协同进化算法及其应用

本文基于大自然进化过程中　种群之间、种群与环境之间的在　进化过程中的协同作用，提出一　种个体之间相互竞争和协助的协　同进化算法ＣＣＥＡ（Ｃｏｅｘｉ　Ｓｔｅｎｃｅ　ＣＯ—ｅＶＯｌｕｔｉｏｎａｒｙ　Ａ１ｇｏｒｉｔｈｍ）。　基本思想为通过优势度和责任度　概念，来控制各子种群繁殖的数　量，在总的种群个体数量一定的　前提下，使得优势种群拥有更多　的繁殖机会，达到扩大搜索空间　的目的，并迫使弱势种群更多的　引入其他种群的优秀基因，达到　增强自身优势度的目的。通过计　算表明能有效的增强算法的搜索　性能。　

【关键词】协同进化多目标算法多目标优化　

协同进化算法是基于协同进化理论出现　

的一类新的进化算法，其在传统进化算法强调　

个体与个体之间因环境原因所产生的竞争的基　ｔｈｅ　Ａｐｐｌｉｃａｔｉｏｎ　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ｔｅｃｈｎｏｌｏｇｙ・计算机技术应用　

竞争和合作型协同进化算法　

文／郭晨阳　

础之上，进一步考虑多个种群之间、种群与环　

境之间的在进化过程中的协同作用。目前通常　

使用的协同进化算法主要可以分为两类：以　

种群竞争的方式加速算法收敛和使用种群合　

作的方式保持种群多样性。但是这两种方式都　

只是强调了协同进化中的一部分，都存在其不　

足。在大自然生物们个体之间的协同进化过程　

中，竞争、合作这两种相互矛盾的关系往往都　

是同时存在的。只有强者才具优先交配的权　

利，以遗传下自身的基因，其他处于弱势的个　

体会团结起来与其对抗，达到留下自身基因的　

目的。刘静在她的博士论文《协同进化算法及　

其应用研究》中基于种群竞争和合作思想构　

建了ＭＯＣＥＡ（Ｍｕｌｔｉ—ｏｂｊｅｃｔｉｖｅ　Ｃｏｅｖｏｌｕｔｉｏｎａｒｙ　

Ａｌｇｏｒｉｔｈｍ），通过竞争特性算子一一吞并算　

子来达到使得优秀的基因得到广泛的传播和　

保持种群基因的多样性，并得到很好的效果。　

但由于刘的思想仍然是主要依靠种群合作来　

达到加速收敛的目的，其所采用的竞争特性算　

子一一吞并算子对其算法进化并没起到决定性　

混合量子进化算法及其应用　

俞洋　，　殷志锋　田亚菲　

（江苏技术师范学院电气信息工程学院，江苏常州２１３００１）　

（兰州大学信息科学与工程学院，兰州７３００００）　

Ｅ－ｍａｉｌ－ｙｕｙａｎｇ０３＠ｓｔ．１ｚｕ．ｅｄｕ．ｃｎ　

摘要　文章将量子进化算法（ＱＥＡ）和粒子群算法（ＰＳ０）互相结合，提出了两种混合量子进化算法。第一种算法叫做嵌　

入式粒子群量子进化算法，其主要思想是将简化的ＰＳＯ进化方程嵌入ＱＥＡ的进化操作中，简化了ＱＥＡ算法的结构，增　强了ＱＥＡ跳出局部极值的能力。第二种算法叫做量子二进制粒子群算法，其主要思想是将ＱＥＡ中的量子染色体的概念　

引入二进制粒子群算法（ＢＰＳＯ），提高了ＢＰＳＯ算法保持种群多样性的能力和运算速度。通过对０－１背包问题和多用户检　

测问题的求解表明．新的算法不仅操作更简单，而且全局搜索能力有了显著的提高。　

关键词　量子进化算法　粒子群优化算法　

文章编号１００２—８３３１（２００６）２８—００７２—０５　混合进化算法　

文献标识码Ａ　中图分类号ＴＰ１８；　ｒＰ３Ｏ１．６　

Ｈｙｂｒｉｄ　Ｑｕａｎｔｕｍ　Ｅｖｏｌｕｔｉｏｎａｒｙ　Ａｌｇｏｒｉｔｈｍｓ　ａｎｄ　ｉｔｓ　Ａｐｐｌｉｃａｔｉｏｎ　

ＹＵ　Ｙａｎｇ　・　ＹＩＮ　Ｚｈｉ－ｆｅｎｇ　ＴＩＡＮ　Ｙａ—ｆｅｉ　

（Ｄｅｐａｒｔｍｅｎｔ　ｏｆ　Ｅｌｅｃｔｒｉｃａｌ　ａｎｄ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｊｉａｎｇｓｕ　Ｔｅａｃｈｅｒｓ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｔｅｃｈｎｏｌｏｇｙ，　

