函数优化的一种高效演化算法

提出了一个求解函数优化问题的高效演化算法，其设计思想由混合选择策略与分类变异簟略构成。该算法使用锦标赛选择、轮盘选择相结合的混合选择策略。变异运算分为三类进行：对最好个体实施模式搜索。对适应值排名靠前的三分之一的个体采用柯西变异，而其它个体使用普通变异算子。针对15个测试函数的实验取得了相当好的效果，实验结果表明该算法不仅收敛速度快．而且所求得的解达到或者以相当高的精度逼近最优解。     

一种求解复杂约束优化问题的粒子动力学演化算法

根据输运理论中的粒子输运方程、相空间能量最小原理和熵增法则,构造一种能够高效求解带约束条件优化问题的动力学演化算法(CPDEA).并利用这种能量和熵的变化使整个粒子系统从非平衡达到平衡的理论来定义适应值函数,使得所有的个体都能够有机会参与杂交和变异,最终达到快速求出约束优化问题的所有全局最优解的目的.在数据实验中通过用该算法求解一些复杂的带约束条件的函数优化问题并得到较好的结果.同时实验还显示,该算法不仅能快速容易地求出复杂的带约束优化问题的所有全局最优解,而且还能避免求解问题的早熟现象.     

求解TSP问题的实数编码演化算法

采用实数编码的染色体表示方式,先后自行设计实现了两种演化算法求解TSP问题.其中第二种算法中使用了自适应演化算子,能有效消除路径上的交叉,并能在一定程度上进行合理的段位移,更加符合该染色体表示方式的特点.实验结果表明,用实数编码的染色体表示方式求解TSP是可行的,而且使用自适应演化算法求解可以取得比较好的结果.     

对策论中最优策略搜索的协同进化演化算法

在对策论中，寻找最优策略是一个十分困难的问题，设计了一个协同进化的演化算法，并对此做了初步的研究和尝试。在算法中采用了决策树的编码表示方法，设计了基于决策树的杂交和变异算子，并引入了分裂算子和惩罚因子来平衡策略的复杂度和可读性。此算法应用在猜数字这个复杂的游戏上，实验结果表明该算法有效且快速。     

电子市场中组合客户联盟模型及遗传算法设计

在电子市场中,客户联盟可以为买卖双方赢得更多利润。该文提出了一个组合顾客联盟模型,可同时描述顾客偏好和商品数量。并针对此复杂的组合优化问题,给出了用遗传算法求解的框架。     

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．     

正则图像恢复中正则化算子选取的定性分析

对病态图像恢复中正则化算子的选取问题进行定性分析。以最小化正则解模糊误差为目标,利用泰勒级数定性地分析怎样选取正则化算子,得出结论:在信号的强度大于噪声强度的频带正则化算子应该是带阻的,而信号的强度小于噪声强度的频带正则化算子应该是带通的,通常情况下应选取低阻高通的正则化算子。实验结果表明了该结论的正确性。     

高阶常微分方程的演化建模用于时间序列的分析

本文提出采用高阶常微分方程模型代替传统的时序分析中所用的ＡＲＭＡ模型来实现一维动态系统的建模,并针对传统方法建模过程中所遇到的困难,设计了将遗传程序设计与遗传算法个嵌套的混合演化建模算法,以遗传程序设计优化模型结构,以遗传算法优化模型参数,首次成功地实现了动态系统的高阶微分方程建模过程自动化,对三个典型时间序列实例的实验结果表明：采用此算法可由计算机自动发现适合描述该动态系统的高阶常微分方程模型,     

A new dynamical evolutionary algorithm based on statistical mechanics

In this paper,a new dynamical evolutionary algorithm(DEA) is presented based on the theory of statistical mechanics.The novelty of this kind of dynamical evolutionary algorithm is that all individuals in a population(called particles in a dynamical system)are running and searching with their population evolving driven by a new selecting mechanism.This mechanism simulates the principle of molecular dynamics,which is easy to design and implement.A basic theoretical analysis for the dynamical evolutionary algorithm is given and as a consequence two stopping criteria of the algorithm are derived from the principle of energy minimization and the law of entropy increasing.In order to verify the effectiveness of the scheme,DEA is applied to sloving some typical numerical function minimization problems which are poorly solved by traditional evolutionary algorithms.The experimental results show that EAT is fast and reliable.     

一种具有个体学习能力的演化算法

1 引言 70年代由美国学者John H.Holland提出的遗传算法是一种借鉴生物界自然选择思想和自然遗传机制的全局搜索算法。它把问题的每一个可能解看作一个个体,而个体的集合则形成种群。算法在整个种群空间内随机搜索,按一定的评价函数对当前种群中每一个个体进行评价,然后基于个体的评价值按优胜劣汰原则选择出父体,再用变异、杂交等遗传算子作用于父体以产生新的个体形成下一代种群,如此反复,使种群不断进化,直至产生最终的解。因为演化算法在解决大空间、非线性、全局寻优等复杂问题时具有传统方法所不具备的独特的优越性,所以它得到了广泛的研究和应用。