小生境演化算法下的WDCT图像压缩方法

针对传统WDCT图像压缩编码算法频率卷曲参数的难选取问题,提出了小生境演化算法下的WDCT图像压缩方法(NEAWDCT).利用小生境演化算法全局寻优的特点,与WDCT图像压缩编码方法相结合,达到自适应选取最优频率卷曲参数的目的.针对频率卷曲参数特征,设计染色体编码方式及演化算子,以加快收敛速度.由于图像能量多集中于低频部分,选择特定范围内的数值初始化种群,不仅能加快算法收敛速度,还保留了种群的多样性.实验结果表明,利用新的NEAWDCT算法生成的WDCT矩阵能有效提高峰值信噪比.     

基于演化硬件的随机数发生器

基于演化硬件的随机数发生器,分析前先假设从序列密码算法或随机数发生器产生的待检验二进制位序列、长度及检验统计值,从测试文件读取的数据来自随机数发生器的某序列.再根据每个测试算法相关的子程序进行读入、数学变换等处理.最后通过生日间隔、停车场、重叠求和等测试,得出所测试序列文件均是随机的结论.     

基于一种新的属性选择标准的ID3改进算法

结合ID3算法的不足,提出一种基于属性重要度简化标准的ID3改进算法:a)简化ID3算法的信息熵从而降低算法的计算时间;b)引入属性重要度概念来弥补ID3算法属性选择标准的不足;c)综合a)和b)来实现新的属性选择标准即属性重要度简化标准。在开源的Weka数据挖掘软件环境下进行仿真实验,结果表明该改进算法是可行的,并且在算法的计算时间和准确度方面都优于ID3算法,尤其是在数据样本集规模达到一定数量时,效果更加明显。     

一种基于输运理论的多目标演化算法

提出了一种根据输运理论中的粒子输运方程、相空间能量定律和熵增法则构造的一种能够准确、高效地求解多目标优化问题的多目标演化算法(MOPEA).由于该算法使用了粒子系统从非平衡达到平衡的理论来定义求解多目标问题的Rank函数和Niche适应值函数,使得种群中的所有个体都有机会参与演化操作,以达到快速、均匀地求出多目标优化问题的Pareto最优解.数据实验显示,利用该算法求解多目标优化问题不仅能够使算法快速地收敛到全局Pareto前沿,同时由于该算法要求所有的粒子都要参与杂交和变异等演化操作,从而避免问题早熟现象的出现,并通过与传统演化算法的性能指标分析比较说明,使用该算法求解多目标优化问题具有明显的优越性.     

基因表达式编程的一种新遗传算子

遗传算子在演化算法中发挥重要的作用。设计了基因表达式编程中的一种新遗传算子（TIS）,它在基因尾部随机选择一个小片段,然后复制该片段（或该片段的倒置）并插入到基因尾部的任意位置,插入点后的符号依次向后挪动,超过尾部长度的编码被丢弃。实验表明,该算子在挖掘多元函数时能提高算法的成功率和收敛速度。     

基于单形正交实验设计的差分演化算法

为了克服传统差分演化(DE)算法在求解约束优化问题时出现的收敛性慢和容易陷入早熟等缺陷,提出一种新的基于单形正交实验设计的差分演化(SO-DE)算法。该算法设计了一种结合单形交叉和正交实验设计的混合交叉算子来提高差分演化算法的搜索能力;同时采用了一种改进的个体优劣比较准则对种群个体进行比较和选择。这种新的混合交叉算子利用多个父代个体进行单形交叉产生多个子代个体,从两者中选择优秀个体进行正交实验设计得到下一代种群个体。改进的个体优劣比较准则对不同状态下的种群采用不同的处理方案,其目的在于能够有效地权衡目标函数值和约束违反量之间的关系,从而选择优秀个体进入下一代种群。通过对13个标准测试函数和2个工程设计问题进行仿真实验,实验结果表明SO-DE算法求解的精度和标准方差都要优于HEAA算法和COEA/OED算法。SO-DE算法具有更高的精度以及更好的稳定性。     

基于统计分析和停滞速度的GEP自动建模*

介绍了基因表达式程序设计的基本原理,并针对经典GEP算法存在的不足提出了一种基于统计分析和停滞速度的改进GEP算法——SACVGEP。其特点在于：用重复体统计的方法改进了初始种群的生成;提出停滞速度概念;引入了动态变异算子。最后,将该算法用于求解复杂函数自动建模并与传统方法、神经网络方法、经典GEP方法等进行比较。实验结果表明,用此方法建立的模型比传统方法、神经网络方法、经典GEP等方法具有更好的性能。     

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.     

一种改进的演化算法及其在求解复杂优化问题中的应用*

针对传统演化算法在求解函数优化,特别是多峰函数优化问题中出现的早熟现象以及演化后期收敛速度慢等问题,提出了一种新的反序小生境演化算法。该算法采用小生境反序交叉算子,以进一步增强局部寻优的能力;引入一种并行演化算法机制,加强群体寻优能力;同时,根据定义域划分初始种群,增加初始种群的覆盖面积。通过仿真实验表明,与传统的小生境演化算法相比较,利用该算法求解复杂多峰函数优化问题能够明显提高问题的求解精度和收敛速度,而且能够得到所有的全局最优解,更好地避免了求解问题时的早熟现象,达到了较好的效果。     

使用演化计算求解生成循环码的合法码字

编码纠错、检错是计算机应用中最重要的操作手段之一,也是软件、硬件设计中必不可少的一个重要环节。目前,求解域GF(q)中多项式g(x)的生成多项式(g(x))的合法码字的方法有多种,文章认为比较好的一种方法就是利用求解高阶多项式g(x)的根来求出它的生成多项式(g(x))的合法码字。求解域GF(q)中高阶多项式的根通常非常困难,该文介绍一种使用演化计算来求解生成循环码的合法码字的方法。