摘要：针对传统差分进化算法在解决复杂优化问题时性能不足的问题,提出了一种双重经验结合的自适应差分进化算法,该算法提出了基于个体经验和集体经验结合的参数自适应机制.在该机制中,每个个体都有自己的缩放因子和杂交概率,并且个体同时利用自身经验和多个成功个体的集体经验来自适应地更新参数值.该机制不仅很好地利用了个体自身的演化信息,还结合了集体的有益信息,有利于生成优秀个体,提高算法性能.此外,自适应差分进化算法设计了一种新的带外部存档的变异策略,该变异策略引入了一个调整变异策略贪婪性的参数,这个参数在进化过程中随着函数评价次数的增加而动态变化,自适应地调整变异策略在不同进化阶段的贪婪性,较好地平衡了算法的勘探和开采,进而提高算法性能.在CEC2017基准集上对算法进行数值实验,并将自适应差分进化算法与多个改进的差分进化算法进行了比较.实验结果表明:自适应差分进化算法取得了较好的求解结果,并在整体上优于其他算法.

摘要：基于覆盖引导的模糊测试技术是当前研究的热点,AFL是该领域的代表性工具。文章在AFL基础上进行了改进,将Havoc的变异策略建模为一个多臂赌博机问题,并提出一种结合ε-greedy算法和置信区间上界(Upper Confidence Bound,UCB)算法的动态调整变异策略的方法,实现了工具EnAFL的设计。通过与AFL的对比实验分析得出,EnAFL在代码覆盖率和测试效率方面表现更出色。

摘要：为了增强粒子群优化(PSO)算法跳出局部最优的能力,以及提高PSO算法在解决复杂实际工程问题的寻优性能,提升PSO算法在路径规划问题中的优化效果,提出了一种融合压缩策略和变异策略的粒子群(CMPSO)算法。在压缩策略基础上,设计了全新变异策略,二者的融合有效实现了粒子的自适应调节、增强了种群的多样性,提高了算法跳出局部最优的概率。经过CEC2017部分测试函数的验证,证明了CMPSO算法优秀的寻优能力。最后综合考虑多种约束条件,将CMPSO算法应用于无人机复杂路径规划,与其他改进PSO算法比较,CMPSO算法能够获得更短的路径航程,且耗时更少,代价更小。表明该算法能为无人机复杂路径规划提供有力技术支撑。

摘要：针对混流装配线工序加工资源需求多样、工艺复杂、装配工期长等问题,采用Petri网和改进遗传算法对该问题进行优化求解。建立混流装配线赋时库所Petri网(timed place Petri net, TPPN)调度模型,基于模型激发序列,采用基于工序的编码方式进行染色体编码;采用精英保留策略选择优异个体,改进遗传算法的交叉、变异操作,用改进后的遗传算法求解混流装配线调度问题。通过对比案例及实例数据计算结果验证了方案的有效性。

摘要：为加快算法的收敛速度和寻优能力,将粒子群算法和差分进化算法的优点结合起来,提出一种混合差分进化算法。在此基础之上引入一种新型的变异策略(包括全局变异和局部变异两种),平衡算法的全局搜索能力和收敛速度。采用大量标准测试函数对多种比较算法进行实验,实验结果表明,相比其它进化算法,改进以后的差分进化算法可以达到更快的收敛速度和更高的寻优精度,可以广泛应用于工业及生产领域。

摘要：针对灰狼优化算法(GWO)在求解复杂优化问题时容易出现收敛速度慢和早熟收敛等缺点,提出了一种改进收敛因子和变异策略的新型灰狼优化算法(CMGWO)。为了平衡GWO算法的全局探索能力与局部开发能力,设计了一种基于反余弦函数变化策略的收敛因子;为了进一步提高算法跳出局部最优解的能力,提出了一种新的位置变异策略。仿真实验结果表明,与已有的3种智能优化算法和5种典型改进灰狼优化算法相比,改进算法具有更快的收敛速度和更高的寻优精度,更适用于解决各种函数优化问题。

摘要：通信协议可保障网络应用和物联网设备之间的通信,但其在设计或实现中存在的脆弱性会带来严重的安全威胁和隐患。模糊测试技术作为一种软件安全分析的有效方法,在针对网络协议的脆弱性分析中表现出高效的性能和无可比拟的优势。现有的针对网络协议的灰盒测试技术仍依赖于人工识别协议格式来辅助测试,并且变异策略的设计更偏向于位和字节的变异,忽略了协议消息本身的格式信息,导致在测试时性能不佳。针对上述问题,提出一种基于对齐聚类的智能化协议格式推断模型ProCluster,用于指导灰盒测试中协议状态机构建和种子的变异。该模型通过自动提取协议关键字和推断相应类型,辅助协议灰盒测试模型构建更精准的种子变异策略,从而生成更符合协议规范的测试用例,以此加速提升模糊测试的代码覆盖能力和脆弱路径发现能力。实验结果表明,在对TinyDTLS、OpenSSL等程序的模糊测试中,与典型协议灰盒测试工具AFLNet相比,ProCluster的边覆盖率能够提升75%~182%,并且在TinyDTLS中发现一个缓冲区溢出漏洞样本。

摘要：为解决多起点均衡多旅行商问题,分析问题的特点,从优化旅行商的起点、最小化所有旅行商总路程和维持各旅行商路径均衡的角度出发,提出一种基于改进交叉、变异操作的遗传算法。根据均衡多旅行商问题的优化目标,构建新型评价函数,设计双染色体编码方式。在此基础上,引入改进的三交换启发式交叉操作并设计双变异策略。在经典旅行商问题的测试集TSPLIB上,与其它求解多旅行商问题的进化算法进行对比,验证算法的有效性。

摘要：在现有几种遗传算法(GA)的基础上,对GA中的适应度函数、交叉策略和变异策略做了进一步的设计,从而提出了一种新型改进GA。新型改进GA以群体的多样性与算法的收敛速度、全局与局部搜索能力的综合均衡为设计重点,较好地解决了一般GA收敛速度慢和局部搜索能力差的缺点。仿真结果表明:该算法与常用的标准GA和采用算术交叉算子的实值编码改进GA相比,有更快的收敛速度,更高的收敛精度及全局收敛概率。

摘要：针对传统路径规划算法收敛速度慢、稳定性差、易陷入局部极值的问题,提出一种基于梯度统计变异量子遗传算法的车辆路径规划方法.首先在依据染色体适应度值动态调整旋转角步长的基础上,引入梯度下降思想对量子旋转门调整策略进行改进;根据染色体变化趋势的统计特性,设计基于梯度统计的变异算子实现变异操作,提出基于量子位概率密度的自适应变异策略;以路径最短为指标建立车辆路径规划模型,通过仿真实验验证改进算法在车辆路径规划中的有效性,与其他优化算法相比,本文改进算法所规划路径长度更短,搜索稳定性更好,能有效控制算法陷入局部最优.