进化计算

摘要： 三维碎片的拼接重组对文物修复具有重要意义.针对薄壁类器型难以提取断裂区域特征以及碎片组间如何通过组合优化得到最终修复方案的问题,本文提出基于多特征信息融合与进化计算的碎片重组方法.通过提取改进的曲率特征以及挠率特征实现断裂区域的量化,同时进行碎片间的匹配以及拼接;提出球体空间点共存检测算法对断裂面拼接贴合程度进行度量;针对传统方法在最终拼接时存在的回溯危机,设计反映全局拼合效果的进化计算,通过迭代优化出全局最佳拼合方案,完成三维碎片的拼接重组.实验结果表明,该方法能有效地完成多类碎片结构的拼接重组,精度可达98.92%,极大地提高了修复精准度与效率.

摘要： 多目标空间探测是经济理性的太空探索与开发方案,它能以较低的花费获取巨大的收益.多目标空间探测轨迹优化的优化空间巨大,优化难度高,始终是航天动力学中的研究热点,而智能方法面对这些难点有着优异的表现.本文首先通过轨迹优化竞赛介绍多目标空间探测轨迹优化国际研究趋势,从中可以看出智能方法发挥着越来越重要的作用,然后从多目标空间探测轨迹优化的转移轨迹智能优化方法和探测序列智能优化方法两个部分进行综述,最后对该研究进行了展望.

摘要： 由于不同目标之间相互冲突且搜索空间巨大,现有大规模多目标优化算法的综合性能尚存在较大改进空间.为合理均衡算法的搜索效率与搜索质量,提升算法的综合性能,本文提出一种基于存档和权值扩展的大规模多目标优化算法(LSMOEA-AWE).该算法总体采用进化计算框架,基于大规模决策变量与小规模权值变量之间的问题转换进行求解.其核心是在进化过程中选取高质量代表性解及其对立点构建存档高效引导种群的进化方向,并引入权值扩展策略逐步扩大算法的搜索空间,在确保算法搜索效率的同时,提升搜索质量.为验证LSMOEA-AWE的有效性,将其与6个先进的大规模多目标优化算法在最新的大规模多目标基准测试问题集LSMOP上进行对比,实验结果表明LSMOEA-AWE对于大规模多目标优化问题的求解具有明显的竞争优势.

摘要： 为了优化螺旋桨因负荷过重导致的空泡问题,基于进化计算的思想提出了一种改进螺旋桨参数设计的方法。该方法利用淌水实验数据和专家知识对螺旋桨综合性能进行仿真实验优化,并通过遗传算法得到满足优化目标的螺旋桨参数的帕累托解集,并通过蒙特卡洛树搜索出解集中的最优个体。实验结果表明,提出的方法能够显著提高螺旋桨的空泡起始航速,同时降低最大航速工况下螺旋桨的脉动压力。

摘要： 在项目管理过程中,项目的工期与资源作为工程项目实施的基本要素和必不可少的前提条件,直接影响着工程项目的成败。资源优化可以使各种资源的配置更加合理,从而降低项目的总成本。本文基于进化计算的方法,综合考虑多个目标的情况,科学设计适应度函数,通过实例对该模型进行验证,以实现项目工期与资源的均衡优化。

摘要： 二进制蝙蝠算法(BBA)是模仿蝙蝠狩猎行为的一种启发式特征选择算法,具有收敛快、模型简单、鲁棒性好的特点。但算法容易出现停滞问题,易陷入局部最优。为此,文中提出了改进的二进制蝙蝠算法(ABBA)。利用种群熵进行传递函数的改进,使得传递函数在适应算法收敛过程的同时赋予算法跳出停滞的能力。其次,加入辅助改进,用于保持算法的收敛性,加速收敛。最后,采用K近邻分类器在22个UCI数据集上进行了与6个较新特征选择算法的对比实验,各项实验结果表明,ABBA的分类准确率和可靠性相比,BA算法均有明显提高,并且在大部分数据集上优于6个其他特征选择算法。ABBA是一种有竞争力的特征选择算法,可以作为机器学习、数据挖掘等领域的有效数据预处理手段。

摘要： 分布式车间生产调度是企业实现高效生产的一个核心问题,而预防性维修作为保证车间设备安全性和可靠性的重要手段,应纳入生产决策的范围。针对设备维修导致的生产延迟问题,提出了一种辅助校正的仿真优化方法,建立了联合生产和预防性维修调度问题的数学模型和仿真模型,将基于序列交换的遗传算法与仿真校正的优化方法相结合,形成了快速仿真优化方案。实验结果表明:所提出的辅助校正的仿真优化方法能够有效提高不确定性场景下的决策可行性和鲁棒性。

摘要： 针对目前进化计算社区发现方法精度不高与社区边界识别较低的问题,提出一种基于随机游走的进化计算社区发现算法.首先,设计一种基于拓扑及属性信息随机游走的社区初始化策略,以准确识别社区边界,提高社区发现的精度.其次,设计综合考虑拓扑和属性的节点嵌入向量更新策略,使节点的属性信息能够在进化过程中被有效利用,以提高社区划分的质量.通过在真实和人工数据集上实验,验证了所提出的新算法比现有方法有更好的社区划分.

