合作型协同进化遗传算法求解分布式柔性作业车间调度问题

针对以最小化最大完工时间为优化目标的分布式柔性作业车间调度问题,提出一种合作型协同进化遗传算法。采用工厂分配和工序排序解耦编码,基于机器负荷解码并基于工厂负荷初始化种群,使算法在较优的解空间内迭代搜索。利用分而治之的思想,将问题分解为多个子问题,通过随机协同机制促进子种群协同进化并提高全局搜索能力。使用基于关键工厂的多重局部扰动策略,提高算法的局部开发能力。在基准实例上进行实验,并与其他算法进行对比,验证了所提算法的有效性。

一种改进的多目标合作型协同进化遗传算法

针对传统多目标算法早熟收敛及多样性不足的问题,提出了一种改进的非支配排序合作型协同进化遗传算法(Improved Non-dominated Sorting Cooperative Coevolutionary Genetic Algorithm,INSCCGA)。该算法利用外部档案存储每一代进化过程中产生的精英个体,并对其不断进行更新,以加快算法的收敛速度。同时提出了一种新型子种群之间协同进化的方式,增强候选解的多样性。利用ZDT系列标准测试函数,与经典的多目标进化算法NSGA-II以及多目标协同进化算法NSCCGA进行了对比,结果表明改进算法具有更好的收敛性以及均匀的解分布。

变种群规模合作型协同进化遗传算法及其在优化中的应用

分析合作型协同进化遗传算法的进化效率和计算复杂性等与子种群规模的关系;在此基础上提出子种群规模自适应调整算法的思想,给出子种群规模调整的依据和调整方法;进而提出基于实数编码的变焦遗传算法.典型函数优化实例验证了该算法具有计算复杂性小和进化效率高的优点.

基于量子精英蛙的最小属性自适应合作型协同约简算法

属性约简是粗糙集理论研究的重要内容之一,现已证明求决策表的最小属性约简是一个典型NP-Hard问题.提出一种基于量子精英蛙的最小属性自适应合作型协同约简算法.该算法首先将进化蛙群编码为多状态量子染色体形式,利用量子精英蛙快速引导进化蛙群进入最优化区域寻优,有效增强进化蛙群的收敛速度和全局搜索能力.然后构建一种自适应合作型协同进化的最小属性约简模型,融合蛙群最优执行经验和分配信任度自适应分割属性约简集,并以模因组内最优精英蛙优化各自选择的属性子集,提高属性约简的协同性和高效性,快速找到全局最小属性约简集.实验研究表明提出的算法在搜索最小属性约简解时具有较高的执行效率和精度.

Stewart平台的合作型协同进化控制

针对Stewart平台的非线性和强耦合性,提出合作型协同进化的控制方式,在此控制方式的基础上,根据控制系统的特征引入χ2分布来调节个体产生的概率,来提高进化速度.与传统的遗传算法相比,本文提出的控制方式大大减小了搜索空间.经在Stewart平台上测试,本文提出的控制方式具有响应速度快、超调小和鲁棒性好等优点.

灾变合作型协同进化遗传算法及其在Job Shop调度中的应用

合作型协同进化遗传算法是多个子种群通过协作而共同进化的新型算法,常应用于多目标、大规模的优化问题。本文在合作型协同进化遗传算法的基础上,进一步模拟自然界中的灾变现象,在原先的算法中加入灾变算子,提出灾变合作型协同进化遗传算法,以防止出现不成熟收敛现象,并用经典的函数优化问题和Job Shop车间调度问题进行仿真实验,其结果验证了改进算法的优良性能.

合作型协同演化算法研究进展

合作型协同演化算法是近年来计算智能研究的热点。它运用生物协同演化的思想,通过构建两个或者多个种群,建立它们之间的合作关系。两个或多个种群通过相互合作来提高各自的性能,适应复杂系统的动态演化环境以及大规模演化环境,从而达到种群优化的目的。主要介绍了合作型协同演化算法的研究状况以及国内外研究进展,详细介绍了它的基本结构及对应的研究、基本算法及一些新兴算法,同时介绍了一些在现实生活中的应用,展望了合作型协同演化算法的发展前景。

