解决非静态优化问题的MEAP算法

演化算法已在传统的静态优化领域显示了惊人的能力,但非静态优化问题更接近于我们的生活。如何将演化算法应用于非静态优化是当前的一个研究热点。本文讨论了几种算 法,并提出了一种基于传统演化算法的新算法（MEAP）。这种新算法可以及时得知环境的改变并进行预处理,从而让种群有更多的机会产生优解。测试结果表明,该算法有优优良的性能。     

基于多目标演化算法的SOC设计空间搜索策略

针对参数化SOC设计空间的复杂性,提出了一利新的搜索策略,该搜索策略以多目标演化算法为核心,依据参数依赖性概念对设计空间进行大幅度的缩减并使用空间阈值技巧增加了策略的适应性.通过与敏感度分析搜索策略的实验对比,证明了该策略在得到更优配置的同时可以显著缩短搜索时间.     

多目标优化的演化算法

近年来．多目标优化问题求解已成为演化计算的一个重要研究方向，而基于Pareto最优概念的多目标演化算法则是当前演化计算的研究热点．多目标演化算法的研究目标是使算法种群快速收敛并均匀分布于问题的非劣最优域．该文在比较与分析多目标优化的演化算法发展的历史基础上，介绍基于Pareto最优概念的多目标演化算法中的一些主要技术与理论结果，并具体以多目标遗传算法为代表，详细介绍了基于偏好的个体排序、适应值赋值以及共享函数与小生境等技术．此外，指出并阐释了值得进一步研究的相关问题．     

基于Pareto-ε优胜的自适应快速多目标演化算法

在多目标优化领域,如何快速地为决策者提供合理、可行的解决方案尤为重要,为此,给出了多目标优化问题的一种新解法。定义了一种Pareto-ε优胜关系的概念,将此概念引入多目标优化问题中,设计了一种新的基于ε-优胜的自适应快速多目标演化算法。计算机仿真表明,该算法可以明显改善求解多目标优化问题时的寻优过程,能适应实际应用环境下快速、有效的决策要求。     

社群演化的稳健迁移估计及演化离群点检测

时序数据集中的社群演化模式是网络行为动力学研究与应用的重要领域.基于社群演化的离群点检测不仅能够发现新颖的异常行为模式,同时也有利于更准确地理解社群的演化趋势.运用成员关于社群隶属关系的变化,提出了社群演化迁移矩阵的概念,研究并揭示了迁移矩阵的若干性质及其与社群结构演化之间的关系.在采用稳健回归M-估计方法进一步优化迁移矩阵降低异常点干扰的同时,对社群演化离群点加以刻画和定义.鉴于复杂网络包含大量随机游走的边缘个体,所定义的离群点综合考虑其在社群中角色的变化和相对于社群总体迁移模式的差异.基于上述思想提出的演化离群点检测算法能够适应各类社群演化趋势,更有效地聚焦和发现大规模社会网络中重要成员的异常演化行为.实验结果表明,所提出的方法能够从大规模社会网络演化序列中发现重要的离群演化模式,并在现实中找到合理的解释.     

基于概率评估差分进化的多峰值优化

多峰值优化问题要求算法同时找到一个问题的多个全局最优解。近年来,演化算法已被广泛用于求解多峰值优化问题。然而,如何在极其有限的适应值评估次数内找到问题的多个全局最优解依然为演化算法带来了巨大的挑战。通过分析个体的历史更新经验,为每个个体赋予双层适应值评估概率,对个体进行选择性评估,从而减少算法运行过程中无效或低效的适应值评估,提出了一种基于概率评估差分进化的多峰值优化算法。实验结果显示,概率评估机制可以为算法节省更多的适应值评估次数,增加迭代过程,效果远好于其他主流的多峰值优化算法。     

合作型协同演化算法研究进展

合作型协同演化算法是近年来计算智能研究的热点。它运用生物协同演化的思想,通过构建两个或者多个种群,建立它们之间的合作关系。两个或多个种群通过相互合作来提高各自的性能,适应复杂系统的动态演化环境以及大规模演化环境,从而达到种群优化的目的。主要介绍了合作型协同演化算法的研究状况以及国内外研究进展,详细介绍了它的基本结构及对应的研究、基本算法及一些新兴算法,同时介绍了一些在现实生活中的应用,展望了合作型协同演化算法的发展前景。     

Pareto强度值演化算法求解多目标优化问题

近年来,多目标优化问题求解已成为演化计算的一个重要研究方向,而基于Pareto最优概念的多目标演化算法则是当前演化计算的研究热点.多目标演化算法的研究目标是使算法种群快速收敛并均匀分布于问题的非劣最优域.本文定义和使用稀松密度来保持群体中个体的均匀分布,并将个体的Pareto强度值和稀松密度合并到个体的适应值定义中.通过对测试函数的实验,验证了算法的可行性和有效性.     

基于小生境的GEP新算法

为了克服传统基因表达式编程在演化后期容易丢失群体多样性的缺陷,避免出现早熟收敛,提出基于小生境的基因表达式编程新算法.将相同适应值的个体组成一个小生境,如果相同适应值的个体数量超过小生境容量x,则将超出的个体放入演化池中进行重新初始化.实验结果表明,使用这种基于小生境的基因表达式编程新算法能在整个演化过程中保持丰富的群体多样性,并能够更有效地避免算法的早熟收敛,更准确地求出问题的最优解.     

