组合优化多智能体进化算法

提出了一种新的组合优化方法———组合优化多智能体进化算法 .该方法将智能体固定在网格上 ,而每个智能体为了增加自身能量将与其邻域展开竞争 ,同样智能体也可进行自学习来增加能量 .理论分析证明算法具有全局收敛性 .在实验中 ,作者分别用强联接、弱联接、重叠联接等各种类型的欺骗函数对算法的性能进行了全面的测试 ,并将算法用于解决具有树状等级结构的问题 .比较结果表明文中算法所需的计算量远远小于其它方法 ,具有较快的收敛速度 .为了测试算法解决大规模问题的能力 ,作者还将算法用于解决上千维的欺骗问题和等级问题 ,结果表明该文算法的计算复杂度与问题规模成多项式的关系 .此外 ,将算法用于上千维的欺骗问题和等级问题 ,在国内外还均未见报到 .

组织协同进化分类算法

提出了一种有效的用于数据挖掘分类任务的方法———组织协同进化分类算法 (OrganizationalCoEvolution aryalgorithmforClassification ,OCEC) ,与现有遗传分类方法的运行机制不同 ,它的进化操作直接作用于数据而不是规则 ,进化结束后再从各组织中提取规则 ,这样有利于避免在进化过程中产生无意义的规则 .提出了三种组织进化算子———增减算子、交换算子与合并算子和一种组织选择机制 ,给出了属性重要度的进化方式并基于此定义了组织适应度 .作者将算法用于UCI数据集 ,并与现有的基于遗传和非遗传的分类方法进行了比较 .实验结果表明该文方法获得了更高的预测准确率 ,产生了更小的规则集 ;对同一数据集进行k 次交叉验证 ,其预测准确率的波动较小 。