演化算法

摘要： 针对传统手工方法优化卷积神经网络(CNN)参数时存在耗时长、不准确,以及参数设置影响算法性能等问题,提出一种基于教与学优化(TLBO)的可变卷积自编码器(CAE)算法。该算法设计了可变长度的个体编码策略,从而快速构建CAE结构,并堆叠CAE为一个CNN;此外,充分利用优秀个体的结构信息来引导算法朝着更有希望的区域搜索,从而提高算法性能。实验结果表明,所提算法在解决医学图像分类问题时,分类精度达到89.84%,高于传统CNN和同类型神经网络。该算法通过优化CAE结构和堆叠CNN解决医学图像分类问题,有效提高了医学图像分类性能。

摘要： 合作协同优化是目前针对大规模优化问题的最有前景的算法之一,该算法通过分而治之策略划分子问题,以进行协同进化。不同的子问题根据演化状态的不同对整体改善的贡献大小也不一致,因此均匀分配计算资源会造成浪费。针对上述问题,提出一种新颖的基于自适应资源分配池策略和基于竞争的群优化集成的竞争合作群协同优化算法。首先,考虑到子问题的不平衡性,将子问题对整体目标改善的动态贡献作为分配计算资源的标准;其次,为了更好地适应子问题演化状态,不固定资源分配单元,而是利用池模型进行自适应分配,并且在相同子问题连续迭代中避免重复评估个体,以节省计算资源;然后,将上述策略与基于竞争的群协同优化算法进行集成,设计了一种新的竞争合作群协同优化;最后,将该算法与其他5种算法在CEC 2010和CEC 2013套件的35个基准函数上进行比较,验证了算法的有效性。

摘要： 多峰值优化问题要求算法同时找到一个问题的多个全局最优解。近年来,演化算法已被广泛用于求解多峰值优化问题。然而,如何在极其有限的适应值评估次数内找到问题的多个全局最优解依然为演化算法带来了巨大的挑战。通过分析个体的历史更新经验,为每个个体赋予双层适应值评估概率,对个体进行选择性评估,从而减少算法运行过程中无效或低效的适应值评估,提出了一种基于概率评估差分进化的多峰值优化算法。实验结果显示,概率评估机制可以为算法节省更多的适应值评估次数,增加迭代过程,效果远好于其他主流的多峰值优化算法。

摘要： 折扣{0-1}背包问题(D{0-1}KP)是0-1背包问题(0-1KP)的一种更复杂的扩展形式。为了利用离散差分演化高效求解D{0-1}KP,首先提出了一个新V型转换函数(NV),通过NV将个体的实向量映射为一个二进制向量,与已有的S型和V型转换函数相比,NV计算复杂度更低,求解效率更高。然后,基于新V型转换函数给出了一种新的离散差分演化算法(NDDE),并利用NDDE提出了求解D{0-1}KP的一个新的高效方法。最后,为了验证NDDE求解D{0-1}KP的性能,利用它求解四类大规模D{0-1}KP实例,并与基于群论的优化算法(GTOA)、基于环理论的演化算法(RTEA)、混合教学优化算法(HTLBO)和鲸鱼优化算法(WOA)等已有算法的最好计算结果进行比较,比较结果表明,NDDE不仅求解精度更高,而且算法的稳定性佳,非常适于求解大规模D{0-1}KP实例。

摘要： 本文为了将樽海鞘算法用于求解0-1背包问题,在传统的樽海鞘算法的基础上,采用新式的T型传递函数对算法进行离散化。然后,充分利用修复优化方法对潜在解进行修复优化处理,增强算法搜索能力的同时进一步提高算法的收敛速度。在此基础上,将算法与多种求解0-1背包问题的经典算法进行比较。通过实验证明,樽海鞘算法是一种求解0-1背包问题有效的新方法。