Ｃｈａｎｇｚｈｏｕ，Ｊｉａｎｇｓｕ　２１３００１）　

（Ｓｃｈｏｏｌ　ｏｆ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｌａｎｚｈｏｕ　Ｕｎｉｖｅｒｓｉｔｙ，Ｌａｎｚｈｏｕ　７３００００）　

Ａｂａｔｒａｃｔ：Ｉｎｓｐｉｒｅｄ　ｂｙ　ｔｈｅ　ｉｄｅａ　ｏｆ　ｈｙｂｒｉｄ　ｏｐｔｉｍｉｚａｔｉｏｎ　ａｌｇｏｒｉｔｈｍｓ，ｔｈｉｓ　ｐａｐｅｒ　ｐｒｏｐｏｓｅｓ　ｔｗｏ　ｈｙｂｒｉｄ　Ｑｕａｎｔｕｍ　Ｅｖｏｌｕｔｉｏｎａｒｙ　Ａｌｇｏｒｉｔｈｍｓ（ＱＥＡ）ｂａｓｅｄ　ｏｎ　ｃｏｍｂｉｎｉｎｇ　ＱＥＡ　ｗｉｔｈ　Ｐａｒｔｉｃｌｅ　Ｓｗａｒｍ　０ｐｔｉｍｉｚａｔｉｏｎ（Ｐｓ０）．Ｔｈｅ　ｍａｉｎ　ｉｄｅａ　ｏｆ　ｔｈｅ　ｆｉｒｓｔ　ｍｅｔｈｏｄ　ｃａｌｌｅｄ　ＰＳＥＱＥＡ　ｉｓ　ｔｏ　ｅｍｂｅｄ　ｔｈｅ　ｅｖｏｌｕｔｉｏｎａｒｙ　ｅｑｕａｔｉｏｎ　ｏｆ　ＰＳＯ　ｉｎ　ＱＥＡ；ｗｈｉｌｅ　ｔｈｅ　ｍａｉｎ　ｉｄｅａ　ｏｆ　ｔｈｅ　ｓｅｃｏｎｄ　ｍｅｔｈｏｄ　

第３４卷第７期　２０１３年７月　宇航学报　Ｊｏｕｒｎａｌ　ｏｆ　Ａｓｔｒｏｎａｕｔｉｃｓ　Ｖｏ１．３４　Ｎｏ．７　Ｊｕｌｙ　２０１３　

改进变异策略的自适应差分进化算法及其应用　

汤小为　，汤　俊　，万　爽　，唐　波　

（１．清华大学电子工程系，北京１０００８４；２．电子工程学院，合肥２３００３７）　

摘　要：针对标准差分进化（Ｄｉｆｆｅｒｅｎｔｉａｌ　Ｅｖｏｌｕｔｉｏｎ，ＤＥ）算法存在控制参数难以选取以及变异策略缺乏稳健性　的不足，提出一种基于改进变异策略的自适应ＤＥ算法。该方法用随机选取子种群的最优个体替代全种群最优个　体进行变异操作；然后采用柯西分布和正态分布分别对收缩因子和交叉概率进行扰动，并在进化过程中利用胜出　个体白适应地递推调整参数分布。对五个典型Ｂｅｎｃｈｍａｒｋ函数的测试结果表明：该方法在全局搜索能力、收敛速　度和精度以及可靠性上比标准ＤＥ算法都有了大幅度提高。将该方法用于分布式孔径雷达的方向图综合问题，通　过较少的仿真次数即可稳定的获得更低的旁瓣电平。　关键词：差分进化算法；变异策略；自适应参数；分布式孔径雷达；方向图综合；旁瓣电平　中图分类号：ＴＮ８２１　文献标识码：Ａ　文章编号：１０００—１３２８（２０１３）０７—１００１－０７　ＤＯＩ：１０．３８７３／ｊ．ｉｓｓｎ．１０００—１３２８．２０１３．０７．０１６　

Ａｄａｐｔｉｖｅ　Ｄｉｆｆｅｒｅｎｔｉａｌ　Ｅｖｏｌｕｔｉｏｎ　Ａｌｇｏｒｉｔｈｍ　ｗｉｔｈ　Ｍｏｄｉｆｉｅｄ　Ｍｕｔａｔｉｏｎ　Ｓｔｒａｔｅｇｙ　

ａｎｄ　Ｉｔｓ　Ａｐｐｌｉｃａｔｉｏｎ　

ＴＡＮＧ　Ｘｉａｏ—ｗｅｉ　，ＴＡＮＧ　Ｊｕｎ　，ＷＡＮ　Ｓｈｕａｎｇ　，ＴＡＮＧ　Ｂｏ　（１．Ｄｅｐｔ．Ｅｌｅｃｔｒｏｎｉｃ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｔｓｉｎｇｈｕａ　Ｕｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ　１０００８４，Ｃｈｉｎａ；　２．Ｅｌｅｃｔｒｏｎｉｃ　Ｅｎｇｉｎｅｅｒｉｎｇ　Ｉｎｓｔｉｔｕｔｅ，Ｈｅｆｅｉ　２３００３７，Ｃｈｉｎａ）　

