非均匀变异算子

智能算法中常用的变异算子有采用高斯变异、柯西变异、Levy变异，这里给出一种也比较不错的非均匀变异。

非均匀变异算子的工作原理如下：
阅读全文 >

粒子群优化算法中的评价策略缺陷及对策

粒子群优化算法在每个粒子更新的过程中，虽然粒子找到了适应度更好的位置，但是其中一部分维度仍在退化，即不是所有维度都在进化。这种现象被称为“两进一退”。“两进一退”中的“退化”不是为了保持种群的多样性而被允许的退化，而是一种不期望的现象：其使得一些维度被误认为是粒子的历史最优维度，而影响历史最优位置的质量并误导群体的进一步进化。
阅读全文 >

差分进化算法的参数影响研究

差分进化算法性能优越、容易理解、易于实现，一经提出就倍受关注并得到了广泛的应用，但是DE算法本身仍有很多值得研究的地方，例如：参数的设置问题。差分进化算法的性能很大程度上和参数的选取有关。然而对DE算法参数分析的专门性文章却很少，本文对影响算法性能的三个主要参数展开了一些研究分析，并给出了一些合理的选取规则。
阅读全文 >

元胞自动机介绍

网摘

元胞自动机(Cellular Automata，简称CA)，也有人译为细胞自动机、点格自动机、分子自动机或单元自动机，是一时间和空间都离散的动力系统。散布在规则格网(Lattice Grid)中的每一元胞(Cell)取有限的离散状态，遵循同样的作用规则，依据确定的局部规则作同步更新，大量元胞通过简单的相互作用而构成动态系统的演化。不同于一般的动力学模型，元胞自动机不是由严格定义的物理方程或函数确定，而是用一系列模型构造的规则构成。凡是满足这些规则的模型都可以算作是元胞自动机模型。
阅读全文 >

改进的基于进化阶段的自适应遗传算法

基于进化阶段的自适应遗传算法将整个进化阶段划分为3个阶段，基于不同阶段的进化特点及要求，采取不同的自适应策略，包括选择算子、交叉算子、变异算子的自适应策略。
阅读全文 >

引入代间差分的粒子群优化算法

在标准粒子群优化算法进化过程中引入新的代间差分粒子更新算法，并按照模拟退火方法进行更新后粒子的选择，使得PSO算法更为有效。
阅读全文 >

模拟退火算法源代码

模拟退火算法是20世纪80年代初期发展起来的一种求解大规模组合优化问题的随机性方法。它以优化问题的求解与物理系统退火过程的相似性为基础，利用Metropolis算法并适当地控制温度的下降过程实现模拟退火，从而达到求解全局优化问题的目的。传统的模拟退火算法介绍可以看CnHUP写的一篇文章[模拟退火算法]。这里给出了传统模拟退火算法源代码，可供参考，也可以作为改进的基础，具体代码如下：
阅读全文 >