进化算法

摘要： 针对现有的基于进化算法(EA)的贝叶斯网络结构学习算法存在收敛速度慢、局部搜索能力差以及种群数目难以确定的问题,提出了一种基于改进EA的贝叶斯网络结构学习算法.借助最大支撑树(MWST)得到种群中节点的父节点数目上限,设计了计算函数来估计参与进化的种群数目.为了提高算法的局部搜索能力,设计了个体变异函数来增加种群多样性.利用条件独立性获得初始结构来进一步限制模型搜索空间,提高算法的运行效率.实验结果表明:与经典的EA和最大最小爬山(MMHC)算法对比,本文提出的MWST-EA提高了贝叶斯网络(BN)模型的学习效率,并且能够得到较高的准确率.将MWST-EA用于UCI数据库中糖尿病数据集上,与支持向量机(SVM)、MMHC方法相比,识别率分别提高了1.54％和11.15％,具有良好的应用价值.

摘要： 为了在提高居民用户电能质量和用电可靠性的同时减少电费开支,提出了一种源储荷协调优化数学模型及其改进强度Pareto进化算法。首先,建立用户侧储能系统模型,并根据各负荷参与需求侧响应与否以及参与方式进行分类;其次,以减少用电费用、降低电压偏差和缩短故障停电时长为目标,综合考虑功率平衡、储能荷电状态、柔性负荷的优化范围等约束条件,构建了在分时电价和需求侧响应机制下的多目标源储荷协调优化模型;然后,提出了基于改进强度Pareto进化算法和多目标模糊综合评价决策法的优化求解策略;最后,通过一个低压网络仿真算例验证了所提模型的有效性。

摘要： 针对单一进化算法不适合解决所有优化问题的情况,提出了一种混合多种进化算法解决约束工程优化问题的算法。该算法混合了差分进化、粒子群优化和共生生物搜索等3种算法,首先利用差分进化算法产生和选择最优种群,然后利用粒子群优化算法寻找每一个最优解并进行更新,最后利用共生生物搜索算法对所有种群进行共生互动更新,选择出最优种群以进行下一代的迭代。通过混合多种进化算法,采用改进的惩罚函数对多约束条件进行控制,使得该混合算法可以在不同的阶段利用各进化算法的优势进行寻找最优解,从而提高了求解精度。实验结果表明:与其他相关算法比较,该算法具有更高的求解精度和更快的收敛速度。

摘要： 权重求和是基于分解的超多目标进化算法中常用的方法,相比其他方法具有计算简单、搜索效率高等优点,但难以有效处理帕累托前沿面(Pareto optimal front,PF)为非凸型的问题.为充分发挥权重求和方法的优势,同时又能处理好PF为非凸型的问题,本文提出了一种基于目标空间转换权重求和的超多目标进化算法,简称NSGAIII-OSTWS.该算法的核心是将各种问题的PF转换为凸型曲面,再利用权重求和方法进行优化.具体地,首先利用预估PF的形状计算个体到预估PF的距离;然后,根据该距离值将个体映射到目标空间中预估凸型曲面与理想点之间的对应位置;最后,采用权重求和函数计算出映射后个体的适应值,据此实现对问题的进化优化.为验证NSGAIII-OSTWS的有效性,将NSGAIII-OSTWS与7个NSGAIII的变体,以及9个具有代表性的先进超多目标进化算法在WFG、DTLZ和LSMOP基准问题上进行对比,实验结果表明NSGAIII-OSTWS具备明显的竞争性能.

摘要： 预测蛋白质三维结构对了解其生物功能、疾病发病机理研究、药物研发等具有重大意义.为了提高蛋白质结构预测的精度,提出了一种基于距离约束和二面角优化的蛋白质结构预测方法(Distance Constraint and Dihedral Angle Optimized Protein Structure Prediction Method, DCDA).首先,对预测的残基间距离分布图进行筛选,进而构建基于残基间距离分布的构象评估模型,指导构象选择;然后,在片段组装大范围搜索构象空间的基础上,利用基于二面角差分进化采样策略增强结构灵活的Loop区域采样,进一步提高拓扑结构的精度,增强近天然态构象采样能力.在15个测试蛋白的预测结果表明,DCDA能够达到较高的预测精度,是一种有效的蛋白质结构预测方法.