摘要： 阴阳对优化算法是一种新颖的轻量级随机优化算法,利用两点(全局探索点P2和局部开发点P1)的迭代交换来实现优化搜索.用户定义参数直接影响该算法的全局探索和局部开发之间的平衡,并且对算法的性能有着重要的影响.为提高该算法的优化性能,首先分析了原算法的用户定义参数(缩放因子a)对于性能的影响,随后提出用户定义参数线性与非线性递减三种改进的阴阳对优化算法.采用2013年进化计算大会中单目标实参算法竞赛中使用的28个测试函数进行性能评估,结果表明相比于原算法,改进后的算法具有更高的计算精度和更快的收敛速度.最后通过一个工程优化任务来展示改进后算法的性能.

摘要： 为预测短期电力负荷,可采用神经网络方法预测,而神经网络复杂权重和阈值的参数调节为预测精度的提升增加了一定程度的困难。采用进化计算算法优化过后的神经网络拥有更为优良的结构,能够提高神经网络的预测精度,为了使求解神经网络结构的进化计算算法拥有更为优秀的搜索能力,可改进算法求解网络模型结构。对进化计算花粉算法的改进及改进效果进行了研究。

摘要： 探讨如何开展进化计算的教学工作,从教学内容和教学安排两方面展开介绍,最后说明几点启示.目的是将进化计算这一重要思想介绍给学生,使他们能够了解进化计算的内容,更能灵活掌握进化计算的思想,解决今后实际生活和科研中遇到的各类问题.

摘要： 对图像的多目标识别问题进行研究,提出一种基于Agent进化计算的目标识别方法.该方法将Agent进化计算与模板匹配思想相结合,通过Agent和Agent群体的协同进化完成对样本图像集的快速搜索.同时,针对目标遮挡的问题,利用遮挡圆来构造模板,实现对遮挡目标的识别.实验结果表明,提出的方法实现了平移不变、旋转不变、尺度不变、镜像不变的识别,而且能够准确地确定出遮挡区域的位置和遮挡区域的大小,同时也大大地减小了模板匹配的计算量.

摘要： Introduction & Motivation,Learnable Evolutionary Search for Combinatorial Optimization Problems: Case Study on Routing Problem.Autoencoding Evolutionary Search for Continuous Optimization Problems.Towards Evolutionary Multi-Tasking.Evolutionary algorithms (EAs) are population-based search methods，strong search capability，simplicity of implementation.EA has been successfully applied to solve a variety of optimization problems in the real world，continuous optimization problems，combinatorial optimization problems.

摘要： 多模态多目标研究需要解决的主要问题主要是测试问题、评价指标和求解策略。本文测试问题集缺少分布不均匀PS，带有欺骗的PS等问题;评价指标目前只在低维空间表现良好，需设计适合高维空间的评价指标;现有算法对高维问题表现不够高，需要对决策空间距离计算重新定义;现有的算法是基于原始算法的改进，并未形成求解此类问题的方法框架，尚未提出能同时保留全局和局部PS的优化算法;后续应注重多模态多目标应用问题，如神经网络集成等;以及多模态多目标问题求解过程及结果的可视化。

摘要： 硅酸盐水泥水化反应的极端复杂性使得人工推导水化动力学方程的研究存在很高的难度.通过进化计算方法可以从观测到的硅酸盐水泥水化程度时间序列数据中自动萃取出水化动力学方程,然而其时间复杂度很高.因此,本文利用CUDA 计算架构对进化过程进行并行加速来减少运算时间.实验结果表明,采用CUDA 架构可以获得较高的加速比,所得到的动力学方程可以很好的吻合观测到的水化程度时间序列数据.

