简介：共同进化算法是一种在一般进化算法基础之上提出的新的进化算法,由于它采用了解空间分离编码,能有效地克服一般进化算法中固有的早熟收敛问题.本文主要对共同进化算法进行了综述,提出了共同进化遗传算法的算法模型,提出了共同进化算法中有待解决的问题,并为进一步研究共同进化算法提供了方向.

简介：运用遗传算法解多目标问题,结果往往会陷入局部最优。引入传统算法求得的外部种群,提出基于随机扰动的RDMOGA遗传算法。将新算法用标准多目标测试函数进行测验,并与韩丽霞提出的NMOGA算法进行对比,实验结果表明,新算法表现出良好的搜索性能。

简介：差分进化算法是一种新的进化计算技术，具有良好的优化性能，但是对于高维多模态函数，算法易早熟收敛；其优化性能受差分进化模式类型及演化控制参数取值的影响较大。为此，提出自适应加速差分进化算法，该算法利用混沌的遍历性产生初始群体，以克服种群体初始化时的盲目性和随机性；其次随着搜索过程的进行随机自适应地调整缩放因子和选取差分进化模式，以减少人为因素影响，增强搜索能力。通过对多个函数进行仿真试验研究，结果表明该方法寻优效果显著，明显减少了迭代次数，提高了计算效率。

简介：提出一种多精英协同进化遗传算法（Multi-elitecoevolutionarygeneticalgorithm,简称MCGA）.多精英协同进化遗传算法借鉴精英策略和协同进化的思想,从种群中选择多个精英个体组成子种群,选择多个不同的而且适应度高的个体作为进化操作的核心.通过不同的选择策略进化子种群,多个子种群采用不同的进化方式.实验数据表明算法性能与传统遗传算法相比提高了收敛速度和寻找最优解的能力.

简介：针对粒子滤波器存在的粒子贫乏问题,提出了一种基于云模型改进的遗传重采样方法。选择操作采用相隔一定代数进行随机采样的方式,防止选择压力过大导致粒子贫化;利用Y云发生器实现变异操作,根据粒子的观测概率自适应控制搜索范围,在现有粒子的附近搜索精良粒子,在提高粒子有效性的同时增加了粒子的多样性。仿真结果表明：改进后的算法有效地解决了粒子的贫乏问题,提高了滤波性能。

简介：船舶交通流受到多种因素的影响,难以用精确的数学模型描述,以本船和来船的实时航向、航速、位置坐标为输入参数,结合船舶避碰轨迹建立模型,提出了一种基于进化算法的船舶避碰轨迹建模方法.该模型以自由度船舶运动学为基础,利用基于状态的过滤模块,来提高数据的可用性;同时,采用进化算法对描述船舶避碰轨迹问题的系统运动方程进行求解,最终规划出最优避碰路径.理论分析和实验结果表明,该建模方法具有高执行效率、高精度以及可扩展性.

简介：对于交叉或变异染色体适应度函数值差异过小导致的进化停滞问题,遗传算法中解决进化停滞问题的可行方案,网络优化问题中出现的进化停滞问题就是其中一个例子

简介：介绍了两种分别引人遗传算法和免疫算法的盲源分离方法．通过仿真比较试验表明，两种算法对混叠信号的分离都有效，但基于免疫算法的分离效果都优于基于遗传算法的分离结果．

简介：多目标进化算法通过将实际实践问题转向目标函数转化的方法,并将随机化的定向搜索机制应用其中,提高了算法的适应性。NSGA首先对多目标群体逐层进行分类,其次将分类结果按照非劣关系进行排序,最后引入共享函数法建立数学模型。由此建立的数学模型,不仅可以做出最优方案选择,还可以进一步做出合理的决策.