摘要： 为了将哈里斯鹰优化(HHO)算法用于求解具有单连续变量的背包问题(KPC),基于0-1向量表示个体的编码,利用位运算重构了HHO的进化方程,并采用一种自适应变异机制改善搜索结果,由此提出了一个新的离散哈里斯鹰优化算法(DisHHO)。为了验证DisHHO求解KPC的性能,利用它求解四类大规模KPC实例,通过与已有二进制HHO以及求解KPC的最新算法比较表明:DisHHO不仅平均计算结果优,而且计算速度快,因此DisHHO是求解KPC的一个新的高效算法。

摘要： 无线传感器网络(WSN)被广泛应用于黄河流域生态环境智能监测,传感器节点能耗和寿命是无线传感器网络路由选择面临的关键问题.为了降低路由选择过程中的节点能耗,防止节点过早死亡,将演化算法应用于WSN路由选择优化,在传统优化算法的基础上进行改进,将改进的自适应演化算法应用于路由选择优化,并随机选取黄河流域100个节点的WSN拓扑结构模型验证本算法的有效性.结果表明:改进算法和传统演化算法、蚁群算法相比,在无线传感器网络路由选择优化中,有效降低了传感器能耗,缩短了算法收敛时间,延长了WSN寿命,增强了连接可靠性,实现了黄河流域生态环境实时监测保护.

摘要： 为了提高多目标任务优先级排序效率,降低软件测试的成本,满足软件测试需求,提出基于多线程的多目标任务优先级排序方法,通过多线程并发技术提高多目标演化算法的执行效率,采用融合选择函数的非支配遗传算法,设计编码、算子、个体评价,将平均故障检测率、有效执行时间设为优化目标,实现多目标任务优先级排序.实验结果表明,上述方法的多目标任务优先级排序效果最佳,收敛性好,求解目标函数的速度快,目标函数求解效率高达98％,计算行时间低至1.215ms;平均故障检测率为95％,多目标任务优先级排序准确率高达96％,平均软件测试成本为11.5万元,可降低软件测试成本,提升软件测试效率.

摘要： 演化算法作为解决大规模优化问题的重要方法,被广泛应用于机器学习、过程控制、工程优化、管理科学和社会科学等领域.然而在求解高维度、高计算密度问题时,程序性能很难得到保证.在高性能计算机上实现并行化是问题的一个热门解决方案.针对申威众核处理器的硬件特征,提出了采用二级并行策略的自适应邻域搜索的差分进化算法(SaNSDE).第一级为进程并行,实现了合作协同进化模型和池模型,将大规模问题划分为多个低维子问题并分布在不同进程上;第二级为线程并行,使用从核加速了适应度的计算过程.实验结果表明,采用合作协同进化模型和池模型的算法与传统的并行算法相比,经过多核扩展之后收敛效果提升更加明显.相较于串行版本算法,二级并行的SaNSDE算法在四个测试函数上分别获得了134.29、186.05、239.01和189.80的最大加速比.

摘要： 任务分配是编队对空防御核心问题之一,需综合考虑敌方威胁程度、任务收益、执行时间和资源消耗等多种因素,因此是一个典型的多目标优化问题.多目标优化已被证明是NPH问题,其复杂度随着兵力数量和任务规模呈指数型增长.传统的多任务分配方法主要采用分布式的完全搜索算法或分布式局部搜索算法,前者需要花费大量的时间和通信代价,后者无法确保解的质量,且涉及时间、空间和执行顺序约束,传统优化方法解决此类问题效率低,文章提出一种分布式的多目标演化算法来求解多目标任务分配问题,将约束条件转化为优化目标,通过同时优化求解目标来得到全局最优解.实验结果表明:文中方法能在更少的时间和通信代价下得到接近全局最优的任务分配方案.

摘要： 演化计算是人工智能中一个重要的分支,目前的本科教学实践对演化算法的讲授多从标准遗传算法出发,学生普遍反映算法复杂、难懂.文章提出“第一性原理”教学方法,将演化算法归结到最简单的状态,再逐步推广,最后总结提高到理论层次;以中南民族大学计算机科学学院软件与理论教研室在演化算法的本科教学中的做法为例展示“第一性原理”教学方法,说明该教学方法的效果.

