对适应值共享遗传算法的分类及评价

针对多峰函数优化问题先后出现了一系列适应值共享类的遗传算法.这些算法都需要事先提供某种信息.本文基于事先提供信息的区别提出了一种新的适应值共享类遗传算法的分类方法,并通过一个复杂的标准测试问题对这些算法进行了比较和评价,结果表明在各种算法中,清除算法、动态小生境共享算法和新聚类适应值共享算法具有较高的搜索能力和优化速度.本文的工作对于这些适应值共享类遗传算法的应用和进一步改进具有指导意义.     

适应值共享拥挤遗传算法

保持遗传算法在演化过程中的种群多样性,是将遗传算法成功应用于解决多峰优化问题和多目标优化问题的关键。适应值共享遗传算法和拥护遗传算法分别从不同角度改善了遗传算法的搜索能力,是寻找多个最优解的常用算法。将这两种算法的优点加以结合,提出适应值共享拥护遗传算法。数值测试结果表明,该算法比标准适应值共享遗传算法和确定性拥挤遗传算法具有更强的搜索能力。     

自适应模糊聚类小生境遗传算法

提出了基于峰半径自适应调整和模糊相似聚类的小生境遗传算法。其基本思想是：在演化过程中,将峰半径作为决策变量的一部分参与染色体的编码,在对问题进行优化的同时对个体的峰半径进行自适应调整;在聚类过程中,通过对模糊相似度的调节来控制小生境的数目,以避免找到无效的极值点。理论分析和数值实验表明,该算法无需事先确定小生境的数目和半径,对于各类多峰函数具有较强的搜索能力。     

排挤小生态遗传算法的改进方法

提出了基于搜索空间聚类分析的聚类排挤小生态遗传算法.通过分析适应值曲面的拓扑结构和扩大相似个体的搜索范围,聚类排挤可确定搜索空间的局部性,减少排挤的替换错误并抑制种群的遗传漂移;通过结合确定性替换和概率替换策略,聚类排挤提高了并行局部爬山能力和并行子种群维持能力.对不同多峰问题的仿真优化结果表明,聚类排挤小生态遗传算法的有效峰数量、平均峰值比和全局最优解比等综合性能一致地优于适应值共享、简单确定性排挤和概率排挤等小生态遗传算法.     

基于适应值共享的多生境排挤遗传算法

针对优化多模函数时单纯使用共享和排挤机制的遗传算法所存在的缺陷,提出了基于适应值共享的多生境排挤遗传算法。基本思想是：按照共享的思想在对个体的适应值进行调整的同时,将排挤选择和相似个体中适应度最差个体被替换的策略分别应用于选择算子和群体的进化中。理论分析和数值实验表明,该算法很好地维持了种群多样性,对于各类多峰函数具有较强的搜索能力。     

基于共享机制的自适应混合遗传算法

共享机制小生境遗传算法常由于保持算法种群的多样性而减缓了全局收敛速度.针对共享机制的这个缺陷,提出了一种基于共享机制的自适应混合遗传算法.将熵的概念引入共享机制,提出了用以度量种群多样性的小生境熵的概念;构造了小生境半径和进化参数(交叉、变异概率)的自适应计算方法;设计了用于增强算法局部搜索寻优能力的扩展突变算子.最后实验表明,该算法对于解决多模态函数优化问题具有很好的全局搜索能力和较快的收敛速度,能够有效避免早熟收敛.     

基于个体优化的自适应小生境遗传算法

针对遗传算法在处理复杂多峰函数优化问题时易于早熟和局部搜索能力差等问题,提出一种基于个体优化的自适应小生境遗传算法。在自适应小生境的基础上,利用进化过程中相邻个体的信息产生的试探点标记的算法进化方向,缩短邻域搜索的区间,提高算法的局部搜索能力。对复杂多峰问题进行的优化实验结果证明,该算法能快速可靠地收敛到全局最优解,其收敛速度和解精度均优于简单遗传算法和其他小生境算法。     

多模态函数优化的协同多群体遗传算法

讨论了多模态函数优化的遗传算法(GA)求解方法.分析了传统的基于排挤选择模型 和基于适应值共享的GA方法的特点和不足,应用模式理论研究了GA群体进化行为.提出了 宏观小生境思想和协同多群体GA的基本框架和详细算法流程,并给出了一种自动小生境半径 估计方法.采用典型函数进行了实例计算,结果表明了协同多群体GA的有效性.     

基于中值迭代函数的自适应序列生境粒子群优化算法

提出一种新的基于中值迭代函数的自适应序列生境粒子群优化算法.该算法利用中值迭代函数来判断搜索空间中的任意两点是否属于相同的峰,从而自适应地改变当前进化粒子的适应值,克服了标准序列生境算法中必须利用先验知识确定小生境半径的缺陷以及在利用山谷函数分类中必须利用先验知识确定采样概率矩阵的缺陷.将该算法用于多峰函数最优搜索问题.通过多个Matlab 仿真实验,验证了算法的有效性.实验结果表明:算法能够自适应、更高效准确地遍历多峰函数的所有极值,可应用于求解局部最优和全局最优问题.     