简介：为了改进差分进化算法的全局搜索性和收敛速度慢的特点，文章提出了一种基于单纯形局部搜索的自适应动态差分进化算法。

简介：遗传算法已经被广泛地应用于网络的优化设计中,但是仍然存在着许多不尽如人意的问题,进化效率低下就是其中之一,我们通过实验发现了某些实际应用中影响进化效率的因素,并给出合理的解释与建议。

简介：将差分进化算法（DE）应用于六杆机构综合。该方法应用于在规定的时间控制和传动角约束下的具有停歇位置的机构综合。文中给出了计算实例，证明这种方法是可行的。

简介：摘要随着风力发电技术的快速发展，与之相关的各种技术也在快速发展，但是由于风力发电机的工作环境相对较差，对技术的发展提出了挑战，尤其是变桨技术的发展。针对额定风速以上，风切变、风剪切和塔影效应引起的不平衡载荷进行优化控制，提出一种基于改进微分进化算法（DE）的变桨控制方案。在不同风速条件下对风机变桨进行优化控制。在和Matlab中搭建5MW风电机组联合仿真模型进行仿真。仿真结果表明，提出的DE-PID变桨控制方案能有效在风切变、风剪切和塔影效应等不同环境影响下进行变桨控制，而且提高了变桨控制系统的鲁棒性。

简介：针对洪水演算的马斯京根模型参数估计问题，首先将其归结为非线性参数优化问题，然后利用自适应加速差分进化算法进行求解。计算结果表明，自适应加速差分进化算法具有求解速度快、计算精度高、算法控制参数设置简便、通用性强等优点，与现有马斯京根模型参数估计方法相比，该算法显示出更好的优化性能，从而为准确估计马斯京根模型参数提供了一种更为有效的方法。该算法也可以广泛应用于其他各种复杂非线性模型的优化问题，特别是在洪水预报方面有很好的应用前景。

简介：摘要：为解决当前航班调度效率低下及资源利用不充分问题，本研究基于改进的状态空间模型进化算法，以航班优化调度为研究对象。通过对状态空间模型进行针对性改进，使其更加适应航班调度问题特性，如调度动态性、复杂性、多变性。并结合进化算法全局搜索能力，旨在开发一种高效航班调度优化算法，以提高航班调度效率与准确性。

简介：摘要微分进化算法是一个并行的智能非经典全局优化算法,特别适合于求解连续空间优化问题。基于可靠指标的几何涵义，建立优化模型，应用微分进化算法对优化模型进行求解。最后通过算例对比分析，表明微分进化算法在求解可靠度问题时具有良好收敛性和高效性，在求解高次非线性和复杂性的水工结构可靠度问题方面有很好的应用前景。

简介：在（1＋1）EAs中，采用马尔可夫链推移时间分析法，推导出了平均首次命中时间的表达式。从理论上分析了变异概率对平均首次命中时间的影响。结果表明适当的变异概率会缩短平均首次命中时间，加快进化算法的寻优时间。

简介：提出了一种基于模糊优化多目标进化算法（FMOEA）的配电网故障定位新方法。FMOEA对基于排序选择的传统多目标进化算法进行改良，有效避免了其种群早熟的问题，在排序结果中引入模糊优选决策因子，得到本代个体的最终适应度值，之后再经过复制、交叉、变异和迭代等过程，直到满足终止条件得到最终的Pareto解集；最后对适用于故障定位的最优解集处理办法进行了探讨与分析，以便从最优解集中筛选出符合故障情况的唯一解。算例仿真测试针对不同的配电网系统结构，分别模拟系统单点、多点故障，以及信息完备与部分信息畸变的情况，结果表明该算法可以实现配电网故障的：有效定位，通过对比遗传算法，验证了该方法寻找全局最优Pareto解集的有效性及良好的收敛性能。

简介：“人工智能+基于心智的生物学”课程的总体设计是从生物学视角来解释人工智能的算法逻辑,包括从生物学看终极算法、从计算机科学看认知神经科学、仿生人工智能、心智社会四大模块。“从进化论到遗传算法”是“从生物学看终极算法”模块的第3课时,该课时教学通过多足行走器等可视化算法内容培养学生对遗传算法的兴趣,通过类比达尔文的进化论使学生理解遗传算法的架构和逻辑、培养他们的跨学科思维能力,通过让学生模拟遗传算法的表演和上机实践过程进一步加深他们对遗传算法概念的理解、培养他们的信息意识和计算思维等。

简介：针对在Shishkin网格上数值求解含内点层的奇异摄动问题，在迎风有限差分格式的基础上，提出了一种基于差分进化算法的Shishkin网格参数估计方法。利用该方法可计算出最优的Shishkin网格参数，同时获得了相应的数值结果。数值实验表明差分进化算法具有很好的全局寻优能力和较快的收敛速度，能有效解决传统迭代优化算法对初值的依赖问题。