摘要：本文提出一种带自学习算子的GA-BP预测模型,并将其应用于城市发展预测中,在MATLAB,GAOT工具箱上进行了实现,进而分别运用BP,GA-BP,带自学习算子的GA-BP方法对南京的实例进行了预测,将三种方法的预测结果与实际值进行了对比分析,结果表明,增加了自学习算子的GA-BP方法有效且收敛性得到提高。

摘要：状态变量带约束的过程动态优化问题是化工系统工程的重要课题,有一定的难度。通过将其转换为等价的非线性规划后,可采用元启发式方法求解。人工免疫系统的克隆选择算法(CSA)简练易用,全局搜索性能良好,但局部寻优能力较弱,且无处理约束的机制。为此,拟引入免疫网络自学习算子,均匀设计方法,以及目标与约束分离的处理机制,构建改进的克隆选择算法(ICSA),并将其用于状态变量带约束的间歇反应器和乙醇生物反应器的动态优化等实例,效果良好。试验结果表明三种策略有效地改进了CSA的性能,使ICSA能以较少的计算代价搜索到较优的控制策略。

摘要：基于组织的概念设计了一种新的进化算法———求解SAT问题的组织进化算法 (OrganizationalEvolution aryAlgorithmforSATproblem ,OEASAT) .OEASAT将SAT问题分解成若干子问题 ,然后用每个子问题形成一个组织 ,并根据SAT问题的特点设计了三种组织进化算子———自学习算子、吞并算子和分裂算子以引导组织的进化 .根据组织的适应度 ,将所有组织分成两个种群———最优种群和非最优种群 ,然后用进化的方式来控制各算子 ,以协调各组织间的相互作用 .OEASAT通过先解决子问题 ,再协调相冲突变量的方式来求解SAT问题 .由于子问题的规模较小 ,相对于原问题来说较容易解决 ,这样就达到了降低问题复杂度的目的 .实验用标准SATLIB库中变量个数从 2 0～ 2 5 0的 370 0个不同规模的标准SAT问题对OEASAT的性能作了全面的测试 ,并与著名的WalkSAT和RFEA2的结果作了比较 .结果表明 ,OEASAT具有更高的成功率和更高的运算效率 .对于具有 2 5 0个变量、10 6 5个子句的SAT问题 ,OEASAT仅用了 1.5 2 4s,表现出了优越的性能 .

摘要：针对旅行商问题,提出了一种带自学习算子的粒子群优化算法,根据旅行商问题及离散量运算的特点,对粒子的位置、速度等量及其运算规则进行了重新定义,为抑制早熟停滞现象,定义了变异速度来保持粒子群的多样性,使用自学习算子来提高算法的局部求精能力,使算法在空间探索和局部求精间取得了较好的平衡,与领域中的其它典型算法进行了仿真比较,结果表明,该算法具有良好的性能。