摘要：提出一种可同时构造多个精确性和解释性较好折中的TS模糊模型的设计方法.该方法由以下两步组成:1)采用模糊聚类算法辨识初始模型;2)利用Pareto协同进化算法对所获得的初始模型进行结构和参数优化.Pareto协同进化算法由规则前件种群和隶属函数种群组成,其目标函数同时考虑模型的精确性和解释性,采用一种新的基于非支配排序的多种群合作策略.利用该方法对一类合成非线性动态系统进行建模,仿真结果验证了该方法的有效性.

摘要：提出一种可同时构造多个精确性和解释性较好折衷的高维模糊分类系统的设计方法.该方法首先利用Simba算法进行特征变量选择,然后采用模糊聚类算法辨识初始的模糊模型,最后利用Pareto协同进化算法对所获得的初始模糊模型进行结构和参数优化.其中,Pareto协同进化算法采用了一种新的基于非支配排序的多种群合作策略.为提高模型的解释性,在Pareto协同进化算法中利用基于相似性的模型简化方法对模型进行约简.利用该方法对Wine典型问题进行分类,仿真结果验证了方法的有效性.

摘要：基于协同进化算法,提出一种高维模糊分类系统的设计方法.首先定义系统的精确性指标,给出解释性的必要条件,利用聚类算法辨识初始模型.相互协作的3类种群分别代表系统的特征变量、规则前件和模型隶属函数的参数,适应度函数采用3类种群合作计算的策略,在算法运行中利用基于相似性的模型简化技术约简模糊系统,最后利用该方法对W ine问题进行研究.仿真结果表明该方法能够对高维分类问题的特征变量进行选择,同时利用较少规则和模糊集合数达到较高的识别率.

摘要：协同进化算法是一种新的进化算法框架,该算法借鉴自然界中的协同进化机制,在传统单物种进化算法的基础上引入生态系统的概念。生态系统中多个物种相互作用,共同进化,从而使整个系统不断演进。将应用领域待求解的问题映射为生态系统,以生态系统的进化来达到问题求解的目的。协同进化算法符合进化博弈论的理论框架,对于各种不同领域问题的求解都取得成功。文中综述了国内外协同进化算法的发展状况,介绍了协同进化算法的基本理论,探讨了该算法在电力系统和电力市场中的可能应用。将该算法引入电力系统和电力市场的研究,可以为电力系统的优化规划和运行、电力市场的竞价机制设计和投标策略优化以及电力市场计算机模拟提供新的方法。

摘要：针对多个FACTS装置的控制器之间存在的负交互影响,提出一种基于Pareto协同进化算法的协调控制方法。利用协同进化算法对控制器参数进行种群划分,对各种群采用遍历组合法构造新的个体并计算目标函数值。采用多种群合作策略进行非支配排序,取排序后的最优个体进行遗传操作,最后得到一组Pareto最优解集。与常规多目标优化算法相比,避免了一般多目标优化进化算法中难以处理的适应度值的分配问题,且利用协同进化算法的并行性大幅提高了收敛速度。利用该方法对静止同步串联补偿器(SSSC)与静止同步补偿器(STATCOM)2种典型FACTS装置的协调控制器进行了设计,并通过仿真验证了设计的协调控制器的控制效果良好。

摘要：提出一种基于协同进化算法的TS模糊模型设计方法.该方法由以下两步组成:(1)采用模糊聚类算法辨识初始的模糊模型;(2)利用协同进化算法对所获得的初始模糊模型进行结构和参数的优化.协同进化算法由两类种群组成:规则前件种群和隶属函数参数种群;其适应度函数同时考虑模型的精确性和解释性,采用两种群合作计算的策略;为提高模型的解释性,在协同进化算法中利用基于相似性的模型简化方法对模型进行约简.最后,利用该方法对M ackey-G lass系统进行辨识,仿真结果验证了方法的有效性.

摘要：自然界始终是人类灵感的重要来源,进化计算就是模拟自然界生物进化过程产生的一种随机优化策略与技术。集成现有算法的几种优势策略,利用混合策略的思想结合具体问题设计算法,提出了一种多智能体协同进化算法。介绍多智能体协同进化算法在第三方物流配送中的应用,以实例说明算法的有效性。

摘要：通过引入非优超排序和排挤的多目标处理机制 ,将分布式协同进化MDO算法的能力扩展到多目标的多学科设计优化问题。多目标的分布式协同进化MDO算法在保持各学科充分自治和各学科并行设计优化协同的基础上 ,通过一次运行即可获得具有良好分布的多个Pareto最优解 ,逼近整个Pareto最优前沿。应用于导弹气动 /发动机 /控制三学科两目标设计优化问题 ,与约束法计算结果的对比表明算法能够有效逼近该问题的Pareto最优前沿 。

摘要：分支管路是船舶管路系统中最常见和最重要的管路形式。基于协同进化算法和差分进化算法,提出了一种船舶分支管路的新型优化设计方法,并通过3组仿真算例验证了所提优化方法的有效性和实用性。与现有的船舶分支管路设计方法相比,所提优化方法不依赖于网格空间,节省了预处理计算时间和内存;此外,所提优化方法能够对分支管路的每条分支进行并行优化设计,具有较强的全局搜索能力。研究内容对船舶管路智能化设计具有一定意义。

摘要：针对现有基于梯度的多学科设计优化 (MDO)算法不适用于具有离散和整数设计变量、设计空间非凸或不连通的多学科设计优化问题 ,以及倾向于收敛到接近初始点的局部最优点的缺点 ,为充分发挥进化算法的优越性 ,根据协同进化与 MDO在本质上的相似性 ,采用分布式协同进化机制进行 MDO算法研究。提出了分布式协同进化 MDO算法 ,并将该算法应用于导弹的气动 /发动机 /控制一体化优化设计。