分享到:

进化计算研究

当前信息科学和认识科学的中心问题是计算智能的研究,计算智能是生物智能的计算模拟,一般认为计算智能包括神经网络、模糊系统和进化计算3个主要部分,因此进化计算的研究引起了世界各国科学家的广泛重视。国际学  (本文共3页) 阅读全文>>

广东工业大学
广东工业大学

基于线性变换的适应度函数及机器人进化计算研究

智能化是计算机机发展的必然趋势,无论是计算机控制,还是商用民用软件,都要求含有越来越高的智能因素,因此人工智能的研究越来越受到重视。20世纪80年代,基于结构演化的人工智能理论——计算智能理论迅速成为人工智能研究新的主流。计算智能包含广泛的研究领域,各领域之间存在着深刻的联系,且相互促进,进化计算就是其中一个重要领域。进化机器人的思想主要来源于进化计算。在进化机器人中,设计者的工作主要是决定进化框架和评估策略,评估中所采用的适应度函数在很大程度上决定了系统的行为。常用的适应度函数的设计方法有线性变换法、幂函数变换法、指数变换法和方差调整法等。同时,进化框架中的进化参数,如选择概率、交叉概率和变异概率等对进化过程和结果非常关键。通过研究机器人进化计算中适应度函数及进化参数的设计,达到群体多样性与收敛性、进化性能与进化速度的统一,从而优化进化机器人中进化框架和评估策略的设计。这对于进化计算和进化机器人学的发展都具有重要的意义。本论文...  (本文共69页) 本文目录 | 阅读全文>>

中南大学
中南大学

基于免疫机制和多示例学习的移动机器人进化导航研究

移动机器人技术在空间探测、国防、工业、农业、医学及社会服务业等领域显示了越来越广泛的应用前景,已成为国内外移动机器人学术界研究的热点。本文针对大范围环境、变化环境和未知环境,以免疫进化和多示例学习作为支撑技术,围绕移动机器人在它的运动过程中始终需要解决的定位与规划二个关键问题进行了比较深入的研究,其研究内容涉及基于多图像的定位、并发定位与建图、路径规划、进化与免疫计算和多示例学习等。本文完成的主要工作和取得的创新性成果如下。通过分析现有采样方法和多模函数优化过程中典型的早熟收敛现象,认为进化计算和免疫算法等智能优化算法需要一种以父体两旁为着重点搜索区域的采样范式,并提出使用逆正态分布进行采样。通过理论分析和实验,证实了这是一种在跳出局部极值方面有明显优势的采样方式。提出了一种多样度和适应度联合引导的选择、交叉与变异概率适应性计算策略;通过实验和分析,总结出了选择压力与进化算法性能之间的密切关系。通过数学分析,证明了二进制遗传算法...  (本文共137页) 本文目录 | 阅读全文>>

浙江大学
浙江大学

膜计算优化方法研究

膜计算(P系统)是从生物细胞以及由细胞组成的组织和器官的功能与结构中抽象出来的计算模型,它是一种分布式的、并行的、非确定性的理想计算机器。在理论上,许多简单的膜计算理论模型具有与图灵机同等的计算能力,甚至还有超越图灵机局限性的可能。但是鲜有膜计算在实际生产工程中应用的研究成果。本文的主要目的是:在综述膜计算理论的基础上,立足于“实用性”,深入膜计算理论和方法的研究,建立一类膜计算优化模型、算法和策略,促进膜计算应用的发展。本文提出了膜计算优化方法的基本思想;研究了膜计算优化方法的体系结构、规则;提出了单目标、多目标和动态多目标膜计算优化算法;在膜计算理论研究的基础上,将膜计算应用到了控制系统、过程控制等领域。本文的研究内容和主要贡献概括为以下几个方面:(1)将膜计算的研究方向扩展到了优化计算领域,提出了一类求解优化问题的膜计算优化方法的基本思路;受生物细胞不同结构或机理的启发,提出了三种具有不同功能和特点的单目标膜计算优化算法:...  (本文共188页) 本文目录 | 阅读全文>>

《控制与决策》1997年01期
控制与决策

进化计算简要综述

介绍进化计算的起源与发展历史、进化计算的特点与分类...  (本文共7页) 阅读全文>>

浙江大学
浙江大学

计算智能在电力系统多目标优化中的应用研究

作为一种随机方法,计算智能具有鲁棒性强的突出优点,它的出现为求解难度较大的电力系统多目标优化问题开辟了新的途径。本文从进化计算和神经网络入手,提出了基于计算智能的电力系统多目标优化求解方法。本文的主要工作包括以下四个方面:首先,常见的多目标优化算法在搜索能力、收敛速度等方面各有所长。本文提出多目标优化的协同进化解法。建立包含多个种群的生态系统,各种群除了在各自机制下独立进化之外,还接受系统层的环境选择和环境影响,从而快速提升整个物种的进化成熟度。映射在算法层面,即提出多目标协同进化算法MOCEA,采用NSGA-Ⅱ、PESA、SPEA2、NMPSO等多种算法互补求解同一优化问题,极大提升寻优能力。然后,电力系统多目标优化是一个数据密集型问题,为提升优化速度,本文提出了协同进化计算的Master-Keeper-Slave三级主从并行架构,将参与问题计算的进程分为三类:主要负责环境选择的Master;主要负责计算任务分配和适应度计算的...  (本文共157页) 本文目录 | 阅读全文>>