|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 双精英协同进化遗传算法显示文摘针对传统遗传算法早熟收敛和收敛速度慢的问题,提出一种双精英协同进化遗传算法(double elitecoevolutionary genetic algorithm,简称DECGA).该算法借鉴了精英策略和协同进化的思想,选择两个相异的、高适应度的个体(精英个体)作为进化操作的核心,两个精英个体分别按照不同的评价函数来选择个体,组成各自的进化子种群.两个子种群分别采用不同的进化策略,以平衡算法的勘探和搜索能力.理论分析证明,该算法具有全局收敛性.通过对测试函数的实验,其结果表明,该算法能搜索到几乎所有测试函数的最优解,同时能够有效地保持种群的多样性.与已有算法相比,该算法在收敛速度和搜索全局最优解上都有了较大的改进和提高. | 刘全 王晓燕 傅启明 张永刚 章晓芳 | 2012 | 软件学报2012，23，4： | 84 |
| 2 | 扇形采样约束多目标差分进化算法及工程应用显示文摘工程实践中存在大量约束多目标优化问题(Constrained multi-objective optimization problems,CMOPs),多目标进化算法是求解这类问题的一类有效方法。引入扇形采样技术,将二次变异双种群差分进化算法和约束处理方法相结合,设计求解CMOPs的进化算法——基于扇形采样的约束多目标差分进化算法(Sector-sampling-based constrained multi-objective differential evolution algorithm,SS-CMODE)。扇形采样可避免耗时的非劣操作,且能保证Pareto最优解集的良好逼近性和多样性。通过3个典型CMOPs的对比测试,表明SS-CMODE的解集均匀性和计算效率明显优于对比算法。以J23-80机械压力机使用的双曲柄串联机构多目标优化为例,研究新算法求解工程问题的有效性。以锻冲工作阶段平均速度波动最小和力传动性能最优为目标,建立机构的约束多目标优化模型,再应用SS-CMODE求解该问题。结果表明,该算法能求出多组满足约束条件的Pareto最优解,且解集均匀性良好。 | 车林仙 何兵 程志红 | 2013 | 机械工程学报2013，49，23： | 6 |
| 3 | 实数GA基因层次种群多样性数学模型显示文摘针对现有GA种群多样性定义往往针对二进制编码且存在计算量大、适用性差等问题,建立实数编码基因层次种群多样性数学模型。将实数编码中每一维决策变量的取值范围划分为若干等长度的区间段,并借鉴二进制编码中基因位的含义,定义区间段基因位变量的概念,将其看作随机变量并设计图形化方法,描述每一维变量所有编码值在各等长度取值区间的分布情况,以此刻画种群多样性,通过2个测试函数的优化分析,验证模型的有效性;分析区间段基因位的特性,指出其可以作为复杂非线性优化问题中产生初始群体的先验知识使用,从而可以显著提高寻得最优解的概率及收敛速度;指出今后进一步的研究思路和方向。 | 赵红 朱杰 朱洁 李雯睿 | 2015 | 中南大学学报(自然科学版)2015，46，3： | 2 |
| 4 | 类搜索算法显示文摘提出利用类结构驱动的群体进化计算方法——类搜索算法(CSA).CSA在个体间构造簇类形态的虚拟连接关系,并通过对类组织的结构和类搜索过程进行动态调节来优化模拟进化系统的计算状态,提高群体的搜索效率.介绍了CSA的基本模型,并基于CSA融合进化算子与差分计算机制设计出数值优化算法CSA/DE.对多个典型高纬函数和复杂混合函数的仿真实验结果说明,CSA/DE是一种对高纬连续问题高效、稳定的搜索优化方法.该工作一方面验证了CSA的可行性和有效性;另一方面则显示:基于类搜索模型可有效融合异构且具有不同计算特性的搜索机制,形成对待求解问题更具针对性且协调性更佳的搜索计算方法.这为高性能优化算法的设计提供了一条新的途径. | 陈皓 潘晓英 | 2015 | 软件学报2015，26，7： | 2 |
| 5 | 云计算环境下基于热力学演化算法的任务调度与虚拟机分配算法研究显示文摘在云计算环境下的云任务调度和虚拟机分配过程建立了数学模型,并将其转换为整数编码形式的组合优化问题,并提出了一种热力学演化算法进行问题求解。算法根据整数编码形式定义了基因熵和个体能量,并引入了温度的概念,算法中提出了两种选择策略,算法利用自由能极小值原理驱动种群向最优化方向演化。实验结果表明热力学演化算法可以有效地解决云任务调度和虚拟机分配问题,可以为云环境调度问题提供依据。 | 柳炳祥 徐星 胡豪 应伟勤 | 2013 | 科学技术与工程2013，21，15： | 2 |
| 6 | 求解动态优化问题的多种群热力学遗传算法显示文摘多种群方法已被证明是提高演化算法动态优化性能的重要方法之一。提出了多种群热力学遗传算法(multi-population based thermodynamic genetic algorithm,MPTDGA)。该算法使用一个概率向量在热力学遗传算法迭代过程中不断演化优化与竞争学习,环境变化时分化成三个概率向量,并分别抽样产生原对偶和随机迁入三个子种群,依据这三个种群和记忆种群最好解的情况,选择新的工作概率向量进入新环境进行学习。在动态背包问题上的实验结果表明,MPTDGA比原对偶遗传算法跟踪最优解的能力更强,有很好的多样性,非常适合求解0-1动态优化问题。 | 李志杰 李元香 | 2014 | 计算机科学与探索2014，8，2： | 1 |
| 7 | 动态演化下的无标度网络生成算法显示文摘当无标度网络上的动力学过程导致网络结构动态演化时,随机性会破坏网络的无标度属性.为了解释动态演化下的一些网络具有无标度特征,提出一种无标度网络生成算法(SFNGA),该算法能充分考虑到现实网络随机性强的特性,结合边度优化策略,加入出生率和死亡率等参数来模拟动态演化过程,在面对节点和边的随机增加或删除时,能保证动态演化下的网络一直是无标度的.理论分析及实验结果均表明:动态演化下的无标度网络生成算法确实能在动态演化下保存网络的无标度特征,并能够抵抗随机性的干扰. | 郑波尽 代航 胡丽君 孙爽 | 2020 | 中南民族大学学报(自然科学版)2020，39，3： | 1 |
| 8 | 基于模拟退火机制的精英协同进化算法显示文摘为了获取更好的全局寻优性能,同时保持较快的收敛速度,文中结合精英策略、协同进化思想和模拟退火机制,提出了一种基于模拟退火机制的精英协同进化算法(SACEA)。算法维持三个种群:精英种群、普通种群和随机种群。精英个体组团,并和其他组员个体协作或对其引导来达到进化目的。SACEA算法在精英组团过程中引入随机种群以增加种群多样性,同时随机个体和精英个体的合作采用快速模拟退火机制来实现,使算法获得了更好的全局寻优性。通过对15组标准测试函数的仿真,并和已有的算法进行对比,很容易得出:SACEA算法具有更强的全局寻优能力,同时收敛速度也有所提高。 | 贺玫璐 罗杰 | 2015 | 计算机技术与发展2015，25，1： | 1 |
您所在的机构暂未开通此部分的功能，请联系管理员