混合蛙跳算法的Markov模型及其收敛性分析

 本文就混合蛙跳算法(Shuffled Frog Leaping Algorithm,SFLA)建立了Markov链数学分析模型,详细分析了该Markov链的性质,证明青蛙族群状态序列是齐次Markov链.在此基础上,通过分析族群状态序列的转移过程,指出序列必将进入最优状态集.同时证明混合蛙跳算法满足随机搜索算法全局收敛的两个条件,能够保证全局收敛.     

基于进化规划的医学图像恢复方法研究

图像模糊对图像中特定目标的检测以及特征的提取等都会造成影响,采用图像恢复可以改善图像的质量.本文提出了一种基于进化规划的图像恢复方法,该方法把图像的可行解用个体表示,由多个个体构成种群,通过种群的进化而获得质量较优的图像.这种方法可以应用于医学图像的处理.首先分析了图像恢复的原理,然后给出了方法的详细实现步骤和相关的实验结果.     

基于进化规划的ATM网络优化路由算法

根据ATM网络承载业务的特性，提出了以最小化全网平均信元丢失率为目标函数，以途经交换节点数目为约束的优化路由准则，并应用进化规划方法求解此优化问题。     

基于进化规划的树形网络优化规划

提出联合考虑建设代价和使用代价的树形网络优化规划问题，并应用进化规划算法进行了有效的求解，仿真实例表明了算法的有效性。文章同时分析了在不同的流量要求和两种代价不同权重下，网络结构的演化。     

基于进化规划的多层前向网络结构优化

基于进化规划(EP)方法,该文提出了设计多层前向网络拓扑结构和权值分布的一种新算法EPANN算法。EPANN算法能同时进化网络的结构和连接权值(包括阈值),在进化过程中,强调父代和子代之间的行为联结,结构变异既有结点删除,又有结点增加,不同于单纯的删除算法或构造算法,且结点删除总是先于结点增加,保证了网络规模尽可能小而泛化能力尽可能强。     

动态多目标优化的进化算法及其收敛性分析

给出了动态多目标优化问题的一种新解法.首先对时间变量进行了等区间离散化,在得到的子区间(称为环境)上定义了种群的静态序值方差和静态密度方差.然后把动态多目标优化问题近似地转化成了若干个两个目标的静态优化问题.在给出的一种能自动检测环境变化的应答算子下,提出了一种动态多目标进化算法,同时证明了算法的收敛性.计算机仿真表明新算法对动态多目标优化问题是有效的.     

基于差分进化算法的港口封控兵力规划方法

针对传统港口封控兵力规划人力作业耗时长、效率低、难寻优等问题,提出了无人机群对海识别查证条件下,运用差分进化算法进行飞行航路智能寻优和兵力优化的方法.该方法具有兵力规划快速可靠、精准高效、行动要素覆盖全面等特点.     

信号功率谱特征提取的进化规划方法

本文提出了一种提取信号功率谱中连续谱和线谱特征的新方法，该方法利用进化规划实现连续谱的最佳非线性曲线拟合，从而获得连续谱的轮廓特征及线谱的位置和相对强度，并对该方法用于被动声纳信号和振动信号的处理和分析，应用结果表明本文提出的方法能准确有效地提取信号功率谱的特征。     

一种新的基于进化规划方法的盲CMA快速收敛算法

本文把改进的进化规划方法引进到解决均衡问题中,定义以代价函数为自变量的一种新的函数作为高斯随机化算子的标准差,来控制算法的收敛,提出了一种新的基于进化规划的CMA算法(QEPCMA),该方法应用进化规划来估计均衡器的系数,进一步提高了文献[5]中改进的CMA算法的收敛速度。通过Monte—Carlo仿真,比较了这两种算法和标准 CMA算法的性能,验证了所提算法的有效性。     

进化规划方法在最小化拖期任务数并行机调度问题中的应用

随着ＣＩＭＳ技术的发展,生产线调度问题的研究显得日益重要,最小化拖用期任务数并行机调度问题是一类重要的生产线调度问题,但迄今为止,在解决工件和机器数较多的大规模并行机调度问题还存在着许多困难,进化规划方法与遗传算法一样是一种重要的进化计算方法,它具有描述简单,使用灵活,运行效率高,鲁棒性强,较少受初始条件限制等优点,这使得它有很高的实用价值,但与遗传算法相比,进化规划方法的应用还刚刚开始,特别是在     

一种多群竞争进化规划算法

易早熟收敛是传统进化规划算法的致命缺点.本文在分析了导致进化规划算法早熟原因的基础上,提出了一种改进的多群进化规划算法.在该算法中,进化在多个不同的子群间并行进行,子群间的竞争决定个体的变异能力,子群间的信息交流通过子群重组实现.对典型算例的数值仿真表明,该算法能够改善传统的进化规划算法易早熟收敛的弱点,同时具有良好的快速收敛性和参数鲁棒性.     

基于多子群竞争进化规划算法的光纤光栅设计

从光栅传输矩阵分析法出发,提出了一种基于多子群竞争进化规划算法的光纤Bragg光栅(FBG)设计方法,进而设计了用于滤波的均匀FBG和用于色散补偿的啁啾FBG(CFBG)的结构参数.结果表明,本文设计方法可直接确定FBG的结构参数,在不同的设计精度要求下所设计的FBG分析曲线与目标曲线吻合很好,所采用算法具有比传统的进化规划算法快几10倍的收敛速度和更好的稳定性.     

一种新的解决组合优化问题的自适应柯西进化规划ACEP

 本文在快速进化规划基础上,提出了一种解决组合优化问题的自适应柯西进化规划ACEP.该算法融合了柯西变异的优点,通过调整参量r来适当的改变搜索的步长,相对于经典进化规划CEP和快速进化规划FEP只需一半的种群数量便可快速到达问题的最优解,最后0/1背包问题的对比实验结果表明了其优越性.     

基于进化规划的Kohonen网络用于被动声呐目标聚类研究

提出了一种用进化规划来设计和训练Kohonen网络的新方法，能够自动地确定网络的最优结构和联结权重．并将该网络用于被动声纳目标的聚类分析，实验结果表明基于进化规划的Kohonen网络能够有效地克服被动声呐目标信号的类间混叠现象．     

求解约束优化的一种新的进化算法

罚函数法是解决约束优化最常用的方法,但如何确定罚因子是其难以克服与回避的问题.该文提出的求解约束优化问题的新的进化算法克服了这一困难,其基本思想是对种群中的个体按可行和不可行分别采取两种评价方案,对可行解按其目标函数值的大小加以评价,对不可行解按其违反约束的程度进行评价.作为评价个体优劣的适应度函数将可行点映射到(-1,1),将不可行点映射到(1,2),这样有效地区分了可行点与不可行点.数据实验与比较结果表明了该算法的有效性.