基于聚集密度的协同进化多目标优化算法

为了改善协同进化多目标优化算法性能,引入了聚集密度对超级个体集合进行更新。其基本思想是：首先计算种群中各个体的聚集密度,再定义一个偏序集,然后根据一定的比例依次从偏序集中选择个体更新。根据数值试验和量化指标测试了新算法的收敛性与分布性。结果表明,新算法在收敛性方面与常规协同进化多目标算法相当,但其分布性获得了一定程度的改善。     

人工免疫多目标进化算法在动态车辆路径优化中的应用

建立了动态车辆路径优化问题的数学模型,提出了一种基于聚集密度的人工免疫多目标进化算法。该算法首先计算群体中每个个体的聚集密度,再根据目标函数值和聚集密度定义一个偏序集,然后采用比例选择原则依次从偏序集中选择个体,更新精英集。实验结果表明,该算法是解决动态车辆路径问题的有效方法。     

基于聚集密度的自适应选择多目标进化算法

分析了线性选择方法的两个缺陷,提出了一种基于聚集密度的非线性自适应选择方法。算法基本思想是：首先将每代种群划分成Pareto劣解集和Pareto非劣解集,然后依照个体的聚集密度分别在劣解集和非劣解集中构造一种偏序集,分别按照不同的等概率在这两个偏序集中选择个体,其中劣解偏序集的个体选择概率远小于非劣解偏序集的个体选择概率,根据两个偏序集中的容量自动计算出两个选择概率。这种非线性选择方法既体现了劣解集和非劣解集中个体的绝对平等性及非劣解集对劣解集的相对优先选择权,又充分考虑到了Pareto最优解的分布性。理论分析和数值计算表明,这种新的选择机制不仅能改善排序选择法的收敛性,而且能得到分布性良好的Pareto最优解。     

基于擂台赛法则和聚集密度的多目标进化算法

多目标进化算法有两个重要研究内容：最优解集的构造和解的分布性。用擂台赛法则构造非支配集具有较高的效率,而聚集密度方法既能从宏观上刻画群体的多样性与分布性,同时也比较好地刻画了个体之间的内在关系。将聚集密度技术引入基于擂台赛法则的多目标进化算法。数值计算表明,这种新的算法既保持了擂台赛法则较高的运行速度,又改善了群体的分布度,提高了种群的多样性,避免了过早收敛于局部最优解的现象。     

基于擂台赛法则和小生境技术的多目标进化算法

最优解集的构造和解的分布性是多目标进化算法的两个重要研究内容。用擂台赛法则构造非支配集具有较高的效率,而小生境共享技术可以提高种群的多样性。本文将小生境共享技术引入基于擂台赛法则的多目标进化算法,数值实验表明：改进后的算法保持了擂台赛算法运行效率高的特点,而且具有较佳的分布度。     

基于分解的混合多目标进化算法在供水调度系统中的应用

建立了供水调度模型,利用基于分解的多目标进化算法,首先将供水调度问题分解为若干单目标,然后根据分布估计的思想对各个单目标建立概率模型,通过采样产生新的个体。利用非支配排序法进行选择,得到最优解。实验表明,该算法对求解供水调度优化问题具有较好的多样性和均匀性,并且降低了算法的计算复杂度。     

一种新的进化多目标优化算法中的文档策略

在采用带精英保留策略的进化算法求解多目标优化问题时,我们需要一个文档来保存在进化过程中产生的不被占优的解。当互不占优的解的数量超过文档的大小时,如何在互不占优的解之间取舍将变得非常重要。针对传统的文档更新策略只考虑解的分布性的情况,提出了一种能够同时保证分布性和收敛性的文档更新策略。该文档更新策略以超体积为基础,与目前经典算法NSGA-Ⅱ进行比较,结果表明新算法拥有良好的分布性,同时也较好地保证了收敛性。     

基于改进庄家法则的多目标进化算法

非支配集的构造方法是多目标进化算法中最重要的问题。在用庄家法则构造非支配集时,若非支配个体较多,由于需要进行多轮比较,所以算法的计算复杂度较高。在庄家法则中引入一个副庄家,用以减少下一轮比较个体的个数,从而最终减少比较的轮数。数值实验表明：改进后的算法具有较高的运行效率。     

基于多目标进化算法的运输问题求解方法

在多目标进化算法中,用擂台赛法则构造非支配集具有较高的效率,而小生境共享技术可以提高种群的多样性。将基于擂台赛法则和小生境技术的多目标进化算法应用于多目标运输问题,数值实验表明：基于擂台赛法则和小生境技术的多目标进化算法能够很好地解决此类问题。     

一种改进的权均值粒子群优化算法

针对粒子群优化算法的早熟收敛和进化后期收敛速度慢等问题,提出了权均值粒子群优化算法。通过在“认知”部分和“社会”部分加入随机权值更新粒子的飞行速度,使粒子能够很快地收敛到全局最优点。典型函数的仿真结果表明,该算法不仅具有较好的全局收敛性能和较快的收敛速度,而且有效地避免了早熟收敛问题。     