摘要： 本文提出了一种基于K-means聚类适应度指导交配限制的多目标优化算法(K-means clustering-based Fitness Guided mating restriction multi-objective Evolutionary Algorithm,KFGEA).在该算法的迭代过程中,利用K-means聚类算法从全局角度提取种群结构化信息.基于聚类所得的全局信息,本文围绕个体局部信息设计了一种适应度指导交配限制策略去完成全局与局部信息的融合.该策略根据适应度值这一确定性信息来判断个体质量,对非支配解进行近邻重组,对支配解进行全局勘探,去维护算法搜索过程中开采和勘探的平衡.将KFGEA与多种主流的多目标进化算法进行试验对比研究与参数灵敏度分析的结果表明,KFGEA在求解具有复杂特性的多目标优化问题时优势明显,该策略可以有效提高多目标进化算法的性能.

摘要： 偏好多目标进化算法作为多目标优化方法的重要分支,被广泛应用于科学研究和工程实践,具有重要的研究意义。为了求得多目标优化问题中的极点解及在各优化目标上性能最折衷的膝点解,提出了用切比雪夫距离来定义膝点的方法并给出了几何解释,基于此构建了一种求解极点解和膝点解的多目标进化算法HP-NSGA-II。该算法通过区域动态更新策略使得目标区域随迭代过程动态更新,最终收敛于目标区域;通过区域间平衡性保持策略确保各区域间个体数量的平衡性,使得个体较为均匀地分布在各区域内部。基于广泛采用的测试函数开展了充分的实验验证,结果表明,HP-NSGA-II算法在二维测试问题及三维测试问题上具有较好的收敛性、区域间平衡性以及区域可控性,可以准确求得测试问题的极点解及膝点解。

摘要： 针对目前基于正则性辅助的多目标优化算法缺少局部信息以及模型参数设置对多目标优化算法的影响问题,本研究提出一种基于正则性辅助的多目标优化进化算法(Regularity Assisted Multi-objective Optimization Evolutionary Algorithm,RAMEA)。该方法将高斯采样和基于邻域的交配重组结合并用于子代重组,同时使用k-均值聚类方法获取流形结构信息,将种群划分为K个聚类,用K个聚类的均值向量建立高斯概率模型,从中抽取K个后代,然后将取样解作为父代添加到每个集群中去交配生成其他子代解。实验对比结果表明,研究提出的基于正则性辅助的多目标优化进化算法明显优于其他算法,其参数灵敏度和有效性表现更加突出。

摘要： 针对现有面向多目标优化问题的约束处理方法存在求解效率不足,基于分解策略的多目标进化算法受到约束限制导致求解性能低的问题,提出一种基于记忆策略的动态分解约束多目标进化算法.本文首先引入具有记忆功能的归档集,改进基于短暂忽略非容许解的约束处理方法,提高算法的求解鲁棒性.然后结合基于分解的多目标进化算法,设计一种动态分配搜索资源的策略,提高算法的寻优能力.最后将设计的算法用于求解约束多目标基准测试集和1个工程问题,仿真结果表明,本文所提出算法的性能优于对比算法.算法具有有效性和可行性,求解约束多目标优化问题具有较好的性能.

