GA的主群体空间和信念空间两大空间,主群体空间在进化过程中定期组织最差个体向信念空间提供的种群最优模式学习,从而充分利用了优秀个体所包含的特征信息,在很大程度上提高了收敛速度。实验结果表明,该算法是一种提高遗传算法性能的有效算法。     

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。     

A spatial orthogonal allocation and heterogeneous cultural hybrid algorithm for multirobot

A spatial orthogonal allocation method is devised for multirobot tasks allocation.A 3D space model is adopted to describe exploration mission;meanwhile spatial orthogonal tentative technology is utilized to update the attractor position for load balance.Heterogeneous interactive cultural hybrid architecture is proposed to solve a robot route planning problem;it utilizes good-point-set to initialize population spaces,redefine novel evolution model and particle evolution ability,and introduce near-neighbor lo...     

一种新的并行文化微粒群优化算法

为了避免微粒群优化算法在解决复杂优化问题时陷入局部最优,提高算法种群的多样性。将微粒群优化算法纳入文化算法框架,提出了一种新的基于文化算法框架的并行微粒群优化算法。在文化算法框架中,由微粒群组成的群体空间和信念空间各自独立并行演化,并相互影响,有效地提高了种群的多样性,降低了陷入局部极值的可能性。通过对不同测试函数的仿真实验表明,新提出的并行文化微粒群优化算法比标准微粒群优化算法更容易找到全局最优解,提高了微粒群优化算法的全局寻优能力。     

基于差分文化算法的FIR数字滤波器设计

有限脉冲响应（FIR）数字滤波器的设计实质可看作是多参数优化问题。为高效实现FIR数字滤波器,将滤波器的设计转化为滤波器参数优化问题,然后提出差分文化粒子群（DC）算法在参数空间进行并行搜索以获得滤波器设计的最优参数值。提出的差分文化算法结合文化原理差分演进原理,是一种可用于实数优化的多维搜索算法。计算机仿真实验表明在设计FIR数字滤波器设计时,差分文化算法的收敛速度和性能都优于粒子群,量子粒子群以及自适应量子粒子群优化等算法,证明了该方法的有效性和优越性。     

基于文化算法和改进差分进化算法的混合算法

改进差分进化算法不能有效利用进化过程中的知识,传统文化算法进化后期收敛速度较慢。针对这些问题提出一种基于文化算法和改进差分进化算法的混合算法,并将这一算法应用于约束求解问题。对基准函数和丁烯烷化生产调度问题进行仿真,结果表明该混合算法具有较好的实用性和稳健性,在寻优效率和优化结果方面都优于与之比较的算法,并降低了计算量。     

一种新的自适应动态文化粒子群优化算法

为了克服粒子群优化算法在解决复杂问题时易陷入局部最优的缺陷, 提出了一种新的自适应动态文化粒子群优化算法。该算法引入评价粒子群早熟收敛程度的指标来判断种群空间粒子群状态, 以确定影响函数对种群空间粒子群的作用时机, 当算法陷入局部最优时, 自适应地利用影响函数对种群空间进行变异更新, 从而有效发挥文化粒子群算法的双演化双促进机制。并且根据种群的早熟收敛程度自适应地调整粒子的惯性权重, 使种群在进化过程中始终保持惯性权重的多样性, 在算法的全局收敛性与收敛速度之间作一个很好的折中。最后对四个经典的测试函数进行仿真, 结果表明该算法具有很强的搜索能力, 收敛速度和收敛精度也有所提高。