摘要： 基因演算法或称为遗传演算法(Genetic Algorithm,GA)是最佳化工程计算常用的一种演算方法，基因演算法源自於自然界中"物竞天择，适者生存"的特性，模拟生物间的竞争，幸存者得以繁衍下一代的观念，应用在最佳化工程计算时，以随机方式同时产生多组解，较佳的解被留下运算，如此多次叠代即可算出最佳解。基因演算法跟一般最佳化方法所不同之处，主要是在基因演算法的运算是参数经过编码的位元字串上，而非参数本身，所以在搜寻分析上不受参数连续性的限制。基因演算法采用随机多点同时搜寻的方式如：复制(Reproduction)、交配(Crossover)、突变(Mutation)，其最大的优点是当在寻优化的过程中，可以避免陷入局部最佳点(次佳点)，因此它找到全域最佳点的机会是蛮大的。这主要是突变所致。另一点要提的是遗传演算法不一定每次都能找到最佳解，但总能在最佳解的附近出现，而不像其他方法，大部份的机会都会落在次佳点，因此执行此演算法要执行多次。这几年来，由於无线业的发达，例如：手机、无线网路…等。而微带天线它具有体积小、重量轻、成本低和制造容易等优点，所以它非常适合运用在无线通讯系统中。但是在天线设计中有很多变数会去影响到它的效能，因此要找到一个最佳化的天线就变成一项高难度的工作了。早期的天线设计对於这些参数并未使用任何的最佳化工具，他们最常使用的方法是相当耗时也是最基本的错误尝试法，目的是为了得到一组好的解。但是近年来，基因演算法运用在微带天线的设计效果已被证实，是有优过於错误尝试法，但是成效的好坏还是取决於基因演算法。基因演算法是进化计算(Evolutionary computation)最早成形的一支，也是理论发展重要的一支。有监於基因演算法应用广泛，值得介绍给工程学家。

摘要： 软计算是方法的集合体，一般包括模糊逻辑(FL)、神经网络(NN)、概率计算或概率推理(PI)和进化计算(EC)。神经网络与模糊逻辑、神经网络与遗传算法、模糊逻辑与遗传算法之间融合技术的发展，以及软计算本身所具有易处理和鲁棒性的优点使得它得到广泛应用。

摘要： 本文提出了一种改进的粒子群算法.在新算法中,引入了一种新的速度计算万法.采用文献中推荐的基准问题测试了新的改进算法,并取得了很好的结果.

摘要： 本文提出了一种改进的粒子群算法.在新算法中,引入了一种新的速度计算万法.采用文献中推荐的基准问题测试了新的改进算法,并取得了很好的结果.

摘要： 本文提出了一种改进的粒子群算法.在新算法中,引入了一种新的速度计算万法.采用文献中推荐的基准问题测试了新的改进算法,并取得了很好的结果.

摘要： 本发明公开一种基于进化计算的电力系统分数阶预测辅助状态估计方法，以预测辅助状态估计为基础，通过分数阶微积分理论建立分数阶状态转移矩阵表示电力系统动态特性，采用分数阶拓展卡尔曼滤波器作为滤波方法，然后从优化角度，将系统估计结果与参考值之间误差的平均值作为优化目标函数，以遗传优化求解方法进行优化求解克服分数阶参数整定难题，设计最优分数阶拓展卡尔曼滤波方法，实现电力系统分数阶辅助状态估计。该发明的有益效果为：相比基于整数阶的系统建模，本发明能更加准确建立电力系统的动态特性模型，且具有更高的状态估计准确度；相比基于经验规则整定方法，本发明可以更加智能的整定分数阶阶次，实施更为简单，整定效率更高。

摘要： 本发明属于智能制造云计算领域，具体涉及一种求解云任务调度的进化计算方法。本发明首先构建了云任务调度的数学模型，然后设计了改进的遗传算法对其求解。本发明重新设计了交叉算子，并结合局部贪婪算法的思想，在保证有效解的同时，实现子代中每个任务集所对应的三种指标的尽量均衡。本发明中的适应度值描述为S个虚拟机CPU占用资源、内存占用资源以及带宽占用资源方差之和的倒数以及总执行时间的倒数的归一化处理后的评价函数。本算法将有助于各个虚拟机的负载均衡以及每个虚拟机CPU利用率、内存以及带宽资源占用之间的均衡，从而保证资源的较高利用率，进而减少能源消耗、增加云计算的运行效率并提升客户的满意度。

摘要： 本发明公开了一种基于进化计算的高光谱图像波段选择方法，涉及遥感图像处理技术领域，具体包括：使用多目标优化算法，对高光谱图像进行降维；在对高光谱特征选择的时候，随机在高光谱图像上取若干个像素点，计算这若干个像素点与其空间领域像素点之间在经过特征选择后的低维空间上的欧式距离，以及使用拉普拉斯矩阵计算若干点在不同选择特征的维度上的邻域距离指标与原始维度的结构相似性指标；以上述的两个指标作为优化目标，建立基于改进NSGAII的多目标优化模型，对波段空间进行二进制编码，经过交叉变异，最终得到最优的波段子集，有效提高分类精度和效率，同时也可以控制选择需要选择的波段数量，满足不同场景下的使用需求。