摘要： 受困于维数诅咒,能够求解高维偏微分方程(PDEs)的算法一直以来都极其有限。鄂维南和韩劼群在2017年提出的算法通过将未知解的梯度看作策略函数,利用深度学习可以较为有效的解决高维偏微分方程,但却无法解决带有真正策略函数的问题。本文提出了一种新算法,通过多层神经网络表示策略函数映射,将方程的解映射为适应度函数,把网络中的参数看作自变量,通过进化算法优化整个策略函数;同时配合鄂维南和韩劼群的算法求解问题。通过在Riccati方程和投资消费问题等的实际算例模拟下,表明了算法的准确性和实际意义。

摘要： 针对多约束条件下的UCAV多航迹规划及跟踪问题,首先建立了该UCAV数学模型,在考虑多种约束条件下,给出航迹节点的染色体表示方法以及适应度函数,根据多样化作战需求提出了多航迹规划进化算法;然后利用B样条方法对航迹进行了平滑处理,通过对规划的航迹节点进行修正和插值,得到航迹上UCAV的姿态信息;最后基于UCAV数学模型,应用滑模变结构控制方法设计了轨迹跟踪控制律,解算得到控制量.数字仿真结果表明,规划出的多航迹能够满足不同作战需求,并能有效避开威胁,所设计的跟踪控制器跟踪精度高、鲁棒性强.

摘要： 采场参数智能优化设计是地下开采设计的发展方向,为此提出了一种基于进化算法和正交数值分析法相结合的采场结构参数设计方法.首先采用正交数值模拟法建立不同结构参数组合下的三维数值模型,利用遗传规划获得待优化结构参数与岩移约束指标之间的非线性函数表达式,借助于遗传算法确定采场结构参数优化指标.通过实际应用表明:该方法是一种采场结构参数智能优化的新方法,具有较高的实用价值.

摘要： 关于进化算法的收敛性研究，进化算法的等态关系模型，基于等态关系模型的进化算法收敛性对比理论，等态关系模型应用举例Ⅰ：离散型算法，等态关系模型应用举例Ⅱ：连续型算法，总结与研究团队简介，不需要Markov氏链状态转移矩阵的不可归约性条件，可以分析更多类型的进化算法；通过对比算法的收敛性，提高进化算法的求解精度。

摘要： 本文的研究方向主要是高效进化算法设计(集成进化算法,Ensemble)、智能调度算法及其在对地观测系统中的应用以及变量约简理论及其应用。

摘要： 随着面临的工程问题越来越复杂,飞行器设计面临诸多不确定性因素.传统的确定性优化设计在设计过程中并没有考虑这些不确定性因素,这些不确定性因素的存在使得最优设计的性能出现较大的波动甚至不能满足设计的要求.本文发展一种结合随机代理模型和进化算法的自适应的随机优化框架.这种自适应的代理模型不必要在整个设计空间内具有高的近似精度,而只需在重要的区域特别是最优解附近具有高的近似精度.这样在保证模型精度的同时也可以减少构建模型的样本点数.其中,采用NIPC方法构建一个包含气动特性随机特征的随机代理Kriging模型,可以大大提高模型的训练效率.并通过一个二维的跨声速气动稳健性设计验证该方法的高效性及优越性.

摘要： 绿色住区设计是建设宜居城市和实现节能减排目标的重要手段与方法.本文以城市住区室外热环境优化为出发点,采用住区热岛强度、人均用地面积和日照时数为性能评价指标,基于多目标进化算法,提出绿色住区的参数化设计方法;在此基础上,以参数化软件Rhino&Grasshopper为平台,采用Python脚本编程实现住区方案建模与性能指标的计算,结合SPEA2与HpyE进化算法插件Octopus,实现住区的性能评价与多目标优化.该平台能同时针对技术经济指标和环境性能指标进行定量计算、评估与优化,可获得满足多目标优化的总平面布局最优解集,为住区规划设计提供合理、科学的决策支持.

摘要： 多目标进化算法即对初始备选解进行进化，选择好的个体再次进化产生新解，如此不断迭代找到更好的解。在此基础上，提出混合重组算子概念。文中从个体层面，设计了一个SBX与DE的混合交叉算法；从基因层面，设计了一个SBX与DE的自适应交叉算子；从基因层面，设计了基于父代基因交换的混合交叉算子。

摘要： 建筑空间布局自生成系统基于生成设计基本原理,结合进化算法和多智能体模型,实现建筑功能布局、空间大小的优化自治.设计师预先制定如房间数量、面积以及拓扑关系等初始限定,结合预定义的建筑学约束条件,程序运行产生大量符合预设规则的结果,为建筑创作提供了更多可能性.生成实例表明多智能体模型显著提升了后期布局优化的效率和生成结果的质量,复杂空间布局得到了较好的处理.