摘要： 利用演化算法求解非线性方程组系统多值需要考虑两个问题:适应值转换技术和优化方法。其中种群多样性尤为重要，目前多采用多目标技术(A-WeB)小生境技术(BADE)、种群初始化等方法。

摘要： 马斯京根洪水演算方法在防洪规划中具有重要作用.针对洪水预报马斯京根模型的参数优化效率低问题,本文提出了基于混沌记忆的改进演化算法(Improved evolution algorithm based on chaos memory,IEACM).在IEACM算法中,通过混沌映射产生初始种群,保持种群的多样性;通过引进混沌优化记忆操作,实现对最优点的精细搜索;通过引进快速搜索算子,达到快速收敛的目的.同时,本文用七场降雨洪水事件来证实IEACM在洪水预报中的准确性与适用性——与标准二进制编码的遗传算法(Standard binary-encoded genetic algorithm,SGA)、混沌优化算法(Chaos optimization algorithm,COA)、随机搜索算法(Random search algorithm,RSA)相比,IEACM的平均相对误差分别减少3.10％、45.73％、60.76％;IEACM的平均绝对误差分别减少5.45％、30.82％、42.51％;IEACM的标准误差分别减少6.34％、33.05％、46.13％.IEACM具有更好的精度、更快的收敛速度.IEACM可提高马斯京根模型参数的精度,从而为实际洪水预报的参数优选提供一种新的较好的优化算法.

摘要： 大部分Level-Set演化模型基于平均曲率或梯度,这对于去除3D数据的噪声时保持线状特征是不利的；在解Level-Set演化方程时一般采用迎风格式,精度较低。在GPU上设计基于曲率差的高阶演化方程以及基于B样条和中心差分的混合Level-Set方程解法器.实验结果表明,基于B样条的Level-Set演化算法是有效的;基于扩散的演化方程容易放大特征尺寸；测地模型会增加新的特征，这些新的特征可能遮挡原来的特征，基于平均曲率的演化模型可能淡化或丢失一些特征；基于曲率差的演化模型既可以光顺数据，又可以又保持一些线状特征。

摘要： 演化硬件研究工作中的一个重要研究内容就是电路优化设计,电路优化设计有望实现复杂电路的自动设计并获得新颖、优化的设计结果,因而成为国际性的研究热点.将演化算法引入全加器电路的优化设计中,引入了新的个体评估机制并提出了适用于全加器演化的演化算法.通过仿真实验验证了算法的有效性.

摘要： 本文针对演化算法中的自适应动态种群问题,探讨了年龄动力学模型,给出了简化的模型框架,提出了基于该模型的自适应种群演化算法,实现了对进化种群规模的动态控制.实验表明,该算法比固定种群规模的经典算法具有更好的性能.

摘要： 演化硬件研究工作中的一个重要研究内容就是电路优化设计,电路优化设计有望实现复杂电路的自动设计并获得新颖、优化的设计结果,因而成为国际性的研究热点。将演化算法引入加法器电路的自动设计中,对适用于加法器演化的染色体编码方案和评估方法进行了改进,并实现了相应的演化算法。通过模拟实验验证了算法的有效性并分析了矩阵规模和逻辑门种类对收敛性的影响。

摘要： 演化算法的编码形态是其特征的重要体现,对算法性能有着根本性的影响.该文系统介绍了基因表达式编程在编码形态上的研究进展,比较了各种编码的特点,并提出了一种新的编码方式,最后归纳了编码形态发展的基本准则,对未来编码形态的发展提出了展望.

