基于仿射算法的确定性全局优化算法

针对传统区间算法求解全局优化问题耗时长、空间复杂度较高及收敛速度较慢的缺点,引入仿射算法及局部优化算法,给出了一种全局优化求解的仿射算法.由局部优化算法和各求解区间上待优化函数的仿射运算得到全局最优解的一个上界,再依据对各区间仿射运算的下界与全局最优解上界的比较来确定相应区间的去留,通过对不含全局最优解的子区间的删除来确定最优解所在的子区间,并最终找到全局最优解.数值实验表明,该算法相对于传统的区间优化算法有较高的收敛速度,且占用的系统资源较少.     

求解一般D.C.规划的全局最优解

给出一种求解一般D.C.规划非孤立全局最优解的算法. 该算法克服了目前一些逼近算法在计算过程中有时得到的解为不可行解、 甚至远离真正全局最优解的问题. 数值结果表明了算法的有效性.     

改进的混沌优化算法及其在函数优化中的应用

针对基本混沌优化算法在求解三维以上的多维函数时不易求得全局最优解的局限性,通过引入解向量的优选,提出了一种改进的混沌优化算法,主要思路是通过多次可行解向量的混沌优选,将可行解定位到最优解的附近,再用二次载波进行搜索找出多维函数的全局最优解.仿真计算表明:该算法对三维以上函数可以显著提高搜索精度,收敛性能好,容易找到全局最优解.     

非线性规划问题的全局最优解的充要条件及其算法模型

给出了非线性规划问题(NP)的全局最优解的充分必要条件,建立了求该问题全局最优解的一个算法模型.     

一种逐步加强开采的人工蜂群算法

针对人工蜂群(ABC)算法开采能力差的问题,提出一种逐步加强开采能力的改进ABC算法.在雇佣蜂阶段,向局部最优解学习,并逐步增大局部最优解的比率;在观察蜂阶段,向局部最优解和全局最优解学习,并逐步增大全局最优解的比率,从而较好地平衡算法的勘探与开采能力.在CEC2014等36个函数上进行实验,结果表明,改进ABC算法的性能明显优于ABC-NS和CoDE等算法.     

一种求解旅行商问题的演化算法研究

旅行商(TSP)问题是一个被证明具有NP计算复杂性的组合优化问题.郭涛算法在求解TSP问题的高效率是得到广泛认可的,其算法的核心在于Inver-over算子的设计.当节点数量较多时,该算法在寻找近似最优解仍然有很好的表现,但其寻找全局最优解的能力却会下降.提出的基于基因片段插入的演化算法,它能以较高的概率找到TSP问题的最优解.文中提出一种新的演化算法,将基于基因片段插入与Inver-over算子进行融合.实验证明:新算法可有效防止解的早熟,增强了算法的全局搜索能力,使算法获得全局最优解的概率大大提高,同时仍然具备高效率的特性.     

带有锥约束的全局最优化问题的修正拉格朗日方法

针对锥约束的非线性规划问题,给出了一个基于修正拉格朗日的全局优化算法,这类算法可广泛应用于工程设计和非线性系统分析等实际问题中.对于每一次迭代k,当εk→ε时,给出了与该锥约束修正拉格朗日方法相对应的εk—全局最优解,并证明了算法全局收敛到ε—全局最优解.     

改进混沌优化算法在水电站水库优化调度中的应用

为提高多维目标函数全局最优解的计算精度,提出了一种改进的混沌优化算法(MCOA).利用混沌运动的随机性、遍历性和规律性进行全局寻优;通过引入解向量的优选,将解向量定位到最优解的附近,从而找出全局最优解.最后将该算法应用于水电站水库优化调度问题,并进行仿真计算,计算结果验证了算法的有效性.MCOA原理简单,易于编程实现,具有较大的实用价值,为求解水电站水库优化调度问题提供了一种有效方法.     

蚁群算法中最优参数设置研究

蚁群算法中需要设定的参数比较多,这些参数的设置合适与否对于寻找全局最优解十分重要.本文首先介绍了蚁群算法中的关键参数;然后在基于大量仿真数据的前提下,分析全局最优解与各个参数之间的关系.     

一种新型快速的直接随机优化算法

 针对常用优化算法求解时实时性较差且易陷于局部最优解的问题, 提出一种新型快速的直接随机优化算法(DROA). 该算法直接利用随机搜索过程寻找最优解, 减少了额外计算, 降低了计算复杂度; 其搜索过程分为全局搜索和局部搜索两个阶段, 各阶段选用不同的调节参数公式和搜索方式. 先将递增参数的3个随机优化模块串接构造全局优化子, 并将多个全局优化子并行搜索构造全局优化器以获得全局最优解; 再将多个局部优化模块串接在一起运行构造局部优化器使优化解更精确. 测试结果表明, 该方法快速高效, 优于目前的全局优化算法.     

