新型模拟进化计算

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (9): 54-55.

新型模拟进化计算

胡桂武1，2，3，陈建超1

1.广东商学院数学与计算科学学院，广州 510320
2.中国人民大学教育部数据工程与知识工程重点实验室，北京 100872
3.中国人民大学信息学院，北京 100872

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-03-21 发布日期:2011-03-21

Novel simulated evolutionary computation

HU Guiwu1，2，3，CHEN Jianchao1

1.School of Mathematics & Computational Science，Guangdong University of Business Studies，Guangzhou 510320，China
2.Key Laboratory of Data Engineering & Knowledge Engineering for the MOE，Renmin University of China，Beijing 100872，China
3.School of Information，Renmin University of China，Beijing 100872，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-03-21 Published:2011-03-21

摘要/Abstract

摘要： 提出了一种新的模拟进化计算，它模仿新宇宙进化理论中膨胀、收缩两种模式交互作用，推动宇宙进步的过程。膨胀操作提高了种群的多样性和进化算法克服局部收敛的能力，收缩操作吸取了不同群体的优良特性，改善了算法的计算效率，实验结果表明该范式是有效的。

关键词: 模拟进化计算, 收敛, 膨胀, 收缩

Abstract: Novel Simulated Evolutionary Computation（NSEC） is a new approach of Evolutionary Computation（EC）.NSEC simulates the process of metagalaxy-progress which is made by the interaction between shrinkage and dilation coming from new metagalaxy evolutionary theory.Dilation operation improves the diversity of population and the local convergence of EC.Shrinkage operation is able to combine the merits of different population and improves its computational efficiency.Finally，the novel algorithm is used to solve optimization problem.The result shows that the novel mode is effective.

Key words: simulated evolutionary computation, convergence, dilation, shrinkage

胡桂武1，2，3，陈建超1. 新型模拟进化计算[J]. 计算机工程与应用, 2011, 47(9): 54-55.

HU Guiwu1，2，3，CHEN Jianchao1. Novel simulated evolutionary computation[J]. Computer Engineering and Applications, 2011, 47(9): 54-55.

[1]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[2]	陈雷，尹钧圣. 高斯差分变异和对数惯性权重优化的鲸群算法[J]. 计算机工程与应用, 2021, 57(2): 77-90.
[3]	黎素涵，叶春明. 重选精英个体的非线性收敛灰狼优化算法[J]. 计算机工程与应用, 2021, 57(1): 62-68.
[4]	贾雁飞，杜艳丽，赵立权. 快速收敛参考独立分量分析方法[J]. 计算机工程与应用, 2020, 56(7): 255-259.
[5]	宋杰，许冰，杨淼中. 基于自适应步长果蝇优化算法图像分割[J]. 计算机工程与应用, 2020, 56(4): 184-190.
[6]	张晓莉，杨亚新，谢永成. 改进的蚁群算法在机器人路径规划上的应用[J]. 计算机工程与应用, 2020, 56(2): 29-34.
[7]	马倩茹，冶继民. FastICA算法的收敛性与一致性分析[J]. 计算机工程与应用, 2020, 56(2): 35-41.
[8]	吉训生，蔡益青. 利用历史信息和限制算子求解MOFJSP[J]. 计算机工程与应用, 2020, 56(2): 272-278.
[9]	黄建新，袁杰. 三维空间机器人主动嗅觉烟羽源自主定位策略[J]. 计算机工程与应用, 2020, 56(12): 223-230.
[10]	张水平，高栋. 动态调整搜索策略的果蝇优化算法[J]. 计算机工程与应用, 2020, 56(10): 56-62.
[11]	蒋丽1，2，叶润舟1，2，梁昌勇1，2，陆文星1，2. 改进的二阶振荡粒子群算法[J]. 计算机工程与应用, 2019, 55(9): 130-138.
[12]	闫旭，叶春明. 混合蝗虫优化算法求解作业车间调度问题[J]. 计算机工程与应用, 2019, 55(6): 257-264.
[13]	袁罗1，2，葛洪伟1，2. 基于随机鞭策机制的散漫度粒子群算法[J]. 计算机工程与应用, 2019, 55(4): 66-71.
[14]	王秋萍，王梦娜，王晓峰. 改进收敛因子和比例权重的灰狼优化算法[J]. 计算机工程与应用, 2019, 55(21): 60-65.
[15]	喻昕，伍灵贞，汪炎林. 一种解决非光滑伪凸优化问题的新型神经网络[J]. 计算机工程与应用, 2019, 55(12): 37-43.