基于模拟正态分布随机数的NSGA-Ⅱ算法研究

针对NSGA-Ⅱ算法求解多目标问题时易出现未成熟收敛、分布性较差等不足,本文设计了模拟正态分布交叉算子(simulated normal distribution crossover operator,SNDX),并自适应的调整交叉概率和变异概率,来增强算法搜索能力。通过在多目标ZDT系列标准测试数据集上的仿真实验,并通过反转世代距离(inverted generational distance,简称IGD)评价函数进行验证。实验结果表明,SNDX-NSGA-Ⅱ算法提升了解集的收敛性和多样性。     

基于进化规划的非线性方程组求解

本文提出了利用进化规划去求解非线性方程组,进化规划中没有重组或交换算子,突变后便执行选择。采用随机型的竞争选择法,挑选优良个体组成下一代群体。该算法充分发挥其全局收敛性和群体搜索能力,对于非线性方程组求解问题具有良好的适应性。仿真实例表明该算法是可行有效的。     

最优化计算中的若干新技术

简要介绍了近年来研究十分活跃的以模仿自然与生物优化为特征的几个新的最优化计算方法：根据退火、进化计算和多目标进化优化,并且给出了这些方法的算法描述,最后对单目标和多目标优化问题各给出一个计算实例。     

一种离散细菌菌落优化算法研究

为了拓宽智能优化算法解决实际问题的能力,提出一种离散的细菌菌落优化算法。首先,设计新的个体编码方式以及进化方式;其次,融合禁忌搜素算法,克服算法易陷入早熟的不足;最后,与其它算法在Taillard标准调度测试问题集上比较实验,验证了算法的有效性。仿真表明,算法能够寻求到问题的最优组合。     

基于改进差分进化算法的多目标第Ⅰ类装配线平衡问题研究

为求解多目标第Ⅰ类装配线平衡问题(MOABLP-Ⅰ),提出了一种改进的差分进化算法(IDEA)。该算法优化目标包括最优工位数,线生产效率和工位载荷波动。采用基于优先权的编码方法使得个体解码后总满足装配线约束关系,设计了自适应双变异策略和新型交叉操作算子使算法适应离散优化问题,引入"精英保留"机制增强算法逃离局部最优的能力。通过测试问题集的验证,并比较了基本差分进化算法和离散型差分进化算法,结果表明IDEA在求解大规模MOABLP-Ⅰ上质量最优。     

免疫粒子群算法及其在物流配送中心选址问题中的应用研究

将人工免疫思想引入粒子群算法,设计了一种人工免疫粒子群混合算法。混合算法的基本思想是：将粒子群算法中的粒子同时视为免疫算法中的抗体,粒子的适应度评价也与抗体亲和力的评价一致。将混合算法应用于物流配送中心选址问题,数值结果表明,免疫机制可有效地避免常规粒子群算法易过早收敛的缺陷。     

基于人工免疫-蚁群混合算法的WSN路径优化研究

人工免疫算法（AIA）是借鉴人体免疫机制提出的一种智能算法,它具有快速随机的全局搜索能力,但不能有效利用系统的正反馈信息,往往会做大量的冗余迭代,降低了求解效率;而蚁群算法具有分布式并行全局搜索能力,但由于初期信息素匮乏,求解速度低。基于这两种智能算法的优劣势,提出的AIAC算法充分利用了AIA的快速性和全局收敛性产生初始解,再利用蚁群算法提高求解效率,在Matlab上取得了较好的仿真效果。     

基于欧氏距离的人工免疫算法的研究

针对基于信息熵的人工免疫算法速度慢的原因,提出了基于欧氏距离的人工免疫算法,通过进行数值仿真比较,证明了基于欧氏距离的人工免疫算法在全局收敛、计算速度、收敛次数等方面的优越性。     

制度的进化

本文分析了制度进化的选择机制：自然选择、个体选择、权威选择和群体选择,制度适应的效率特征,制度竞争的形式与结果、开放与制度竞争的关系、竞争与制度变异的关系;制度的复制、遗传与积累等。并对制度的进化范式进行了总括,阐述了制度进化的多元性、相对性、主动性等特征。最后,对制度分析的进化范式与新古典范式进行了比较。     

基于偏序集的微信公众号传播力评价研究

[目的/意义]对微信公众号推送信息传播力进行客观、科学的评价,促进自媒体团队更加高效地利用微信公众平台传播信息.[方法/过程]利用可加偏序集理论,建立了蕴含权重的偏序集评价方法.首先,选定评价目标集,收集20个科技类微信公众号原始数据;其次,通过给定权重顺序,构造新的偏序集;最后,得到Hasse矩阵,由Hasse矩阵绘...