基于资源分配和动态分组的合作协同演化算法

合作型协同演化算法在处理大规模全局优化问题中的决策变量完全可分或者完全不可分的问题时,精确的分组方法并不能保证提高算法性能,甚至可能会导致性能下降。针对上述问题,提出了一种基于资源分配和动态分组的合作协同演化算法(RG-CCFR3)。该算法以CCFR3为基础,当决策变量完全可分或完全不可分时,首先设置数组与数组索引,用于确定每轮优化时的分组大小;其次,根据分组大小对决策变量进行随机分组,使得在不同轮次的优化中每组决策变量的分配更多样化;最后,修改了CCFR3中每轮优化时的处理逻辑,保证了每轮优化的次数一致。通过CEC2013和CEC2010中的基准测试函数检验算法的性能,将RG-CCFR3与CCFR3、MMO-CC、CBCC-RDG3进行对比并进行显著性检验。结果表明:对比CCFR3算法,RG-CCFR3算法在处理决策变量完全可分或者完全不可分的问题时,在多数情况下具有更好的性能;与MMO-CC、CBCC-RDG3算法相比,RG-CCFR3算法具有一定的竞争力。

基于纹理与灰度协同进化的图像分割算法

为了获得更好的分割效果,成功地将局部二值模式(LBP)纹理模型和灰度特征纳入到合作型协同进化算法(Co-CEA)框架中,并实现了图像分割。该方法首先分别对LBP纹理模型和灰度特征进行编码,然后运用Co-CEA进行进化操作,最后通过本文提出的联合适应度函数确定分割区域。实验结果表明该方法在分割质量上效果明显,并有效地降低了时间复杂度。

基于进化算法的多无人机协同航路规划

以突防航路时域协同指数、空域协同指数、突防时长指数和受威胁指数为规划目标,以最小直线航路段长度、可飞空域、续航能力和进入任务航路方向为约束,构建了多无人机协同突防航路规划模型。结合模型特点,利用合作型协同进化遗传算法对该模型进行求解。

求VRPTW问题的并行协同混合差异演化算法

车辆路径优化问题的研究对物流配送系统的发展具有重要意义。寻找带时间窗的车辆路由问题的最优求解策略是其中的研究热点之一。该文提出并行协同混合差异演化算法用于该问题的求解,仿真实验结果表明该算法在问题求解中表现出良好的有效性和可靠性。

惯性分组和重叠特征选择辅助的昂贵大规模优化算法

昂贵大规模优化问题存在着决策变量之间高度耦合、求解容易陷入局部最优以及目标评价昂贵等问题,导致在资源有限的情况下很难获得全局最优解。为此,基于合作型协同演化策略提出了一种惯性分组和重叠特征选择的方法来辅助求解昂贵大规模优化问题。首先,采用重叠特征选择技术将一个大规模优化问题分解为若干个低维的重叠子问题,并对每一个子问题进行独立的代理模型辅助的优化搜索。其次,将每个子问题搜索获得的潜力个体合成一个完整的解,对其使用昂贵目标函数进行评价。再次,算法还采用惯性分组技术控制优化过程中重新分组的频率以延长分组方案的开发周期,从而提升优化效果。最后,为了测试所提算法的性能,将其与求解昂贵大规模问题的3种优化算法在CEC2013的15个基准函数上获得的实验结果进行了对比。结果表明:所提算法在求解昂贵大规模优化问题上具有一定的竞争力,尤其适用于求解部分可分离、重叠或完全不可分离等问题。

论公共组织冲突管理机制的嬗变

在公共行政领域中,长期缺乏一种激发活力的冲突管理机制,这种遏制冲突、压抑不满的传统"安全阀",虽然可以保持一段时期的稳定,却抹杀了公共组织的活力。在公共行政发展的历史坐标中,我们看到与服务精神相适应的协同合作型冲突管理机制逐渐介入与管理主义相适应的权威规避型和市场竞争型的冲突管理机制,并取得主导话语权。和谐社会中的服务行政必然要求和生成以协同合作为主导——权威规避与市场竞争相结合的三元公共组织冲突管理,从而促使公共组织进行通体的合作型变革以构建公共行政的和谐。

