改进混沌优化及其在非线性约束优化问题中的应用

:研究一种比较新颖的优化方法——混沌优化 ,并在此基础上提出改进的混沌优化 .它利用混沌变量的特定内在随机性和遍历性跳出局部最优点 ,并在局部搜索空间经过线性搜索提高解的搜索速度和精度 ,通过结合精确不可微罚函数以用于求解非线性约束优化问题 .仿真结果表明 ,与已有的直接搜索方法相比 ,该算法简单 ,容易实现 ,求解精度、收敛速度和可靠性较高 ,满足约束的效果较好 ,是解决优化问题的有效方法     

一种求解非线性约束优化问题的新方法

针对标准遗传算法的缺陷,提出一种基于实数编码技术的新型自适应混沌遗传算法,求解复杂非线性约束优化问题.算法根据实数编码的特点,依据概率分布函数构造杂交算子,结合混沌动力学特性和人工神经网络理论,设计了一种自适应混沌变异算子,使算法有效维持群体多样性,防止和克服进化中的“早熟”现象,同时采用不需要惩罚因子的直接比较惩罚函数方法,对约束条件加以处理.通过算例数值实验,验证了算法在提高解的精度和加快收敛速度方面都有明显改善.     

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.     

整体收敛的非线性等式约束优化问题的不精确修正正割方法

通过使用线搜索技术,提出了一类具有整体收敛性的不精确修正正割算法解非线性约束优化问题.引入Fletcher罚函数作为价值函数克服了产生Maratos效应.在合理条件下证明了该类算法具有二步q阶超线性收敛速率.进而,对于约束进行很小的额外计算改进了此类算法,以使新算法具有一步g阶超线性收敛速率.数值实验的结果证明了该算法的有效性和可行性.     

脉冲暂态混沌神经网络在约束非线性规划中的应用

脉冲暂态混沌神经网络（PTCNN）是对暂态混沌神经网络的改进,呈现丰富的动力学性质,具有很强的跳出局部最小点的功能,在解决无约束非线性规划问题时,可以找到包括全局和局部最小值的尽量全面的最优解。当遇到带约束条件的非线性规划问题时,只有对约束条件进行合理处理,才能更有效地解决约束非线性规划问题。文章使用惩罚函数方法对含有约束条件的非线性规划问题进行处理,将其变成一个不含约束条件的非线性规划问题,进而用PTCNN求解,得到了令人满意的结果。     

约束最优化问题的非线性无约束方法

总结了近年发展的对不等式约束最优化问题的非线性拉格朗日方法,讨论了零对偶间隙,最优化条件的收敛性以及精确非线性罚函数.     

反馈混沌遗传算法及其在约束优化中的应用

针对现有遗传算法中普遍存在的早熟与收敛慢的问题,将混沌映射和后天强化学习策略引入到标准遗传算法中,提出了带反馈的混沌遗传算法.该算法通过混沌映射来保持演化群体良好的多样性;通过基于Baldwin效应的后天强化学习来克服纯粹的随机演化.对复杂约束优化问题--基准问题的数值实验验证了文中算法的高效性及鲁棒性.     

MIMIC算法在非线性多约束机械优化问题中的应用

将双变量相关的分布估计算法与惩罚函数法相结合,用于解决机械工程上非线性多约束优化设计问题.算法对每一次迭代寻优后的变量进行保留,建立概率模型,通过正态分布发生函数对变量重新取值,并采用惩罚函数来处理变量约束条件.仿真结果表明,该算法能有效防止早熟收敛,提高算法的全局搜索能力,具有较好的应用前景.     

求解约束优化问题的改进粒子群优化算法

针对约束优化问题,提出了一种改进的粒子群优化算法.该算法利用罚函数法将约束优化问题处理为无约束优化问题,并利用可行基规则来更新个体极值和全局极值,使不可行的粒子尽快飞向可行域,显著提高了算法的全局搜索能力.在标准粒子群算法研究基础上,为了提高粒子群算法求解非线性复杂优化问题的性能,对速度方程和惯性权重做了改进.数值算例表明,该算法是求解约束优化问题的一种较为有效的全局优化算法.