基于共同进化计算模型的基因连锁问题求解

针对传统单种群进化类算法（conventional evolutionary algorithms,简称CEAs）求解基因连锁问题的不足,基于生物界共同进化机制提出求解NK基因连锁问题的合作式共同进化算法（Coevolutionary algorithm,简称CoEA）,探讨其子种群的合作方式与个体适应值的计算方法,并从数学上分析该算法的性能,指出共同进化算法中高于平均适应值模式的递增指数高于传统单种群进化算法.仿真结果证实了理论分析.结果表明,共同进化算法比传统单种群进化算法对求解基因连锁问题的效力和效果更好.

基于共同进化计算的分类规则算法

为提高分类挖掘的准确度,在分析ID3,C4.5和进化算法(EC)的基础上,设计了两个共同进化的种群分别表示选择的属性子集和分类规则子集,提出基于共同进化计算的分类规则算法(CRCEC),并构建CRCEC算法的适应度评价函数.用4个加利福尼亚大学Ir-vine分校的数据集对CRCEC,ID3,C4.5和EC算法进行测试比较,结果表明CRCEC算法分类准确度高,可以得到简洁的、可理解性强的规则.最后给出了CRCEC算法在公路车辆征费分类预测系统中的一个应用实例.

多无人机协同航路规划的共同进化方法

面向多无人机协同作战的航路设计问题,提出了一种较新颖的多无人机协同航路规划共同进化方法。将航路映射到进化计算个体建立了基于共同进化计算的航路规划问题模型,以此为基础重点讨论了个体适应度设计等关键问题。以SEAD任务为想定,对多无人机协同航路规划共同进化方法进行了仿真。仿真结果表明该方法能够快速为多无人机找到协同航路,能够综合考虑无人机航路的燃油、安全、避碰以及任务协同等指标,可以解决多无人机协同执行任务的航路设计问题,且具有较好的收敛性和线性时间性。

基于共进化的多任务分配与调度

在考虑多种约束关系基础上 ,提出一种并行与分布式系统中多约束关系的任务分配与调度的共同进化遗传算法。仿真试验结果表明所给算法比传统单种遗传算法更能有效地进行多任务分配与调度 。