一类基于协同进化模型的混沌系统

分析了一类基于遗传算法无限种群模型的协同进化系统,在此基础上构造了一类新的协同进化系统,并推导出了它在单基因位情况下的动力方程.对新系统在稳态情况下的复杂动力行为进行了分析,通过相图、分岔图和Lyapunov指数谱图,严格地证明了该系统具有混沌特性.     

基于QoS满意度增强的多资源协同预留策略

针对动态网格资源服务的不确定性问题,提出一种可量化分析资源服务QoS(quality of service)的多资源协同预留策略.该策略基于对运行在资源上的网格任务QoS指标分析,得出QoS满意度量化、归一化方法,建立资源服务QoS与预留容量之间的函数关系,并以市场经济环境为背景,分析任务费用约束下资源价格与预留容量之间的关系,求解得出可均衡负载的多资源节点协同预留方案.理论分析给出了策略的有效性证明和算法,仿真实验采用真实网格系统中的任务负载信息作为实验负载,在较大规模的模拟网格系统中检验了所提出的预留策略的性能表现.实验结果显示,该策略在接纳任务数、资源利用率和任务违约率方面的性能表现显著优于传统的预留策略.     

基于知识进化算法的半导体供应链协同计划

研究了单晶圆厂、多针测厂、多封装厂、多终测厂的半导体供应链协同计划问题,建立了该问题的数学模型,提出了用于求解上述问题的知识进化算法方案。对典型算例进行了仿真并与粒子群算法进行了比较,结果表明了半导体供应链协同计划模型及算法的有效性,同时也表明了知识进化算法取得了比粒子群算法更好的优化效果。     

基于协同进化的航天测控资源优化调度

航天测控资源调度是一个具有很强工程背景的复杂问题,针对其特点,研究了一种基于协同进化的优化调度算法。在描述问题并给出调度模型的基础上,基于协同进化的思想,设计了和问题特征结合的遗传算法编码,对算法的算子和进化策略进行了描述,给出了算法的完整流程。通过算例表明,该算法整体上优于先到先服务（first coming first serving, FCFS）算法、任务综合优先度（task synthesis priority, TSP）算法和简单遗传算法（simple genetic algorithm, SGA）。     

基于网络制造的仿生自组织协同进化

本文用现代生物进化理论中的超循环理论研究基于网络制造模式的形成和进化机制 ,对合作企业之间、企业与网络资源之间和企业与企业形象之间的协同进化进行了分析 ,认为该模式的形成如同生命的起源一样是超循环的结果 ,是以自组织的方式进行的 ,具有自组织、自增进和相互增进、竞争和协同进化等特点.     

一类基于分治原理的多种群协同进化算法

根据脑生理学和社会分工的特点和方式,提出一类"分而治之"多种群进化算法。该算法在任务分解机进行任务分配后,子种群独立完成所分配任务,与其它群体几乎不发生联系。在子伤务完成后,各子群中的优秀分子组成新的种群,在整个问题空间完成进化,然后由决定机构根据情况选择相应的可能行动。最后就两个复杂多模态函数优化问题对该算法进行了实验研究,结果表明:合理的"分而治之"方法在效率和效果上明显优于单种群方法。     

基于合作协同进化的多机空战目标分配

为寻找一种满足多机空战需求的目标分配优化方法,提升空战效能,提出了一种基于合作协同进化的多机空战目标分配方法。首先,该方法基于单机空战优势,建立多机协同空战优势评价指标体系。然后,对战机间的协同相关性进行分析计算,建立多机协同空战目标分配模型。在变长度染色体遗传算法(genetic algorithm, GA)的基础上,设计了基于交叉、嫁接、分裂和拼接算子的改进合作协同进化算法,提高了模型的进化效率。最后,设计实验分别对优势评价指标体系的有效性、静态算例、动态算例和大规模无人战斗机算例进行仿真验证,并将2种模型以及4种算法的计算结果和所提算法的实验结果进行对比。仿真结果表明,改进合作协同进化算法适用于该模型计算,结果收敛稳定,亲和度值显著提升,能够优化目标分配方案,在空战中具有一定的应用意义。     

基于分布式协同进化的星座自主任务规划算法

星座协同自主任务规划是卫星自主化管理与控制技术中的重要一环。首先, 提出了一种分布式星座协同迭代优化策略, 星座内各星作为独立智能体通过“接收”“更新”“发布”的三阶段协作行为共同参与对整体任务方案的协调寻优。其次, 在该策略的基础上设计了一种分布式协同进化算法, 通过分布于不同卫星的多个亚种群在信息交互中并行进化以持续优化各星方案组合。最后, 在S698PM嵌入式开发环境下进行仿真实验, 通过与贪婪算法、集中式遗传算法以及CPLEX的对比测试, 验证了所提方法在恶劣通信环境下与大规模问题中的适用性和有效性。     

基于协同进化算法的导弹与飞机追逃对策

研究了导弹与飞机在复杂动力学约束下的三维追逃对策.阐述了协同进化的理论基础,根据追逃双方运动的数学模型设计了混合追逃策略以保证进化过程的推进.在简单适应度和共享适应度的基础上提出了混合适应度,利用协同进化算法对三维环境下导弹和飞机的追逃策略进行进化.仿真结果表明,进化的飞机能有效规避比例制导策略的导弹,并且在进化过程中导弹和飞机的策略表现出一定程度的改善.     

