文化遗传算法的研究及其在函数优化中的应用

为了提高遗传算法的性能,将遗传算法纳入到文化算法框架中组成群体空间和信念空间,提出一种新的优化算法。在群体空间的遗传进化过程中引入随机种群来增加算法的勘探能力,并组织较差个体依概率与信念空间中更新后的优秀个体进行交叉操作;在信念空间充分利用对优秀个体所包含信息的开采能力并采用耗散结构来提高整个空间的自组织能力,更新优秀个体,在很大程度上提高了算法的速度和效率。实验结果表明,新算法能有效地应用于函数优化。     

快速求解巡回施行商问题的遗传算法策略

提出一种基于文化算法的粒子群优化算法(PSO).该算法在群体空间采用基于高斯概率分布和柯西概率分布的改进PSO算法,在信念空间根据形势知识和规范化知识指导种群的进化,充分利用优秀个体所包含的信息,提高了算法的进化速度.实验表明,该算法的优化性能和效率优于基本PSO算法.     

基于文化粒子群算法的约束优化问题求解

提出一种基于文化算法的粒子群优化算法(PSO)。该算法在群体空间采用基于高斯概率分布和柯西概率分布的改进PSO算法,在信念空间根据形势知识和规范化知识指导种群的进化,充分利用优秀个体所包含的信息,提高了算法的进化速度。实验表明,该算法的优化性能和效率优于基本PSO算法。     

基于文化的连续蚂蚁优化算法的研究*

针对蚂蚁优化算法在求解连续空间问题方面的缺陷,提出一种基于文化的连续蚂蚁优化算法。该算法将蚂蚁优化算法纳入文化算法的框架,组成基于蚂蚁优化算法的主群体和信念的两大空间。在知识和群体层面使用双重进化机制支持问题的求解和知识的提取,从而充分利用精英蚂蚁所携带的特征信息,在很大程度上提高了收敛速度,增强了搜索的多样性。实验结果表明,该算法求解速度快、寻优成功率高,是一种提高蚂蚁优化算法性能的有效算法。     

一种求解作业车间调度的文化粒子群算法*

提出了一种文化粒子群算法用于求解置换流水车间调度问题中的最小化最大完成时间。算法设置了群体空间和信念空间两类独立空间,群体空间采用自适应粒子群算法完成进化,信念空间通过更新函数来进行演化。算法中群体空间的粒子群不但通过跟踪个体极值和全局极值来更新自己,实现群体演化,而且通过不断与信念空间中的优秀个体交互,加快群体的收敛速度。该算法在不同规模的问题实例上与其他几个具有代表性的算法的比较结果表明,该算法具有较快的收敛速度,无论是在求解质量还是稳定性方面都优于比较的算法。     

基于文化算法的生产过程建模法

文化算法是一种模拟文化进化过程的优化算法,它由基于个体和群体特性的信念空间和基于个体行为的种群空间组成,为进化搜索机制和知识存储的结合提供一个构架。建立基于生产过程输入输出数据的统计模型时,参数估计是其中的关键,文化算法为此提供了有效途径。本文研究用文化算法实现多变量优化的具体步骤、算法和关键环节的实施。建立裂解炉裂解深度的神经网络模型,并用文化算法优化网络参数,实验表明,文化算法比标准遗传算法搜索性能更优,搜索时间更快,同时得到了满意的裂解深度模型。     

基于模糊文化算法的自适应粒子群优化

为解决粒子群优化中惯性权重的调整机制在具体优化问题中的自适应问题,本文建立了一种全新的基于模糊文化算法的自适应粒子群优化算法;利用模糊规则表示个体粒子在演化过程中获取的经验,经验共享形成群体文化,并利用遗传算法来实现文化的进化;通过信念空间中以模糊规则表示的知识建立模糊系统来逼近与实际问题相适应的惯性权
权重控制器。在测试函数集上的仿真实验对比结果证明,该算法相对于现有算法有优势。     

资源受限项目调度问题的改进文化微粒群算法求解

为了克服标准微粒群算法在求解资源受限项目调度问题上存在的早熟现象,提出一种改进的文化微粒群算法。该算法框架基于微粒群算法的主群体空间和文化算法的知识空间,两种空间具有各自的群体并可独立并行演化,形成双演化双促进机制,提高了算法的全局搜索能力和运行效率。同时为了避免文化算法知识空间自我演化限制,引入遗传算法的演化机制来改进知识空间的演化操作。通过具体的算例比较,验证了提出的改进文化微粒群算法在求解资源受限项目问题时的有效性。     

