基于退火策略的混沌神经网络在解KTSP问题中的应用

研究优化求解多路TSP问题(KTSP)。首先求出将KTSP转化成TSP的换位矩阵，然后用基于退火策略的混沌神经网络(ACNN)模型求解KTSP。仿真结果表明算法是有效的。     

基于两层编码的进化算法及其在控制混沌中的应用

针对RBF（Radial Basis Function)网特点，提出基于两层编码的进化算法来同时确定网络结构和参数。文中分别采用两种不同的遗传算法GA（Genetic Algorithm）和进化规划EP（Evolutionary Programming）训练网络。实验结果表明，基于这三种不同进化算法的RBF网络都能有效地控制混沌系统，其中EP的训练和控制结果最优。     

基于模拟退火多种群并行进化规划的柔性调度方法

运用基于模拟退火多多种群并行进化规划SAMPEP（Simulated Annealing Multigroup Parallel Evolutionary Programming),求解FMS（Flexible Manufacture System)中的柔性调度问题。伪真结果表明，该算法增强了EP（Evolutionary Programming)算法的全局收敛性，在多目标和复杂多约束条件下，得到了满意的全局最优解。     

基于DNA的进化算法及其在设计TS模糊控制器中的应用

基于生物DNA的结构和遗传机制，提出一种新颖的基于DNA编码方法的进化算法(DNA—EA)，给出了DNA染色体的编码结构，讨论了遗传操作算子。为验证DNA—EA的有效性，将其应用于TS模糊控制器的优化设计。仿真结果表明该算法具有较好的自学习能力。     

基于两层编码的进化算法及其在控制混沌中的应用

针对RBF(Radial Basis Function)网特点,提出基于两层编码的进化算法来同时确定网络结构和参数.文中分别采用两种不同的遗传算法GA(Genetic Algorithm)和进化规划EP(Evolutionary Programming)训练网络.实验结果表明,基于这三种不同进化算法的RBF网络都能有效地控制混沌系统,其中EP的训练和控制结果最优.     

基于模拟退火多种群并行进化规划的柔性调度方法

运用基于模拟退火多多种群并行进化规划SAMPEP(Simulated Annealing Multigroup Parallel Evolutionary Programming),求解FMS(Flexible Manufacture System)中的柔性调度问题.仿真结果表明,该算法增强了EP(Evolutionary Programming)算法的全局收敛性,在多目标和复杂多约束条件下,得到了满意的全局最优解.