摘要： 多目标优化问题Portfolio是投资管理中的决策难题,交互式决策是帮助决策者获得满意投资方案的一种重要途径.针对在交互式决策过程中如何获取Portfolio的多目标候选决策方案,提出了一种求解Portfolio的多目标优化方法M-PBIL.和传统的基于现有解重组生成个体的进化算法不同,M-PBIL遵循了PBIL基于概率模型生成个体的策略,探索了求解多目标优化问题的三个关键技术:首先,对于连续空间的多目标优化问题Portfolio,提出了实数值的编码方案,克服了传统PBIL二进制编码的编码冗余和概率冲突问题;其次,设计了基因位的变长概率模型,实现了决策变量取值区间的动态划分;再者,对进化过程中的个体采用了基于支配性和代表性的评价机制,解决了多目标优化问题非劣解的选择问题.对M-PBIL的求解性能从收敛性和分布性两个方面采用了定性和定量的评价,在标准数据集上和有代表性的NSGAⅡ进行了比较.实验结果充分表明,M-PBIL具有较好的收敛性和分布性.

摘要： 概述了载人航天任务规划，介绍了交会对接任务规划EA应用，以及空间站运营任务规划EA应用，进一步提高效率：与领域知识更好地结合，GPU并行计算EA多目标决策方法，通过EA指导目标函数选择，快速有效地获得偏好解。

摘要： 本发明公开了一种基于差分进化算法和TrimmedICP算法的点云配准方法，TrimmedICP算法可以解决点云配准中重叠率较低的问题，但是需要首先设置很好的旋转矩阵初值和平移矩阵初值，否则会陷入局部最优；差分进化算法可以通过随机方式生成初始种群，并且应用变异、交叉、选择操作使种群分布在所有的范围；两者相结合既解决了选取旋转矩阵和平移矩阵初值的困难问题，又可以获得全局的最优解，以获得精确的配准结果。

摘要： 本发明涉及一种遗传算法与差分进化算法串行融合的进化算法，该算法包括如下步骤：S1，随机生成初始种群；S2，利用适应度函数对初始种群中的个体进行适应度的计算；S3，实施进化计算步骤，设置适应度函数值的最小阈值为进化计算的终止条件；S4，对种群中不满足终止条件的全部个体进行遗传操作，产生子代种群1；S5，对子代种群1进行差分进化操作，产生子代种群2；S6，将子代种群2继续返回步骤S2循环操作，直到达到进化计算的终止条件，输出具有最优适应度的个体。通过本发明解决了遗传算法容易过早收敛、差分进化算法计算效率较低的问题点，提高进化算法的优化效率和优化效果。

摘要： 本发明涉及一种遗传算法与粒子群算法并行融合的进化算法，该算法包括如下步骤：S1，随机生成初始种群；S2，利用适应度函数对初始种群进行适应度的计算；S3，实施进化计算步骤，设置适应度函数值的最小阈值为进化计算的终止条件；S4，进行遗传操作，产生子代种群1，同时进行粒子群进化操作，产生子代种群2；S5，将子代种群1和子代种群2合并，并按照适应度排序，取适应度高的个体组合为子代种群3；S6，将子代种群3继续返回步骤S2循环操作，直到达到进化计算的终止条件，输出具有最优适应度的个体。通过本发明解决了遗传算法后期效率低下、粒子群算法容易陷入局部最优解的问题，提高进化算法的优化效率和优化效果。

摘要： 本发明公开了一种基于协同进化和协方差的进化算法，具体包括如下步骤：步骤1,初始化种群；步骤2,针对步骤1产生的初始种群，利用扩展的差分分组，根据变量之间的相关性，对变量进行分组，将相关性变量分为一组；步骤3,对扩展的差分分组之后的种群进行协同进化；步骤4,繁殖；步骤5,对进化后的种群利用协方差进行特征分析；步骤6,选择；步骤7,判断是否满足终止条件，若函数评价次数FES

