一种嵌入思维进化的新的进化算法

对于运筹学问题学中的函数优化问题,本文提出一种嵌入思维进化的新的进化算法,将思维进化计算(Mind Evolutionary Computation,MEC)的"趋同"和"异化"操作加入到进化算法中,充分利用其特有记忆机制、定向机制和探测与开采功能之间的协调机制的好性能,并加入K-meams聚类算法,保证群体多样性。最后,数值模拟验证了新算法的有效性。     

基于种群分类排序的约束优化遗传算法

针对约束优化问题,提出了一类将种群中的个体分类排序的思想.算法的特点在于:先将种群中的解分为可行解和不可行解两类,然后分别按照不同的标准排序.由于很多约束优化问题的最优解位于可行域的边界上或附近,所以排序时并不认为可行解一定优于不可行解.基于此分类排队思想,特别设计了只允许同等级个体进行交叉的新的交叉算子,称之为同等级交叉算子,以及基于一维搜索的变异算子.算法同时采用了保证固定比例不可行解的自适应策略.4个标准测试函数的数值仿真结果验证了算法的有效性.