改进的遗传算法在复杂系统中的应用

针对简单遗传算法在对复杂问题求解中出现的缺点,提出了改进的遗传算法.此算法通过多层次实数基因编码来表示种群个体,有效地提高复杂结构模型求解的质量和效率,并以此算法设计的二维机械手为例,说明其优越性.     

游戏编程中的寻路算法研究

探讨了游戏开发中的一些寻路算法,提出了如何在游戏中使用遗传算法实现路径探索的基本思路,分析了遗传算法实现寻路的优点及其存在的问题.     

基于遗传算法的柔性车间批量调度研究

针对一类柔性车间批量生产问题,提出了新的调度策略:区分工件的批量准备时间和加工时间;小批次调度策略.在此基础上,采用遗传算法作全局优化算法来实现最优调度,给出了批次调度策略下的遗传算法的编码、解码方案,以及一种特殊的交叉操作设计.仿真算例分析表明,一方面,所设计的遗传算法对解决柔性调度问题具有理想的效果,另一方面,在采用相同优化算法的前提下,分批次调度策略可以缩短工件的生产周期.     

自适应分层遗传算法在函数优化中的应用

通过分析基本遗传算法在函数优化中的应用,研究其不收敛和收敛慢的原因,并在此基础上提出了自适应分层遗传算法.通过实验,证明了改进算法的优越性.     

游戏编程中的寻路算法研究

探讨了游戏开发中的一些寻路算法,提出了如何在游戏中使用遗传算法实现路径探索的基本思路,分析了遗传算法实现寻路的优点及其存在的问题。     

用基于模拟退火机制的多种群并行遗传算法解Job-Shop调度问题

应用一种新型的遗传算法——基于模拟退火机制的多种群并行遗传算法对Job-Shop调度问题进行求解.通过仿真表明此算法不仅具有较强的全局收敛性,而且有更快的寻优速度,是求解复杂调度问题的有效算法.     

导线网平差算法设计与实现

研究了单一附合导线和导线网平差的经典算法与最新算法,在此研究基础上,在MAPGIS平台下用VC＋＋设计开发了一个通用的导线网平差应用软件.     

遗传算法中适应度函数的研究

通过分析遗传算法中常见的几种适应度函数的不足,论证了适应度函数在遗传算法中的重要性,提出了设计适应度函数应满足的标准,在此基础上给出了一适应度函数公式.实验结果表明:此适应度函数的性能明显优于其它函数,对提高遗传算法的整体性能也有重要意义.     

基于遗传蚁群算法的Qos路由约束问题的研究

针对Qos路由约束问题（是一个NP-完全问题,即是一个多项式复杂程度的非确定问题）,设计了一种将遗传算法和蚁群算法优点融合的算法（GA_ACO）.该算法的基本思想是：用遗传算法生成蚁群算法需要的信息素初值,然后利用蚁群算法求得精解.通过NS2仿真表明遗传蚁群算法相比单一的遗传算法和蚁群算法更适合解决Qos路由约束问题.     

基于遗传算法和蚂蚁算法求解函数优化问题

针对遗传算法求解精度低以及蚂蚁算法求解速度慢的问题，提出一种基于遗传算法和蚂蚁算法的混合算法.该混合算法利用了遗传算法快速随机的全局搜索能力的优点，设计了编码与适应度函数，进行了种群生成与染色体的选择，并通过设定交叉算子和变异算子， 生成了信息素分布.该混合算法利用了蚂蚁算法正反馈以及具有分布式并行全局搜索能力的优点，通过确定吸引强度的初始值，建立了强度更新的模型，从而求得精确解.并将该算法应用于求解函数优化问题.结果表明，该混合算法与遗传算法和蚂蚁算法相比，收敛速度快，寻优性能好.     

六子棋博弈的评估函数

针对六子棋博弈问题,提出了一种"路"的博弈策略,构建了一种六子棋博弈的改进模型。又针对六子棋博弈评估函数参数优化中存在的问题,改进了六子棋博弈评估函数,并应用遗传算法进行寻优处理。实验结果表明:改进后的评估函数能够保持遗传种群的多样性,避免了遗传过程收敛过快,是一种优化机器博弈评估函数的有效办法。     

多人不完备信息博弈的一种解法及改进

多人不完备信息博弈是一类存在私有信息而出现信息不完备、不对称的多人博弈.以扑克牌游戏这类典型的多人不完备信息博弈为原型提出一般动态博弈模型GDGM.在该模型框架下,提出一种基于MU算法的多人不完备信息博弈算法MMU,并将MMU算法分别与经典博弈算法Paranoid和MCTS结合,消除该算法对经验值的依赖.最后实验从胜率...     