一种基于小生境遗传算法的中文文本聚类新方法

针对传统c-均值等算法在文本聚类中的缺陷，提出了一种基于小生境遗传算法的中文文本聚类新方法，将文本集的聚类问题转化垄多峰函数的优化问题。以多峰函数的峰值代表文本的聚类中心，聚类的数目不必预先给定。描述了该聚类方法实现文本聚类时适应值函数的构造方法以及小生境半径的动态估计方法。实验结果表明，该方法提高了文本聚类的平均准确率。     

Fitness sharing and niching methods revisited

Interest in multimodal optimization function is expanding rapidly since real-world optimization problems often require the location of multiple optima in the search space. In this context, fitness sharing has been used widely to maintain population diversity and permit the investigation of manly peaks in the feasible domain. This paper reviews various strategies of sharing and proposes new recombination schemes to improve its efficiency. Some empirical results are presented for high and a limited number of fitness function evaluations. Finally, the study compares the sharing method with other niching techniques     

一种改进的计算机网络k-划分优化遗传算法

本文运用无向图多划分优化的方法研究计算机网络k-划分优化问题，结合问题本身的特点，设计了一种启发式遗传算法，从适应度函数设计，遗传操作算子以及参数选取等方面对经典遗传算法进行了改进，实验研究验证了算法的正确性和高效性。     

Utilizing time-linkage property in DOPs: An information sharing based Artificial Bee Colony algorithm for tracking multiple optima in uncertain environments

An information sharing artificial bee colony (ABC) algorithm has been proposed for locating and tracking multiple peaks in non-stationary environments. The niching method has been adapted by hybridizing two techniques. A modified variant of the fitness sharing has been used for detecting multiple peaks simultaneously and a speciation based technique is employed to keep the better individuals of the previous generation. The base algorithm used here is a modified variant of ABC that helps to synchronize the employer and onlooker forager swarms by synergizing the local information. The main crux of our algorithm is its independency of the problem dependent control parameters, like niche radius, and the absence of any hard-partitioning technique that leads to high computational burden. Our framework aims at bringing about a simple, robust approach that can be applied to a variety of dynamic functional landscapes. Experimental investigations are undertaken on standard benchmarks focussing on the competitive performance of our algorithm in contrast to the existing state-of-the-art to highlight the significance of our work.     

流程产品结构优化

针对一个流程产品结构数学模型的特点，开发了求解这类问题的遗传算法程序，并以此为基础研究了遗传算法在求解此类多参数、多变量及多峰值优化问题时的进化特性，包括遗传操作方法、遗传操作概率和其它遗传特性。通过试验，确定遗传算法操作条件，并在该条件下求得了问题的解，表明遗传算法求解该类问题的有效性。提出的方法及所得结果对流程企业制定生产计划具有一定的指导意义。     

谓词模态逻辑中变量的严格指派问题

目前,命题模态逻辑已成为人工智能以及计算机科学等其他领域的有效工具,但谓词模态逻辑却不是.关于谓词模态逻辑还存在着很多的争议和问题.表面上看,在命题模态逻辑中添加相应的量词而得到谓词模态逻辑似乎是一件很简单的事情,但是这些新添加的量词却带来了许多的问题和麻烦,例如,变量的严格指派问题、不变论域与可变论域问题、跨界相等问题等.主要研究谓词模态逻辑中变量的严格指派问题.首先,介绍什么是变量的严格指派问题;其次,讨论对于该问题现有的解决办法及所存在的不足;最后,分析造成该问题的深层次原因,并简要介绍该问题的解决办法.     

小生境分布估计量子遗传算法及其仿真分析

针对现有量子遗传算法进化机制存在的收敛速度慢以及易陷入局部极值的问题,为提高量子进化算法的全局收敛性能,结合小生境技术中的共享适应度函数方法,提出了小生境分布估计量子遗传算法NEDQGA,在种群内部利用多粒度机制和边缘积模块(MPM)进行量子染色体的两步旋转;并提出利用MPM进行交叉的方法,从而增强了种群多样性,避免了优良模式的损失,加快了算法的收敛;对算法的收敛性进行了分析,提出了MPM更新量子染色体的熵收敛准则。经函数仿真分析,算法收敛效果明显提高。     

DESIGN OF FUZZY SYSTEMS WITH FEWER RULES

This article presents an innovative method for designing fuzzy systems composed of fewer fuzzy rules. The conventional approach to fuzzy-system design usually assumes that there exists no correlation among input variables, therefore, grid-type fuzzy partitions are widely adopted. However, in many cases, it is likely that input variables are highly correlated with one another. To avoid the problem of growth of partitioned grids in some complex system, we used an aggregation of hyperrectangulars with different size and different positions to approximate fuzzy partitions that are arbitrarily shaped. The corresponding parameters defining these hyperrectangulars are selected by using genetic algorithms. Furthermore, the number of fuzzy rules of the constructed system can be automatically minimized by choosing a special fitness function that takes this factor into account. Finally, an inverted pendulum control and nonlinear modeling problems are utilized to illustrate the effectiveness of the proposed method.     

一类非凸优化问题的遗传算法

线性二层规划是一类特殊的非凸优化问题,为了有效求解该问题,提出了一种基于单纯形方法的遗传算法。首先基于下层约束给出了一种新的编码方法;其次利用单纯形表的信息得到了下层问题的解函数,并结合最优性条件给出了适应度函数;最后基于个体编码的特点,设计了新的遗传算子。数值结果表明,所提出的算法是可行有效的。