风险投资的演化建模

利用演化算法的自适应性、自组织、自学习的特性，设计出了一种演化的模算法。数值实例表明，采用该算法能够对风险投资作出优化的决策。     

时序逻辑电路在片进化设计与实现

针对EHW(Evolvable Hardware)技术在电子设计自动化、容错运行、自诊断、自适应和自修复等方面的特点,借鉴传统时序电路设计的方法,建立了适应于片内进化的时序电路演化模型和基于XilinxFPGA Virtex-5(XC5VLX110T)的Microblaze软核结构,并运行GA算法对本文设计的VRC进行配置、演化.进而,利用设计的时序电路演化模型成功演化了1001检波器以及二、四、八分频器等时序逻辑电路,验证了本模型的有效性、通用性,并深入分析了演化算法中的随机数种子对演化性能的影响,可为演化算法设计提供一定的参考.     

自适应交配限制概率的自组织多目标演化算法

为平衡多目标演化算法求解不同优化问题以及求解同一优化问题时不同搜索阶段的勘探与开采能力,并考虑到减小聚类算法辅助演化算法时产生的计算开销,提出了一种基于自适应交配限制概率的自组织多目标演化算法（adaptive mating restriction probability based self-organizing multiobjective evolutionary algorithm, ASMEA）.首先,ASMEA在每一代利用自组织映射（self-organizing map, SOM）算法建立了演化种群个体间的邻居关系,基于此关系有利于算子实施恰当的重组操作,并在演化算法后期产生优质解,与此同时,为了节省利用SOM建立当前种群个体之间的邻居关系时引起的计算开销,将SOM与演化算法相融合,交替地进行SOM训练与种群演化.然后,运用交配限制概率控制交配父代来源于SOM发现的邻居种群或者是整个种群,以分别加强开采和勘探. 最后,根据采用不同父代来源的重组在过去一定代数产生后代个体的效用,自适应地调整算法的交配限制概率. 利用ASMEA和5种具有代表性的多目标演化算法对标准测试题进行求解,求解结果表明:ASMEA在搜索质量、搜索效率以及可视化方面优于其他5种算法,从而验证了ASMEA算法对多目标优化问题具有良好的求解性能.     

演化计算及其在函数优化问题中的实现

演化计算是模拟自然界生物演化过程产生的优化策略与技术。由于它具有稳健性、通用笥等优点和自组织、自适应、自学习等智能特征，已广泛应用于许多领域。本简要介绍了演化计算的基本思想、算法框架，并以一个具体的函数为例给出了实现过程和结果，分析了程序的执行效率、存在的问题和解决方案。     

求解混合变量优化问题的自适应差分演化算法

针对工程机械设计中常遇到的一类混合整型-离散型-连续型变量约束优化问题,提出了2个自适应差分演化算法,提出了一种离散型变量的处理方法,介绍了整型变量、边界约束及函数约束的处理技术。在2个自适应的差分演化算法中,关键控制参数不需要事先设定。在差分演化算法欺骗函数和螺旋压缩弹簧优化问题上的数值实验表明了2个自适应差分演化算法的有效性,与同类算法的比较研究表明了算法的优越性。     

基于多目标演化算法的序列密钥生成方法

将评价密钥流随机性的2个指标作为多目标演化算法的2个优化目标,提出了一种基于多目标演化算法的序列密钥生成方法--MOEASEP.由于该算法基于演化算子的随机特性和多目标演化算法的特点,其生成的密钥流具有高随机性、混沌性和长周期性.实验结果亦表明,利用该方法产生的序列密钥具有良好的性能.     