求线性方程组极小l1范数解的一种算法

陈中文研究中关于求线性方程组极小l1范数解问题有着较为广泛的应用。本文研究了该问题的最优性条件，给出最优解的充分必要条件。进一步研究了该问题最优解的一种表现形式，提出一个单纯形方法的算法，该算法解决了退化问题，且收敛速度较快，同时给出确定初始基的方法。     

蚁群算法求解旅行商问题若干改进策略的研究

蚁群算法是求解TSP问题的一个性能较好的仿生型的智能优化算法,但存在着运行时间长、容易陷入局部最优的缺点,导致停滞现象的出现,找不到全局最优解.实验表明,使用候选集合策略和局部搜索策略能提高算法所求得的解的质量,同时也会明显加快求解的速度.使用信息素变异和重新初始化策略,能增加路径探索的多样性,使算法对搜索空间的探索始终保持在一个合理的水平上,有效地避免算法陷入停滞状态,从而找到全局最优解.     

蚁群算法求解TSP问题若干改进策略的研究

蚁群算法是求解TSP问题的一个性能较好的仿生型的智能优化算法,但存在着运行时间长、容易陷入局部最优的缺点,导致停滞现象的出现,找不到全局最优解.实验表明,使用候选集合策略和局部搜索策略能提高算法所求得的解的质量,同时也会明显加快求解的速度.使用信息素变异和重新初始化策略,能增加路径探索的多样性,使算法对搜索空间的探索始终保持在一个合理的水平上,有效地避免算法陷入停滞状态,从而找到全局最优解.     

首加尾循环线性系统求解的快速算法

利用多项式快速算法,给出了首加尾循环线性系统求解的快速算法。当首加尾循环矩阵非奇异时,该算法求首加尾循环线性系统的惟一解,当首加尾循环矩阵奇异时,该算法求首加尾循环线性系统的特解和通解。最后,利用首加尾循环矩阵与首加尾向后循环矩阵之间的关系,给出了首加尾向后循环线性系统求解的快速算法。     

一种广义BFGS Levenberg-Marquardt算法

提出一种基于BFGS更新的Levenberg-Marquardt算法,该算法不仅具有全局收敛性和二次收敛速度,而且可以更有效地求解大规模优化问题.数值实验表明,该算法在求解大规模绝对值方程问题方面也是有效的.     

基于混合算法求解指派问题

本研究建立了指派问题的数学模型,提出了以遗传算法和蚁群算法相结合的思想及其解决方案．算法主要是将每一个任务作为一个基因位形成染色体,以遗传算法控制寻优方向,更适宜解决组合优化问题．实验结果表明,使用此算法解决指派问题,提高了搜索效率,能够在短时间内找到最优分配方案,证明该算法是可行的．     

遗传算法在求解超定方程组中的应用

只有在极特殊的情况下超定方程组才有精确解,一般情况下都是求超定方程组在某种意义下的近似解.使用两种非数值算法———遗传算法和模拟退火算法求得超定方程组的最小二乘解,对它们的原理、参数设置进行了比较分析,数值实验的结果显示这两种方法是非常有效的.     

一种解多目标优化问题的基于分解的人工蜂群算法

在处理多目标优化问题时,如何平衡所得解集的分布性与收敛性是一个困难又重要的工作。为此,提出了解决该问题的一种基于目标空间分解的人工蜂群算法(MOABC/D)。首先采用一组方向向量将目标空间分解成一系列的子区域,并在每一个子区域至少保留一个解来保持解的分布性,其次提出一个基于分解的选择策略和2个基于信息交换的搜索策略来提高人工蜂群算法的搜索能力,并采用一个基于高斯分布的搜索策略来增强人工蜂群算法的搜索效率。为验证所提算法的性能,与8种同类算法在10个测试问题上进行比较。结果表明,本文所提算法得到的解集具有更好的收敛性能和分布性能。     

改进的两阶段算法求解差别费率车辆调度问题

针对车辆在负载和空载状态下不同的成本核算模型,提出了两阶段算法求解最小配送成本:第一阶段用改进的扫描算法求得满足问题约束条件的若干组非同质化的初始解;第二阶段采用这些解作为多样化的初始种群,并用改进的单亲遗传算法进行全局、大范围搜索,最终求得满意解.实例计算表明,算法能在较短的时间内求得理想解,满足了物流配送企业深挖内部潜力、有效控制成本的现实需要.