摘要： 在当今的服务计算环境中，用户的需求和期望是不断变化的。旧的服务不断淘汰，需要新的服务不断出现并且进行替代。服务组合结合了性能、适应用户需求和环境变化的优势。提出了一个连同监控的服务组件自适应概念性建模架构，目的是保持用户需求的变化同动态的服务组织结构及服务质量相一致。具体来说，在一个从非功能性需求(NFR)框架中捕获用户需求的软目标情景下，服务组合结构将使用一个类CSP语法表达。提出的方法将在服务仿真环境中进行评估，用于表明该方法是解决现实世界的服务自适应和演化的可行方案。

摘要： 在当今的服务计算环境中，用户的需求和期望是不断变化的。旧的服务不断淘汰，需要新的服务不断出现并且进行替代。服务组合结合了性能、适应用户需求和环境变化的优势。提出了一个连同监控的服务组件自适应概念性建模架构，目的是保持用户需求的变化同动态的服务组织结构及服务质量相一致。具体来说，在一个从非功能性需求(NFR)框架中捕获用户需求的软目标情景下，服务组合结构将使用一个类CSP语法表达。提出的方法将在服务仿真环境中进行评估，用于表明该方法是解决现实世界的服务自适应和演化的可行方案。

摘要： 本发明公开了一种运用差分演化和分治算法优化大规模多源供水管网的方法，包括以下步骤：基于流行方向将供水管网优化问题分解成Ns个子问题；对Ns个子问题的种群进行初始化，同时初始对应的各个子问题的差分演化的优化器；对于每个解进行变异操作计算变异向量；对变异后的解进行交叉操作；最后选择子代；每个子问题的种群保留一个截止到目前最优的解；迭代所有子问题后更新全局最优解。

摘要： 本发明公开了一种神经架构搜索算法的演化参数优化方法、系统及存储介质，该演化参数优化方法包括获取待识别对象，并确定对待识别对象进行识别的神经网络模型；选取对神经网络模型进行构建的神经架构搜索算法和搜索空间中的神经网络架构；读取神经网络架构的节点数和节点操作种类，构建神经架构搜索算法搜索神经网络模型的期望首达次数理论模型；根据期望首达次数理论模型，通过控制变量法绘制种群大小和迭代次数的关系图；根据关系图，选取神经架构搜索算法最优的种群大小和迭代次数。

摘要： 本发明实施例公开了一种基于演化算法的拼车调度方法，以包括车辆行程的起点、终点和能够提供的第一座位数量；乘客行程的起点、终点和需要的第二座位数量的拼车信息为参数，对拼车调度方案进行数学建模，然后以最优化服务质量为第一目标函数、以最小化调度方案的成本为第二目标函数，采用演化算法，在计算得到最优的车辆乘客匹配的情况下，计算所述车辆的最短路径并给出车辆的拼车行程，得到拼车调度方案。本发明采用基于演化算法车辆乘客匹配相较于的空间的网格搜索而言，与车辆分配的先后顺序是无关的，相较于贪心法的先两两乘客匹配再车辆与乘客簇匹配的两阶段分配而言，是对所有车辆的分配方案统一优化的，它的搜索更具有全面性。

摘要： 本发明提出了一种基于差分演化算法的静电刚度谐振式加速度计设计方法，实现步骤为：定义目标函数及差分演化算法相关参数；编码与差分演化算法种群初始化；对初始化种群进行差分变异操作、交叉操作、选择操作；满足终止条件得到确定性最优解；确定性最优解进行健壮性优化输出健壮性最优解。本发明兼顾微机电系统加速度计的其他性能指标，在加速度计关键参数取值范围内寻求标度因数最优解，在设计静电刚度谐振式加速度计结构的过程中，采用差分演化算法框架对其结构尺寸进行优化设计。在选择操作之前对超出约束范围的解设计了惩罚函数并对确定性最优解进行了健壮性优化，设计出具有标度因数健壮性的静电刚度谐振式加速度计结构。