一种面向动态网络的社团检测与演化分析方法

针对制约动态网络演化分析方法发展的社团演变模式挖掘问题,设计了基于指向性变异策略和变邻域搜索算法的静态社团检测算法与基于匹配度和社团生存周期的社团演化分析算法,并采用在时刻上运行静态社团检测算法、在时序上运行社团演化分析算法的策略,提出了一种面向动态网络的社团检测与演化分析方法。并用Zachary空手道俱乐部网络和Power网络验证了该方法的可行性和有效性。     

SADE-ELM电容层析成像流型辨识算法

针对电容层析成像反问题流型识别较难的问题,提出了一种新的ECT流型辨识算法——差分演化优化极端学习机算法,进而提出了基于自适应差分演化优化极端学习机(Sa DEEML)的ECT辨识算法.在论述极端学习机算法的基础上,结合差分演化算法对极端学习机算法进行优化,自适应差分演化算法中的关键参数,通过训练得到各类流型的分类器的参数,构造分类器进行精准与快速分类.实验结果表明:该算法能有效克服极端学习机算法的缺点并提高了局部与全局收敛能力,通过与BP、SVM算法比较,该算法具有竞争力,并为电容层析成像流型辨识的研究提供了新算法.     

基于高斯采样和随机采样聚类的差分演化算法

基于中心采样的概念,提出随机采样方法。研究差分演化算法,提出基于高斯采样和随机采样的聚类差分演化算法。通过实验,论证了高斯采样和随机采样显著的加快收敛速度、提升算法的求解能力,表明该算法对复杂的全局优化问题有很好地求解能力,比经典差分演化算法具有更好的求解性能。     

压缩演化算法收敛性

演化算法的迭代过程可以看成群体间的变换通过适应值函数定义一种范数在这个范数意义下群体集合为欧氏空间对迭代过程加以限制后演化算法成为压缩演化算法由不动点原理知压缩演化算法是收敛的     

基于免疫和进化扩散算法的全局优化问题求解算法

在求解全局优化问题时,通常免疫算法、进化扩散算法分别在局部搜索和全局搜索方面表现较弱。针对这一情况,基于免疫和进化扩散算法,提出了一个免疫-进化扩散算法。该算法结合了免疫和进化扩散两种算法的优点,一方面通过引入基于共享机制的小生境算法,保持了群体的多样性,另一方面通过提出一种步长参数动态调整策略,提高了算法效率。实验结果表明,在给定精度下,该算法的效率和稳定性都明显优于Tsui的进化扩散算法和Ingber的自适应模拟退火算法。最后对步长参数动态调整策略进行了分析。     

基于柯西变异的免疫单克隆策略

系统地阐述了基于细胞克隆选择学说的克隆算子，将其应用于进化策略，并利用柯西变异替代传统进化策略中的高斯变异，提出了改进的进化策略算法——基于柯西变异的免疫单克隆策略算法，并利用Markov链的有关性质，证明了该算法的收敛性．理论分析和仿真实验表明，与传统的进化策略算法以及免疫克隆算法相比，基于柯西变异的免疫单克隆策略算法不仅有效克服了早熟问题、保持了解的多样性，而且收敛速度比前两者都快．     

基于自适应进化策略的人工蜂群优化算法

提出一种自适应进化策略的人工蜂群优化算法来提高基本人工蜂群优化算法的性能。算法中每个引领蜂拥有4种进化策略,在迭代过程中通过计算每种进化策略的立即价值、未来价值和综合奖励来决定引领蜂个体的进化行为,并通过多策略进化概率变异方式来提升个体寻优速度或避免陷入局部最优解。典型高维复杂函数测试表明,该算法具有很好的收敛精度和计算速度。     

一种改进的基于进化阶段的自适应遗传算法

为改善遗传算法的优化性能,延长种群搜索过程,对基于进化阶段的自适应策略遗传算法进行了改进.改进的自适应策略不仅基于进化阶段,同时基于个体,特别是采用了自适应的适应值转换策略,大大降低了早熟的概率,保证算法能以较大的概率收敛到全局最优解.实验结果表明,该改进的算法确实延长了算法的搜索阶段,提高了算法的性能.     

