带约束的微分进化算法及应用

针对经典的微分进化算法难以求解约束优化,特别是大规模复杂约束优化,并且对于多峰值优化无法一次求出多个全局最优解等问题,本文提出了一种改进的微分进化算法。该算法采用一种简单有效的函数对其约束进行处理,并利用全局-局部微分进化算法进行演化。大量测试函数的实验结果表明,这种改进的算法能有效地解决约束优化问题得到全局最优解,并且对于多峰问题能一次得到其多个全局最优解,而且比传统演化算法具有更高的精度和收敛速度。     

一种基于差分进化算法和粒子群算法的双进化方式的全局优化算法

差分进化算法(Differential Evolution Algorithms,DE)和粒子群算法(Particle Swarm Optimization,PSO)是一种基于种群的全局优化的通用的启发式算法,已经用来求解很多的问题。本文提出一种基于DE和PSO的双进化方式的种群进化策略。对于种群中的每个粒子可以随机选择按照差分进化或者按照粒子群进化。为了提高进化的收敛速度,对于每一代粒子选择一个最优的粒子提供给按照PSO算法进化的粒子使用。通过4个标准函数测试该算法并与PSO和DE算法进行比较,实验证明该算法是一种求解精度高,速度快,鲁棒性好的算法。     

基于自适应滤波的一种语音增强算法研究

语音增强的主要目的是从带噪语音信号中提取尽可能纯净的原始语音信号。本文介绍了一种基于自适应滤波器的语音信号增强算法。     

基于自适应滤波的一种语音增强算法研究

语音增强的主要目的是从带噪语音信号中提取尽可能纯净的原始语音信号。本文介绍了一种基于自适应滤波器的语音信号增强算法。     

结合机械设计约束处理的差分进化算法

对于机械设计过程中所涉及到的约束优化问题,本篇文章提出了对约束处理进行改进的方式,也就是自适应罚函数法。下文主要结合了机械约束优化问题中所存在的维数不高以及差分进化算法自身所具有的便捷性,使用差分进化算法能够更加便捷的得出机械设备的约束优化问题。本篇文章主要依据机械约束优化实际数值的实例,来对机械约束差分进化算法进行验算。     

一种基于DE-SVR的逼近算法及其在CPI预测中的应用

利用逐级逼近思想建立起一种基于DE-SVR的逼近算法.通过运用该算法对居民消费价格指数(CPI)进行预测的实验证实,该算法有着很高的预测精度,是一种进行回归拟合的新算法.     

基于进化博弈和进化算法的企业产品质量博弈分析

以进化博弈为理论基础,采用进化算法研究企业产品质量博弈稳定均衡的求解问题.研究表明,该方法能够成功地获得进化稳定均衡,同时具有概念清晰、博弈机制设计灵活、博弈设计更具现实性等优点.     

基于进化博弈和进化算法的企业产品质量博弈分析

以进化博弈为理论基础,采用进化算法研究企业产品质量博弈稳定均衡的求解问题。研究表明,该方法能够成功地获得进化稳定均衡,同时具有概念清晰、博弈机制设计灵活、博弈设计更具现实性等优点。     

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。     

基于量子进化算法的人体跟踪

提出了基于量子进化算法的人体跟踪方法。量子进化算法借鉴了量子计算的思想,具有较强的寻优能力和较快的运算速度,在基于量子进化算法的人体跟踪中,将跟踪置于函数优化框架内,视跟踪为在模型可行域内求解与图像观测特征具有最优匹配的模型的函数优化问题,并对此目标函数使用量子进化算法寻优。模拟场景实验表明,与基于粒子滤波的人体跟踪算法相比,基于量子进化算法的人体跟踪具有较高的跟踪精度和较快的运算速度。     

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。     

一种有效的混合均衡算法

提出一种基于自适应均衡算法和盲均衡算法的混合算法DDLMS-Godard算法，该算法充分发挥了DDLMS算法和Godard算法的优势，克服了各自的缺陷，在MATLAB6．0平台上的性能仿真结果表明，DDLMS-Godard算法不仅收敛速率快，而且稳定性好，具有很好的实用价值。     

一种改进的人工蜂群算法

本文针对标准人工蜂群算法开发能力较弱的缺点,借鉴粒子群算法的思想,将全局最优解引入,与引领蜂进行交叉操作,使蜂群进行有引导的探索,通过基准函数的测试,证明了改进后的算法性能有所提高。     

结合区间算法和进化策略算法的实根隔离

本文提出了一种结合区间算法和进化策略算法的实根隔离算法,该算法充分发挥了进化策略的群体搜索和全局收敛的特性。模拟实验表明,这种算法收敛速度快,精度高,能有效地实现多项式的实根隔离。     

多目标进化算法的研究

简要介绍了多目标进化算法的研究历史分类及主要方法，并提出了今 后需要研究的问题。     

十杆桁架优化设计的微分演化算法研究

本文针对传统优化算法通用性差、效率不高,以及一些现代智能算法求解复杂优化问题收敛性不佳等问题,提出了一种基于微分演化算法的桁架优化设计新方法.最后通过时十杆桁架问题的求解,与传统的优化算法和遗传算法进行了比较.教值结果表明,微分演化算法收敛速度快,且结果更为精确.     

多目标进化算法在滤波器优化中的应用

数字滤波器被广泛地关注和使用,已成为通信系统中至关重要的器件之一。针对数字滤波器的要求,利用多目标进化算法对一维数字滤波器进行优化,以期降低其期回波损耗和插入损耗,并证明是可行的。     

一种蚁群分布进化的高效网络安全防护方法

网络系统的安全访问是网络技术发展中必须解决的首要问题。传统的网络系统安全访问控制方法采用基于统计学的数据分析方法,在对网络访问数据进行统计分析的基础上,分类识别网络系统的正常访问数据和异常数据,此方法网络防护效率低。提出一种蚁群分布进化的高效网络安全防护方法,首先将所有的访问数据分层,然后采用蚁群分布算法对每个单独的数据群进行处理,在蚁群分布处理的基础上,迭代实现系统的数据识别,达到高效网络防护的目的。最后采用实际访问数据进行测试实验,结果显示,采用蚁群分布进化算法,网络系统的安全性能提高,具有很好的应用价值。     

基于聚集密度的人工免疫多目标进化算法

为了改善人工免疫多目标进化算法的分布性,引入聚集密度以进行Pareto最优解集的更新。其基本思想为：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。通过数值实验,用量化指标研究了新算法的收敛性和分布性,结果表明：新算法的收敛性与常规人工免疫多目标进化算法相当,但分布性有了明显提高。