摘要： 本发明提供一种用户画像刻画方法，包括：将具有相同行为的用户分别打上原有标签组合，获取用户对原有标签组合的反馈信息，并分别计算原有标签组合的符合程度，根据原有标签组合利用差分演化算法生成新的标签组合，获取用户对新的标签组合的反馈信息，并分别计算新的标签组合的符合程度，当新的标签组合的符合程度高于预设标签组合的符合程度，且高于预设值时，将用户打上新的标签组合。本发明能够自动为用户打上最合适的标签组合，提高用户标签的准确性，帮助企业快速找到精准用户群体以及用户需求。

摘要： 本发明提供一种基于改进的灰色预测演化算法的测试用例生成方法，包括以下步骤：S1，对被测程序进行静态分析，得到被测程序的目标路径集和静态结构信息；S2，基于目标路径集和静态结构信息，执行GPE‑ISS算法产生新的测试用例集；S3，将新的测试用例集驱动被测程序运行；S4，记录并使用运行结果更新路径覆盖信息；S5，计算测试用例的适应度函数值，选取最有潜力的测试用例进行下一轮的迭代；S6，重复执行S2‑S5，直到满足算法的终止条件。本发明的方法可以用较少的测试用例来获得了最高的路径覆盖率，提高面向路径覆盖的测试用例生成的效率，从而可以降低测试成本。

摘要： 本发明提供了一种结合梯度算法和演化算法对神经网络模型进行优化的方法，包括步骤1：使用梯度算法对神经网络模型进行初步训练；步骤2：将使用梯度算法优化神经网络模型所得最后N个迭代的优化解取出，将最后N个迭代的优化解作为演化算法的初始搜索范围；步骤3：使用演化算法对神经网络模型进行参数更新，获得更优解。本发明的有益效果是:本发明可以融合梯度算法与演化算法的优点，提高模型准确率，较大程度地保证模型收敛到全局最优解，确保模型稳定性，同时在不同数据集及神经网络模型中可广泛应用。

摘要： 本发明公开了一种基于演化算法的深度神经网络训练与优化算法。步骤包括：步骤1，训练样本准备，即准备神经网络训练所需的样本数据；步骤2，神经网络结构编码，通过设定初始网络结构和网络结构复杂度变化的范围，通过迭代将待搜索的所有可能的网络结构和参数写入网络结构编码表；步骤3，利用超粒子群算法对网络结构编码表中的项利用同时改变种群中超粒子的位置和空间，来搜索最优的神经网络结构编码。实验证明最优编码代表的神经网络结构和参数比人工通过经验设计和训练的神经网络结构和参数在CT图像肺间质性疾病分类问题上有更好的精确度。

摘要： 本发明公开了一种AVP条件下预约式共享停车供需匹配的自适应演化算法，利用AVP车辆“空驾”特征，在共享停车需求的不同时段将车辆停放在不同泊位，以最少的AVP移位次数最大化满足共享停车需求，提高泊位利用率。具体包括以下步骤：在分割共享停车供需时间的基础上，定义配对、时段配对、配对方案概念；通过分析给定时段上车辆进行泊位调整的条件和泊位变化对于配对方案移车次数的影响，设计AVP车辆在所有时段上进行泊位调整的自适应优化策略；并通过引入变异操作避免自适应演化算法过早陷入局部最优，本发明设计了一个全新的算法，该算法求解中等规模的匹配问题时计算时间小于1秒，可用于实际的共享停车平台在线泊位分配。

摘要： 本发明一种基于协同演化算法的流水车间节能调度求解方法，该调度问题同时考虑经优化济指标和绿色指标。在提出的TS‑CEA中，分析问题的属性后，两个构造型启发式算法被使用去产生想要的初始调度解。在TS‑CEA的第一阶段，一个迭代局部搜索策略被使用去搜索潜在的极值解，同时一个混合邻域结构被使用去改善解的质量。在TS‑CEA的第二阶段，一个基于关键路径知识的变异策略被提出去扩散极值解到整个找到的非支配前沿。在算法的演化过程中，ILS和变异策略形成一个协同演化的闭环系统。本发明的有益效果：TS‑CEA解决零等待流水车间调度节能调度问题的高效性和有效性。