摘要： 本发明提供了一种基于渗流过程和进化计算的网络传播源定位方法。首先，输入网络数据集，得到其节点及连边属性，并初始化传播模型参数；然后，基于渗流和进化计算相关理论和方法，采用AEF算法迭代更新初始观察点序列得到最后序列，依照序列在网络中布置一定比例的观察点；其次，随机选择传播源处于感染状态启动传播过程，直到检测到达一定爆发范围时停止传播过程；根据观察点捕获信息寻找目标连通片获取子图，在子图上启动RIS算法检测传播源；最后，将检测传播源的固定跳数之内的邻居加入候选集，该候选集可作为后续搜索真实传播源的范围。本发明可以实现大型网络的快速传播源定位，从而及时控制恶意信息传播，降低其造成的损失。

摘要： 本发明公开了一种基于深度循环神经网络和进化计算的工业锅炉燃烧优化方法：(1)锅炉燃烧非线性离线建模：采用循环神经网络结构搭建锅炉燃烧非线性模型BM，训练参数采用偏移数据结构对BM进行训练，得到训练完成后的非线性模型BM_trd；锅炉燃烧决策在线优化：根据非线性模型BM_trd和偏移数据结构建立在线决策优化方法，寻找最优的决策变化量组合，使得下一时刻的热效率得到优化。该方法在工业锅炉运行参数种类较少的情况下，实现工业锅炉在线燃烧优化，将优化决策结果直接或间接用于锅炉运行调整，使锅炉运行更加清洁、高效。

摘要： 本发明属于安全检测技术领域，提供了一种基于进化计算的物联网恶意检测器安全性评估方法及系统，本发明在聚类和距离的引导下对获取的恶意样本进行进化计算，得到对抗样本，在参数进化中，如果没有找到恶意样本对应的对抗样本，根据失败时输出的原因再从聚类簇个数的序列和终止代数的序列中选取新的参数重新进行进化计算；专门针对基于流文本的恶意检测器设计对抗攻击，使用对抗攻击的手段生成对抗样本，通过攻击检测器并通过攻击成功率来评估检测器的安全性，解决了现有评估方法不能适用基于流文本的物联网恶意检测器的问题。

摘要： 本发明公开了一种基于进化计算的意图识别神经网络生成与优化方法，该方法包括以下步骤：根据问题特征与训练集数据构造神经网络损失函数，并取损失函数的倒数作为进化搜索的目标函数与适应度函数；设计针对神经网络节点与连接的编码方法，根据编码方法进一步设计针对神经网络的交叉与变异进化算子，作为进化搜索的主体部分操作；通过迭代的进化搜索后，种群适应度逐渐升高，神经网络损失函数逐渐降低，在达到进化的最大代数后，输出优化后的最优神经网络，用于复杂非线性问题的预测。本发明用于面向复杂非线性问题的神经网络生成与优化，能有效提升神经网络表现。

摘要： 本发明公开了一种基于进化计算的在垂直联邦架构下的隐私窃取防御方法，该方法构建了垂直于垂直联邦的深度学习框架，将用户节点和每个用户的交互信息转换成嵌入加密后上传至中央服务器，防止攻击者得到目标的隐私信息从而导致隐私的泄露。本发明基于进化算法的噪声优化迭代算法来对嵌入进行加密处理，在不断地学习训练的过程中利用反馈的实时信息去不断迭代优化噪声个体，最后达到比较完美的效果。与其他方法相比，本发明具有效率高、实用性强等特点。

摘要： 本发明提供了一种基于进化计算的神经网络架构搜索方法及系统，包括：根据目标需求和平台要求，通过目标函数设置目标要求；根据设置的搜索空间大小，基于子网络模块集合随机生成N个无向有环图，作为进化寻优的网络搜索空间；在启发式信息引导下，结合信息素动态挥发和概率路径选择机制，通过蚁群算法在随机生成的N个无向有环图中搜索N条有向无环图寻优路径，构成候选集；通过训练和测试获取候选集中N条寻优路径的准确率和推理时延，选取最优结果作为当前最优网络结构；评估当前网络架构是否达到目标要求。本发明具有一定的应用灵活性和可扩展性，在资源受限的情况下获得在精度和速度之间实现良好权衡的神经网络模型。

摘要： 本发明的目的是提出一种基于分解思想的卷积神经网络代理模型的多目标优化进化计算方法。在主流代理模型的构建基础上，受卷积神经网络使用的启发，提出将卷积神经网络针与代理模型相结合，搭建一种基于分解思想的代理模型，并与经典的基于分解的多目标优化进化计算算法相结合。通过创新性的使用卷积神经网络来构建代理模型，可以高效的处理较为昂贵、复杂的多目标优化问题，使得在计算量较大的情况下仍然可以准确高效的生成多目标优化问题的代理模型，为昂贵的多目标优化问题的进一步解决提供一种高效的方法。