摘要： 本发明公开了城市供水领域的差分进化算法‑自回归耦合算法城市需水量预测模型，包括以下步骤：S1：确定城市需水量预测模型；S2：对学习样本时间序列进行处理得到零均值；S3：计算学习样本时间序列的自相关系数rk；S4：确定模型参数的优化目标函数f；S5：生成模型参数集P，并将模型参数集P设置为目标向量；S6：采用差分进化算法对群体进行初始化；S7：对目标向量采用差分进化算法变异操作，生成变异向量；S8：对变异向量采用差分进化算法杂交操作，生成试验向量；10：使用最优模型参数的城市需水量预测模型进行预测，本发明达到达到提高模型预测精度的目的。

摘要： 一种融合多目标进化算法和合同网算法的多无人机系统任务分配方法，首先，设定约束条件和目标函数，构建多无人机协同任务分配的多目标优化模型。第二，根据问题所属的弹药情况选择交叉变异算法，求解多目标优化模型。第三，从Pareto解集中选择一个非支配解，将其作为被具体执行的任务分配方案。第四，任务重分配机制被激活后，设定任务重分配问题的目标函数，构造任务重分配模型。第五，对于突发情况利用合同网方法求解任务重分配模型，得到更适合当前战况的任务分配方案。本发明能够为战前任务分配提供一个完整的任务分配框架，适用于求解多无人机协同任务分配的多目标优化，并可协助决策者从Pareto解集中选解，同时能够对突发情况实现实时的任务重分配。

摘要： 本发明的目的在于针对社会网络分析影响力节点识别与传播最大化问题现有解决技术中存在的问题，提供一种基于离散差分进化算法的多目标影响力最大化种子节点识别算法，实现对影响力节点集合的高效低成本选取。所述算法分为四个组成部分：种群初始化、突变、交叉和选择操作；为了维持种群的多样性，初始化阶段利用了一个随机策略去产生每一个个体的位置向量；突变操作是差分进化算法的核心部分，该部分决定了解的质量；这一操作的目的是对于每一个原始个体产生一个突变个体，从而形成一个突变种群；由突变操作得到突变种群，由突变种群和原始种群交叉得到交叉种群；选择操作是算法迭代的最后一个过程，目的在于产生一个新的拥有更高质量解的种群。

摘要： 本发明公开一种基于差分进化算法‑深度森林算法的废旧手机识别方法，将DE和DF算法进行结合应用于废旧手机回收识别；首先，基于经验选择对识别结果影响较大的多尺度特征参数和DF参数；接着，将DF废旧手机识别准确率作为适应度函数，通过DE算法找出模型参数的最优解集；最后，将最优解集传入手机识别模型中，基于工信部手机图像的仿真结果证明了该方法的有效性。

摘要： 本发明涉及教育排课系统技术领域，具体涉及一种基于DNA遗传进化算法的优化排课算法，包括如下操作：对班级、课程、教室、教师相互之间进行数字信息处理；建立时间段，并将课程、教室、教师作为任务单元进行编码；生成初始种群；计算个体的适应度，满足适应度优化准则，译码输出、结束计算；不满足选择再生个体；被选中个体进行交叉、变异操作后进入子代种群，并跳转至计算个体的适应度；本发明旨在提供一基于遗传算法设计的、高效率、且课程分布合理的排课算法。

摘要： 本发明公开了一种基于差分进化算法和TrimmedICP算法的点云配准方法，TrimmedICP算法可以解决点云配准中重叠率较低的问题，但是需要首先设置很好的旋转矩阵初值和平移矩阵初值，否则会陷入局部最优；差分进化算法可以通过随机方式生成初始种群，并且应用变异、交叉、选择操作使种群分布在所有的范围；两者相结合既解决了选取旋转矩阵和平移矩阵初值的困难问题，又可以获得全局的最优解，以获得精确的配准结果。