・３６・　计算机应用研究　２００６正　

自适应协同进化算法及其在创新设计中的应用研究水　

张桂娟，刘希玉　（山东师范大学信息管理学院，山东济南２５００１４）　

摘要：提出一种自适应协同进化算法，对其进行了数学描述。设计了一个支持该算法的创新设计系统，为分　布式环境下设计人员的协作和创新思路的开拓提供了支撑平台。算法中自适应学习的引入为在设计中自动而　有效地使用先验智能提供了可行性。最后以一个建筑实例的设计为例对所述的方法和系统加以描述。　关键词：协同进化；自适应；创新设计　中图法分类号：ＴｔＢ９１．７２　文献标识码：Ａ　文章编号：１００１　３６９５（２００６）１０．００３６　０３　

Ｒｅｓｅａｒｃｈ　ｏｎ　Ａｄａｐｔｉｖｅ　Ｃｏ—ｅｖｏｌｕｔｉｏｎ　Ａｌｇｏｒｉｔｈｍ　ａｎｄ　Ｉｔ’Ｓ　Ａｐｐｌｉｃａｔｉｏｎ　ｉｎ　Ｃｒｅａｔｉｖｅ　Ｄｅｓｉｇｎ　ＺＨＡＮＧ　Ｇｕｉ－ｊｕａｎ，ＬＩＵ　Ｘｉ—ｙｕ　（Ｃｏｌｌｅｇｅ　ｏｆＩｎｆｏｒｍａｔｉｏｎ　Ｍａｎａｇｅｍｅｎｔ，Ｓｈａｎｄｏｎｇ　Ｎｏｒｍａｌ　Ｕｎｉｖｅｒｓｉｔｙ，Ｊｉｎａｎ　Ｓｈａｎｄｏｎｇ　２５００１４，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ａｎ　ａｄａｐｔｉｖｅ　ｅｏ－ｅｖｏｌｕｔｉｏｎ　ａｌｇｏｒｉｔｈｍ　ａｎｄ　ｉｔｓ　ｍａｔｈｅｍａｔｉｃａｌ　ｄｅｆｉｎｉｔｉｏｎ　ａｒｅ　ｐｒｏｐｏｓｅｄ，ｂａｓｅｄ　ｏｎ　ｗｈｉｃｈ　ａ　ｄｅｓｉｇｎ　ｓｙｓｔｅｍ　ｉｓ　ｃｏｎｓｔｒｕｃｔｅｄ，ｗｈｏ　ｏｆｆｅｒｓ　ａ　ｓｕｐｐｏｒｔｉｎｇ　ｆｒａｍｅｗｏｒｋ　ｆｏｒ　ｃｏｏｐｅｒａｔｉｖｅ　ｗｏｒｋ　ａｎｄ　ｃｒｅａｔｉｖｅ　ｄｅｓｉｇｎ　ａｍｏｎｇ　ｄｉｓｔｒｉｂｕｔｅｄ　ｄｅｓｉｇｎｅｒｓ．Ｍｅａｎ．　ｗｈｉｌｅ　ｔｈｅ　ａｄａｐｔｉｖｅ　ｌｅａｎｉｎｇ　ｉｎ　ｔｈｅ　ａｌｇｏｒｉｔｈｍ　ｅｎｆｏｒｃｅｓ　ｔｈｅ　ｆｅａｓｉｂｉｌｉｔｙ　ｏｆ　ｕｓｉｎｇ　ｄｅｓｉｇｎ　ｅｘｐｅｒｉｅｎｃｅ　ａｕｔｏｍａｔｉｃａｌｌｙ　ａｎｄ　ｅｆｆｅｃｔｉｖｅｌｙ．Ｆｉ．　ｎａｌｌｙ，ａ　ｃａｓｅ　ｓｔｕｄｙ　ｆｏｒ　ａｎ　ａｒｃｈｉｔｅｃｔｕｒｅ　ｄｅｓｉｇｎ　ｉｓ　ｄｅｓｃｒｉｂｅｄ　ｔｏ　ｉｌｌｕｓｔｒａｔｅ　ｔｈｅ　ｍｅｔｈｏｄ　ａｎｄ　ｓｙｓｔｅｍ　ｐｒｏｐｏｓｅｄ．　Ｋｅｙ　ｗｏｒｄｓ：Ｃｏ－ｅｖｏｌｕｔｉｏｎ；Ａｄａｐｔｉｖｅ；Ｃｒｅａｔｉｖｅ　Ｄｅｓｉｇｎ