协同演化算法研究进展

协同演化算法(coevolutionary algorithms,CEA)是当前国际上计算智能研究的一个热点,它运用生物协同演化的思想,是针对演化算法的不足而兴起的,通过构造两个或多个种群,建立它们之间的竞争或合作关系,多个种群通过相互作用来提高各自性能,适应复杂系统的动态演化环境,以达到种群优化的目的.介绍了协同演化算法的研究状况以及目前的研究进展,概述了它的基本算法、主要特点、理论与技术,同时介绍了一些主要的应用领域,指出了协同演化算法的研究方向.     

一种改进的基于约束支配的多目标进化算法

针对传统优化方法在处理带约束的多目标优化问题上的不足进行了分析，将多目标进化算法以及约束支配的概念结合起来，重新定义了种群个体间的支配关系，避免了罚函数法因惩罚系数不合适而出现优化结果为非可行解的情况。并且结合惩罚值改进了选择算子和适应值分配机制，避免出现早熟收敛。同时，采用精共策略，让精英个体参与遗传操作，加快算法收敛速度。通过算例分析可知，将多目标进化算法以及约束支配的概念应用到浮筒配置优化方案是可行的、有效的。     

基于偏序关系的遗传算法求解多峰函数优化问题

该文设计了基于偏序关系的演化算法求解多峰函数优化问题新算法。并从偏序关系的性质出发,从理论上为该算法的收敛性提供了一定的依据,进而为其搜索操作提供了明确的方向,避免了演化搜索过程中的盲目性。     

基于偏序关系的子概念格判定算法

基于偏序关系给出子概念格的定义和判定定理,描述子概念格的判定算法,提出对概念格中的子概念格进行折叠的思想,最后,通过FCA原型系统验证了算法的有效性,借助Direct3D技术可视化地展示了子概念格的折叠和互操作过程.子概念格的折叠简化了概念格的显示,从而方便用户对格信息的查询.     

区间序信息系统及其属性约简算法

在不含决策属性的区间序信息系统中,区间偏序关系的不完备性造成信息流失。针对该问题,提出一种新的基于区间模糊数的区间序全序关系,以此建立区间序信息系统,并分析其相关上、下近似的单调性和包含性。采用不可区分函数的方法,给出区间序信息系统的属性约简算法,并通过算例验证了该算法的有效性。     

Emergence of genomic self-similarity in location independent representations

A key property for predicting the effectiveness of stochastic search techniques, including evolutionary algorithms, is the existence of a positive correlation between the form and the quality of candidate solutions. In this paper we show that when the ordering of genomic symbols in a genetic algorithm is completely independent of the fitness function and therefore free to evolve along with the candidate solutions it encodes, the resulting genomes self-organize into self-similar structures that favor this key stochastic search property.     

自收缩性的演化算法及其在布局优化问题中的应用

布局优化问题是现代工程应用中广泛存在的一类组合优化问题,但在理论上它却属于NPC(NP-Complete)问题,如果需考虑性能约束,则问题将更难于求解。论文基于演化算法自适应,自组织,自学习的特性,针对布局优化问题自身的特点,提出了一种自收缩性的演化算法(SCEA)。该算法采用浮点编码方式,定义了二元实向量类型的适应值及适应值间的严格偏序关系。算法借鉴日常生活中的一个简单事实—振动容器则装物更多,引入了三类自适应性的收缩算子(其中第三类特别适用于带性能约束的布局优化问题)。此外,文中使用了对带约束的函数优化问题特别有效的多父体杂交算子,并且针对带性能约束的布局优化问题,提出了“零性能约束初始化”过程。文后,引用了两个带性能约束的布局优化问题的已知例子和一个作者构造的较大规模布局优化问题的例子,实验结果表明,前两个问题对比目前已知最好结果无论在求解时间或结果的精度上均有较大突破,后一个问题也获得了相当好的结果,从而充分验证了算法的有效性和可行性。     

一种用于网格任务调度的退火进化算法*

针对网格环境下具有约束关系的任务调度问题,基于有向无环图DAG（directed acyclic graph）设计了调度模型;提出了一种改进的退火进化算法,对任务的执行次序和资源的具体分配分离编码,给出适应度函数计算方法和算法步骤。最后将算法和传统的遗传算法比较,实验结果显示该算法能获得更好的调度结果。     

基于灰支持向量回归机预测适应值的交互式集合进化计算

个体适应值的高精度预测和高效的进化策略对于提高进化优化算法性能至关重要.针对现有大规模种群交互式进化计算个体适应值估计误差较大以及传统进化策略搜索效率较低的问题,提出一种基于灰支持向量回归机的个体适应值预测方法和大规模种群集合进化策略.建立基于灰支持向量回归机的适应值预测模型,给出4种集合进化个体比较测度,同时提出新的集合进化个体自适应交叉和变异概率.基于上述策略,采用NSGA-II范式设计一种交互式集合进化优化算法.将该算法应用于RGB颜色One-max优化问题,以表明所提出个体适应值预测方法和集合进化策略的有效性.