用归纳学习引导进化

遗传算法需要在选择操作的正向作用和交叉 /变异的破坏性影响之间取得平衡 ,否则往往会出现收敛速度慢或未成熟收敛 .不同于现有的其它改进 ,论文采用归纳学习的方法来引导进化过程趋于这一平衡 ;文中采用归纳学习的方法 ,从进化历史进程中抽取出能反映过去进化的错误和成功的规则 ,进而用它们来引导后续的进化过程 ,保证在避免重复错误的同时加速进化 .

基于改进遗传算法的TSP问题求解

TSP问题是典型的NP完全问题 ,遗传算法是求解NP完全问题的一种常用方法。本文针对解决TSP问题 ,提出一种新的改进遗传算法。该算法用多样性维持机制来设计算法的选择机制 ,提高算法的求解性能。经过对TSP问题求解的实验 。

MAS中基于协同进化的学习

协同进化是一种新的进化技术,特别适合于构造多主体系统的学习机制。多主体系统中基于协同进化的学习已开始成为智能计算研究的一个热点。本文对用于多主体系统学习的协同进化算法的进展作了比较全面的总结与分析,并指出了现有工作的不足及下一步值得深入研究的一些方面。