基于网格的一种新的动态演化算法

近年来,越来越多的演化计算研究者对动态优化问题产生了很大的兴趣,并产生了很多解决动态优化问题的方法。提出一种新的动态演化算法,与传统的演化算法有所不同,它是建立在划分网格基础上的,故而称它为网格优化算法。通过测试典型的动态优化问题,并与经典的SOS算法进行比较,证明了算法的有效性。     

基于演化算法的一类时间表问题的自动求解

本文给出了一种有效的基于演化算法的求解大学的时间表总理２（编排课程和考试）即在很强的资源约束条件下将一些事件（课程或考试）安排到时间段和空间位置的总理２的方法,此方法有杉直接的时间表编码表示和启发式深化算子,并通过惩罚函数保证对约束条件的满足,计算实验表明方法在求解大学考试时间表问题中是有效的。     

用演化算法求解抛物型方程扩散系数的识别问题

基于演化算法给出了一类求解参数识别反问题的一般方法,该方法表明只要找到好的、求解相应的正问题的数值方法,演化算法就可以用于求解此类反问题。设计有效的求解反问题的演化算法的关键是寻找一种适合反问题的解空间的编码表示形式、适当的适应值函数形式以及有效的计算正问题的数值方法。该文结合算法、传统的求解反问题的工方法和正则化技术,设计了一类求解参数识别反问题的方法。为验证此类方法,将其用于求解一维扩散方程的     

动态系统的常微分方程组建模—基于不同搜索技术的实验研究

以人口模型和化学反应模型为例,通过大量实验研究比较了分别采用基于两种传统的搜索方法即局部搜索算法和模拟退火算法、遗传算法（简称GA）四者相结合的14种不同算法建立动态系统的常微分方程组模型的实验结果,得到了有关各算法性能比较的一些新的结论。两个实例的实验结果表明：在14种算法中,GP＋GA＋LS－MU算法（即在采用GP的模型结构的优化过程中嵌入采用GA的模型参数的优化过程,并且在每一演化代对种群中的部分个体进行基于GP的标准变异算子产生邻域解的局域搜索过程）是目前解决常微分方程组建模问题的最好算法。     

基于偏序关系的演化算法

在演化算法中引起卢偏序关系（称为优适应关系）,把评估个体适应性能的机制从适应值函数一般化为优适应关系,在此基础上定义演化算法求解的问题一般形式并修正了演化算法的基本结构,从而使演化算法概念更清晰,在理论上澄清了一些演化算法概念上的分歧,为演化算法应用于更广泛的领域提供理论指导。     

一种基于用户行为的Self集构造和演化方法

对计算机安全免疫系统中Self集构造的可能性和特征码选取的原则进行了探讨性的分析,提出了一种基于用户行为的Self集构造方法。Self集中的特征码包含了用户的操作、操作对象和操作参数。然后阐述了一种通地用户友好度和可信度进行Self集演化的方法。     

用遗传算法解带时延及时延抖动约束的组播路由优化问题

带约束条件的组播路由是网络应用的发展所提出的新的问题,根据不同的约束条件有不同的变种,该文讨论了带时延及时延抖动约束的组播路由优化问题,给出了该问题的数学模型,提出了求解该问题的一种基于候选路由库的遗传算法,并对该算法的仿真结果与前人的结果进行了比较。结果证明,用遗传算法解决这类问题是有效的。     

基于偏序关系的遗传算法求解多峰函数优化问题

该文设计了基于偏序关系的演化算法求解多峰函数优化问题新算法。并从偏序关系的性质出发,从理论上为该算法的收敛性提供了一定的依据,进而为其搜索操作提供了明确的方向,避免了演化搜索过程中的盲目性。     

冒泡择优遗传算法

为快速地寻求复杂多峰函数的全局极值点，提出一种冒泡择优遗传算法。它以冒泡的形式让每一代种群中的最优的个体参加列队竞争，以成为局部最优或全局最优。对于达到局部极值的个体，进行湮灭操作，重新进行进化与列队竞争。该算法能自动保持种群多样性且易于实现。实验结果表明，该算法对于求解多峰函数优化的问题十分有效，通常都能找到全部全局最优解。     

一种改进的正则图象

把正则图象的误差分成两部分：一部分为逼近误差，它是和原图象相关的确定型误差，另一部分为噪声传递误差，它是和噪声相关的随机型误差．通过正则图象代替原图象，求得逼近误差的近似值，然后将逼近误差近似值补给正则解，得到改进型正则解．对正则解以及逼近误差的计算，提出了快速算法，并有严密的理论推导．实验结果表明改进型正则图象的恢复效果优于传统正则解．在一敷的正则化方法中，可以借鉴本文提到的方法改进正则解．