一种求解RCPSP的协同进化分布估计算法

针对大规模资源受限项目调度问题计算复杂的特点,提出一种合作式协同进化分布估计算法(CCEDA)。将合作式协同进化框架与分布估计算法相结合,将复杂问题分解为子问题,利用改进的分布估计算法对每个子问题进行协同优化求解。为提高分布估计算法的局部搜索能力,给出一种对解进行局部搜索的方法。将CCEDA用于求解标准问题库PSPLIB,并与GAPS、GA-DBH、GA-hybrid与GA-FBI算法进行比较,结果证明CCEDA拥有更好的求解性能。

改进分布估计算法的协同优化研究

针对分布估计算法在问题求解过程中容易陷入局部最优的缺点,引入物理退火的思想,提出模拟退火的分布估计算法,其中退火温度以信息熵表示。然后以此为基础,面向多核处理器提供的并行计算能力,提出多量子分布估计的协同优化算法。仿真实验表明,该算法缩短了优化时间,提高了优化结果。

基于精英协同的多种群分布估计算法

针对传统分布估计算法局部搜索能力弱,易陷入早熟收敛的问题,在分布估计算法的基础上引入精英策略并采用划分子种群独立进化的方式,提出一种基于精英协同的多种群分布估计算法。该算法混合了两种后代产生的策略:一种是进化过程采用精英协同操作用于进行局部搜索并开辟出新的搜索空间,另一种是采用划分子种群独立进化方式保证种群间个体的多样性。基准测试函数实验结果表明,该算法在收敛性和多样性方面均表现出明显优势。

协同制导空战决策建模及求解算法

为有效提高空战协同作战效能,对采用协同制导后的空战决策问题进行了研究,给出了协同制导平台的选择方法,设计了一种协同制导交接方案。以敌方毁伤最大以及我方损失最小作为目标函数,建立了考虑协同制导的空战决策模型。为提高模型的求解效率,提出一种分布估计免疫算法对该问题进行求解。在免疫算法中引入了基于边缘乘积模块(marginal product model,MPM)的交叉和变异方式,防止优良模式的破坏,利用适应度共享机制增加种群多样性。对提出的空战决策模型,利用分布估计免疫算法进行求解。经仿真对比分析表明,采用协同制导后,作战效能明显提高,分布估计免疫算法求解速度也优于其他相关方法,证明了算法和模型的正确性。

协同进化扩展紧致量子进化算法

为了提高量子进化算法的全局收敛性能,基于协同进化的思想,并结合扩展紧致遗传算法,提出了协同进化扩展紧致量子进化算法(CECQEA).该算法利用多粒度机制进行量子染色体的旋转,并依据边缘积模块(MPM)进行交叉和变异以避免优良模式的破坏;在每一个子种群内对个体依据MPM进行自调整操作,同时进行种群的分裂、合并及优良个体的迁移操作.通过对算法收敛性的分析可看出,CECQEA能够收敛到满意解集;经基准函数以及背包问题的仿真测试分析可看出,算法收敛效果更加明显.

具有量子行为的协同粒子群优化算法

以分布估计算法(EDA)的角度,从理论上指出,具有量子行为的粒子群优化算法(QPSO)本质上是EDA算法与原始粒子群算法(SPSO)的综合.针对进化类算法普遍遇到的过早熟问题,将协同搜索策略引入传统的QPSO算法,提出了具有量子行为的协同粒子群优化算法(MQPSO).通过实验确定了最适合MQPSO算法的通信频率以及子种群大小.实验结果表明,该算法较QPSO及SPSO算法具有更快的收敛速度和更强的搜索精度,其优势在高维优化问题中更为明显.