CRGA--一种基于保留全局公共模式和约束交叉位置的遗传算法

提出了一种基于保留全局公共模式和约束交叉位置的遗传算法CRGA，该算法解决了标准交叉算子容易破坏高阶、长而好的模式及其在相似个体之间低效的问题，CRGA通过对适应度高于群体平均适应度的个体模式基因值的统计来估算父个体基因值在子个体中保留的概率，从而达到对高阶、长而好的模式的保护；同时通过约束交叉位置，保证了交叉操作一定能产生新个体．实验结果表明，CRGA算法在收敛精度和收敛速度上都要明显优于基于标准交叉算子的遗传算法．     

改进型文化粒子群在图像配准中的应用

设计了一种用于图像配准的优化算法.根据图像灰度和空间结构信息,构造一个基于最大化互信息的配准测度函数,结合一种适用于图像自动配准的文化粒子群优化(CIPSO)算法.新的配准算法在搜索空间上进行优化设置,将整个搜索空间分成群体空间、信念空间两组.群体空间的粒子不仅根据自己空间的个体最优和全局最优来优化自己,还与信念空间中的最优个体进行交互学习,加速粒子群的收敛速度,克服了图像配准中计算量过大、搜索速度慢等问题.实验表明,与现有的PSO配准算法相比,提出的算法具有较好的鲁棒性和配准精确率.     

基于文化算法的混合聚类方法

文化算法是一种新的进化计算方法,文化进化过程除了具有传统的进化计算模型的群体空间外,还增加了一个知识空间和支持这两个空间通信的机制。以文化算法为框架,采用K-均值模型为聚类模型,针对聚类问题设计适用于该问题的知识空间、群体空间、接受函数和影响函数,提出一种混合聚类算法KCAGA。实验证明,该算法对解决聚类问题初始化敏感以及容易陷入局部优化取得很好的效果,适用于聚类问题的解决。     

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.     

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。     

求解约束优化问题的文化算法研究

文化算法的主要思想是明确地从进化种群中获得求解问题的知识 (即信念) 并用于指导搜索过程. 本文提出了一种基于多层信念空间的文化算法, 该算法通过对多层信念空间的择优选用将提取的知识用于提高进化计算性能来解决约束优化问题. 应用实例表明该算法具有较好的结果和较少的计算量.     

基于C-MMAS算法的组合服务动态选择研究

将大规模的具有多种组合路径的QoS最优组合服务选择转换成带约束的最优路径选择问题,并提出了一种基于文化的最大一最小蚁群优化算法(C-MMAS)来完成最优路径选择。C-MMAS计算模型由基于MMAS的群体空间、基于优秀解的信仰空间及其之间的通信协议组成。群体空间在完成基于MMAS的演化后进行基于“变异”的进化操作,并将每次演化和进化后的优秀解作为知识贡献给信仰空间,信抑空间按照一定的优化规则更新空间里的知识,当信仰空间里的知识经过若干代的积累沉淀后再对群体的演化进行指导。此计算模型在知识和群体层面使用双重进化机制支持问题的求解和知识的提取,充分利用了种群的进化机制和知识的指导作用,在很大程度上提高了种群的多样性及收敛速度,达到了防止早熟、降低计算代价的目的。理论分析和实验结果说明了该算法的可行性和有效性。     

基于免疫克隆文化算法的关联规则挖掘

关联规则挖掘是数据挖掘中的一个重要任务,传统关联规则挖掘方法计算复杂度高、效率较低,而智能算法在搜索过程中具有保持种群多样性、鲁棒性等优点。本文提出基于免疫克隆文化算法的关联规则挖掘模型,该模型将免疫克隆算法嵌入到文化算法的框架中,利用免疫克隆算法的全局收敛性在数据库中迅速搜索频繁项目集,进而提取用户感兴趣的关联规则;利用文化算法信念空间的知识结构指导种群的进化,增强了搜索的目的性和方向性。实验表明,该模型具有较快的运行速度,提高了所得关联规则的准确率。     

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。