A new evolutionary algorithm for constrained optimization problems

To solve single-objective constrained optimization problems,a new population-based evolutionary algorithm with elite strategy(PEAES) is proposed with the concept of single and multi-objective optimization.Constrained functions are combined to be an objective function.During the evolutionary process,the current optimal solution is found and treated as the reference point to divide the population into three sub-populations:one feasible and two infeasible ones.Different evolutionary operations of single or multi-objective optimization are respectively performed in each sub-population with elite strategy.Thirteen famous benchmark functions are selected to evaluate the performance of PEAES in comparison of other three optimization methods.The results show the proposed method is valid in efficiency,precision and probability for solving single-objective constrained optimization problems.     

认知无线电网络中基于演化博弈的协作频谱感知技术

 提出了一种基于演化博弈理论的认知网络协作频谱感知方法．对协作频谱感知中次级用户的传输时间和吞吐量进行分析,建立协作感知的博弈模型并研究其动态演化特性,基于次级用户吞吐量最大化准则,得到相应纳什均衡解,在此基础上提出一种次级用户自适应分布式学习算法．理论分析和仿真结果表明,这种协作感知方法在保证检测性能的基础上,有效减少了协作通信开销,提高了次级用户吞吐量．     

混沌-克隆进化算法

将混沌优化机制和免疫克隆进化算法有机结合, 用混沌浮点数编码代替克隆选择算法的二进制编 码, 利用混沌随机序列产生初始种群, 保证初始种群的多样性。对高亲和度抗体采用混沌扰动策略, 对抗体根据其 亲和度大小加以不同的混沌扰动;混沌扰动系数随进化代数而变化, 进化前期加速搜索, 进化后期加速收敛。对低 亲和度抗体采用混沌再生策略, 保持种群多样性。对5 个复杂函数的优化试验结果表明, 该算法优于混沌优化算法 和克隆选择算法。     

改进思维进化算法在过热汽温系统中的应用

应用改进的思维进化算法优化PID参数。思维进化算法的子群体间彼此独立操作,因此会有重复操作,重叠的区域,因而造成资源浪费。将小生境技术引入到思维进化算法。它对群体进行划分,减少重复搜索,保持群体的多样性,提高搜索效率。通过对具有严重参数不确定性、多扰动以及大迟延的电厂主汽温被控对象的仿真研究,结果表明:改进的思维进化算法寻优速度快,计算量小,对PID参数优化是非常有效的,使得主汽温控制系统取得了较好的控制品质,系统的鲁棒性比较强。     

Levenberg-Marquardt算法入侵检测系统

本文针对传统BP神经网络算法学习速度慢、收敛性较差的问题,在Windows操作系统下,利用Levenberg-Marquardt算法进行改进,将优化后的LM算法运用到主机入侵检测中去,建立LMBP-HIDS入侵检测系统模型.实验结果表明,运用Levenberg-Marquardt优化算法进行主机入侵检测,改善了传统模型收敛速度慢、易陷入局部最小点、计算量大的缺点,可以较好地提高学习速率,缩短训练过程.     

小世界效应加速生物地理学优化的社团识别算法

为提高基于优化方法的网络社团结构识别算法的有效性,设计一种利用小世界效应加速生物地理学优化过程的网络社团结构识别算法. 首先基于矩阵随机编码建立网络社团识别生物地理学优化框架,在栖息地中全局进化地搜索对应于最大化模块度的网络社团划分. 然后,给出基于小世界效应的生物地理学迁移策略,可以加速进化算法的信息交换过程. 最后,运用该算法在现实网络和人工合成网络上进行实验. 结果表明:引入小世界效应能够降低网络社团结构识别算法的收敛时间;在典型现实网络与人工合成网络上运行该算法能够获得较高的模块度值与标准化互信息值;信息交换的拓扑结构能够优化进化算法效率. 应用小世界效应加速生物地理学优化的网络社团识别算法具有较好的可行性与有效性.