匹配于进化种群的局部网络图度量

为了分析匹配于进化种群的贝叶斯网络结构 ,给出了用于刻画局部贝叶斯网络度量的有关表示。依据贝叶斯狄利克雷度量 ,对于贝叶斯网络图中的 3个顶点 (对应于染色体的某 3个基因位置 ) ,研究了 3个顶点无连接、其中只有两个顶点存在有向连接、及 3个顶点存在两条有向边时的度量值关系。揭示了局部贝叶斯网络结构的固有特性 ,为进一步研究进化算法的种群结构提供了一条可行的途径。     

Modified evolutionary algorithm for global optimization

1 .INTRODUCTIONOptimization problemsoftenariseinscience ,engi neering ,andbusinessapplications .Tosolvevariousoptimizationproblems ,manysolutionsbasedonthegradientorhigher orderstatisticsoftheobjectivefunction ,suchassteepestdescentmethod ,conjugategradie…     

进化算法中基于排序选择下的准确模式理论

进化计算中的模式理论是解释进化计算工作机理的一个有力工具．文章以遗传算法为例，通过引入红皇后假说及模式进化能力等概念，使用排序选择代替了依概率选择，证明了在进化算子采用排序选择、多点交叉和多点变异的情况下，具有较强进化能力的模式，将以指数阶增长，并给出了排序选择下准确的模式进化公式．     

QoS动态变化的服务选择算法

由于现代战争的快节奏和异常激烈,在面向服务的军事综合电子信息系统中候选服务的服务质量往往随时间快速变化,有时还有服务的加入和退出,现有组合服务选择方法很难应对这种场景. 提出了一种基于危险理论的动态约束多目标免疫克隆算法（DCMOICADT）用于QoS动态变化的服务选择. 首先将基于QoS的军事信息服务选择问题建模为带QoS约束的动态多目标组合优化问题,接着采用基于危险理论的动态约束多目标免疫克隆算法同时优化多个目标函数,最终产生一组满足约束条件的Pareto最优解服务组合集. 对比实验结果表明,DCMOICADT设计了环境感知因式用于描述QoS动态变化,使用Pareto-占优集和有益不可行解协同的免疫进化方案,能根据当前环境的变化快速且自适应地调整各免疫操作,所得最优解集具有较好的多样性和较强的逼近性,能有效解决QoS 动态变化的军事信息服务选择问题.     

微分进化微粒群算法及其控制

通过对微粒群优化算法的分析,提出了一种用微分方程组描述的微粒群优化算法——微分进化微粒群优化(DEPSO)算法,并利用传递函数对DEPSO算法的收敛性进行分析.在此基础上,通过引入PID控制器以控制DEPSO算法的动态进化行为,以增强微粒产生的多样性,从而改进微粒群优化算法的全局收敛性.仿真结果表明了此方法的有效性.     

带全局判据的改进量子粒子群优化算法

针对现有量子粒子群优化算法的多参数(≥5)优化问题易收敛到局部最优解、且无法判定优化结果全局性的问题,提出了带全局判据的改进量子粒子群优化算法。在惯性权重自适应调整的量子粒子群优化算法基础上,进行了粒子位置周期性变异,以及随粒子进化速度和聚集度变化的搜索范围变异。依据粒子聚集度大小,建立了判定优化结果全局性的全局收敛判据。以典型标准函数和乘波体外形多参数优化问题为算例,验证了改进算法和全局判据的可靠性。结果表明,改进算法的全局搜索能力明显提高,优化结果真实可靠,全局判据实用性强。     

信息不确定下的主动打断项目组合选择问题鲁棒优化

在项目组合选择问题中,历史数据的缺乏以及预测和估计过程中出现的不可避免的误差,会导致模型中的参数无法被准确地估计,进而给决策带来巨大的风险.因此,构建合适的鲁棒优化模型,为企业提供能有效应对参数不确定性的鲁棒解,对企业的风险防范具有极其重要的现实意义.本文首先对确定参数下的主动打断项目组合选择问题数学模型的特点进行了分析.进一步地,介绍了鲁棒优化问题中不确定情境集的概念,并给出了允许管理者根据其偏好确定不确定情境集大小的方法,构建了全新的基于情境的鲁棒优化模型,进而计算出在所规定的不确定情境集内的最坏情境下能保持可行性与最优性的鲁棒解,实现了鲁棒性与最优性间的权衡,最后,通过GAMS/BARON进行了算例分析,验证了模型的合理性与有效性.从理论上,本文首次将鲁棒优化理论扩展到了主动打断项目组合选择问题中,针对现有的项目组合选择问题鲁棒优化理论仅能应对有限个可行解的不足之处,提出了一类新的鲁棒优化方法,使其能够应对具有无穷多可行解的主动打断项目组合问题.从实践上,随着我国高新产业的发展,具有超前性与特殊性的研究与发展(RD)、信息科技与信息系统(IT/IS)等新兴项目的投资日益受到重视.相较于传统项目,这类项目的高度不确定性使得探究项目组合选择问题的鲁棒优化理论日益迫切.故而本文的研究具有明显的理论价值和现实意义.