论企业管理模式与社会政治文化的关系

19世纪以来 ,西方国家相继出现过独裁专制型、经济保健型、支持帮助型和协同合作型等四种管理模式。人们往往认为 ,企业管理模式的演变更替和现代管理模式的产生主要是源于现代管理科学的兴起和发展。本文作者通过考察分析了与各种管理模式相关联的政治历史背景后指出 ,导致最近 2 0 0年来西方国家不同管理模式演变更替的深层次原因并不在于管理科学本身 ,而是由于随现代化大工业的发展而出现的劳资冲突、工会运动和社会政治民主化进程推动的作用。独裁专制型和经济保健型只能产生于政治民主化程度较低的社会中 ,而支持帮助型和协同合作型则只能是高度政治民主化社会的产物。今天 ,我国在大量引进国外先进科学技术的同时也必须引进先进的管理手段 ,但先进的管理手段必须依托于先进的管理模式 ,而先进的管理模式又必须建立在高度政治民主化的基础之上。因此要实现我国企业管理的现代化 ,就必须首先建立起高度的政治民主化。这是中国经济体系在加入WTO之后所面临的而又必须正视的严峻挑战。

基于容流匹配的进离场航班调度优化模型和算法

综合考虑机场的空中等待航班数量、空域容量、场面容量以及机场起飞需求等约束条件,以可变的优先级为调配手段,以总延误时间最短为目标函数,建立了一个新的基于容流匹配的进离场航班调度优化模型。引入合作型协同进化遗传算法,设计了用一对代表个体形成合作团体的新选择方式,有效解决了传统遗传算法种群多样性低、易早熟等问题。仿真结果表明,该模型能够在满足机场容量限制的同时,有效降低航班的总延误时间。

基于多目标优化的汽车混合流水线平衡方法研究

近年来混合流水线逐渐被国内外汽车生产企业所接受并使用。由于流水线中混合了不同工艺的产品,如何将混合流水线调整至最大效率是其广泛深入汽车制造行业的主要障碍。目前对于混合流水线平衡系统的研究多为独立优化,分析了混合流水线平衡系统的组成部分:流水线平衡部分以及流水线排产部分的相互合作关系,提出对平衡系统整体求解的要求,指出使用具有协同求解各子问题能力的合作性协同进化算法求解这一多目标优化问题。

基于显著性分析的神经网络混合修剪算法

针对神经网络结构设计问题,提出了一种混合修剪算法。该算法首先利用合作型协同进化遗传算法和反向传播算法的不同优势,完成了对神经网络的结构和权值的初步调整;然后,在保证模型泛化能力的前提下,通过计算隐层神经元的显著性,借此修剪网络中显著性较小的神经元,进一步简化网络结构。最后,将给出的基于显著性分析的神经网络混合修剪算法用于股票市场的预测。仿真结果表明,该改进算法与其他优化算法相比,具有更好的泛化能力和更高的拟合精度。

一种改进的代表个体选择方法的设计

文章简要介绍了传统合作型协同进化遗传算法,指出了该算法在代表个体选择方法上的不足,提出了一种新型的代表个体选择方法,并进行了算法性能验证。

多蚁群协同进化的液压集成块布孔优化

液压集成块内部布孔是一种典型的带约束组合优化问题。为了提高布孔效率及整体性能,提出了一种基于合作型协同进化蚁群算法的集成块多孔道布孔方法。利用蚁群算法非常善于处理智能寻径等带约束的大规模组合优化问题的特点,在种群内部寻找孔道连通的最短且安全的路径;在各种群之间,利用协同进化算法进行多孔道的并行布孔,解决了布孔顺序问题,实现了内部孔道连通的优化设计。最后通过孔道连通实例对算法进行了验证,得到了较满意的结果。

基于优先级调配的进离场航班序列动态优化

以可变的优先级作为调配手段,针对航班的进离场序列建立了一种动态优化模型。首先,根据不同进离场阶段的航空器燃油消耗率和安全系数,进行航班初始优先级分配;然后,考虑机场的空中等待航班数量、空域容量、场面容量以及机场的起飞需求,对航班优先级进行二次调配。以总耗油量为目标函数,引入合作型协同进化遗传算法,设计了令一对代表个体形成合作团体的新的代表个体选择方案,改善传统遗传算法中存在的种群多样性低、易早熟等问题。仿真结果表明,在机场容量限制下,该模型仍可以实现流量的动态调配,并有效降低燃油消耗,缓解机场空域及场面的运行压力。