Study of game strategy between multiple targets and multistatics radars

Aiming at the conflict game between multistatic multiple-input multiple-output(MIMO) radars and multiple targets,a joint technology of power allocation and beamforming for a multistatic MIMO radar system is studied.The main purpose of the multistatic radar system is to minimize the total transmit power under a certain signal to interference noise ratio(SINR) constraint,and to suppress the cross-channel interference to improve the accuracy of target detection.Based on the strategic non-cooperative game between radars,the existence and uniqueness of the Nash equilibrium solution are proved.Then,according to the theoretical analysis,a joint beamforming and power allocation algorithm is proposed and converges to the Nash equilibrium.Meanwhile,the receive beamformers of multistatic radars are obtained by using the linearly constrained minimum variance(LCMV) criterion to suppress the mutual radar interference.Numerical results show that the proposed algorithm has a better interference suppression ability and less power consumption than the related game algorithm.     

人的存在与设计的生成

在生活世界中,设计作为人类的一种创制性活动,呈现为一种人的欲望、技术和智慧的游戏;在这种创制性游戏中,人类根据自身的生理和心理特点以及人与世界和谐相处的规律,来制定游戏的规则,使设计产品,总是按着人类的规定来生成;为人服务,使人成为自由的人,已成为设计的最终目的;在现代社会里,设计已成为现代人的一种存在方式;在人与设计的相互生成中,人类的生活世界变得和谐。     

一种简单有效的碰撞检测算法的实现

边界碰撞是游戏中的一项重要功能,但现存的像包围盒、八叉树等方法都比较复杂,并且需要大量的场景数据作支撑。在基于XNA的3D赛车游戏中,实现了一种简单有效的碰撞检测算法,对于赛车游戏设计中出现的问题,得到了妥善的解决。     

相控阵雷达搜索和跟踪资源博弈分配策略

为了解决搜索和跟踪（SAT）资源分配（RA）实时性的问题,提出博弈论视角下的资源分配策略. 建立搜索与跟踪的系统模型,将SATRA建模为非合作博弈问题,将模型中搜索子空域和跟踪多目标间的资源分配问题看作合作博弈关系,利用Shapley值完成相应资源的分配,给出纳什均衡求解的双目标优化模型;为了快速找到符合决策者偏好的分配解,将双目标优化模型通过动态加权的理想点法转化为单目标优化问题,提出并行混合遗传粒子群优化（PHGAPSO）算法求解上述优化问题最优分配方案,仿真验证了博弈分配策略的有效性和先进性以及混合算法性能的优越性. 在相同的条件下,与帕累托双目标优化方法进行对比. 实验结果表明,博弈论的方法具有更高的灵活性,平均搜索信噪比提高了1.02%,平均跟踪目标误差降低了1.55%.     

无线传感网络功控算法的收敛性及公平性

为了解决无线传感器网络设计的"节能"问题,提出基于博弈论的功率控制机制以较好地降低网络能耗.对无线传感器网络的能耗限制问题做了理论分析,通过对无线传感器网络和博弈的映射分析,研究了基于博弈论的分布式自适应功率控制算法.OPNET仿真结果表明:该算法能降低能耗,减少引入的网络开销,增加网络寿命.该算法采用优化动态反应来更新发射功率等级就能收敛到纳斯均衡,保证网络的公平性.     

基于非合作博弈模型的多移动节点任务分配

针对随机部署情况下混合无线传感器网络多移动节点任务分配问题,文章分别将参与任务分配的移动节点、待分配的任务以及移动节点完成任务所获收益视为博弈的3要素即博弈参与方、博弈策略和博弈收益,建立起基于非合作博弈数学模型的多移动节点任务预分配方法。在证明了该博弈的纳什均衡的存在性后,利用遗传算法求解非合作博弈的纳什均衡,该博弈均衡就是各移动节点都能够接受的任务分配方案。     

Deployment optimization of the self-organized network on near space platforms based on the game theoretical learning algorithm

Aiming at the self-organized networking problem on near space (NS) communication platforms, a distributed optimization method for the deployment of the network on NS platforms is proposed based on the game theoretical learning algorithm. First, the self-organized network deployment on NS platforms is modeled as a potential game, and the optimizing objective is the network’s coverage area and the quality of service. Then the potential game can be solved by the Restricted Spatial Adaptive Play (RSAP) algorithm, which leads the game to a guaranteed Nash equilibrium with convergence in probability. The Nash equilibrium is the extremal solutions to the objective function of the deployment optimization. The game theoretical learning method enables NS platforms to be deployed in a distributed way without the global information on regions to be covered. Simulation results show that the proposed optimization method deploys the nodes of the MANET on demand, and can quickly achieve the optimal configuration.     

Two-layered game-theoretic based resource allocation in femtocell networks

In orthogonal frequency division multiple access(OFDMA) based femtocell networks, to improve the spectrum efficiency and avoid the interference from the femtocell user equipment(FUE) to macrocell user equipment(MUE) and other femtocell users equipments(FUEs), the joint power control and subcarrier selection distributed algorithm is proposed. In the framework of the two-layered game, the proposed distributed algorithm, which is based on the pricing mechanism and the dynamic replication scheme, can effectively suppress the interference from the FUE to other users and select the optimal subcarrier by the alternate iterations of the non-cooperative game and evolutionary game. Simulation results show that the proposed algorithm can converge to the Nash equilibrium(NE) of the two-layered game.