基于当前最优解的反向差分进化算法求解函数优化问题

当最优解偏离目标函数定义域的几何中心时,反向个体容易远离全局最优解,基于反向差分进化算法的性能会大幅降低. 该文引入基于当前最优解的反向学习策略,并与差分进化算法相结合,求解函数优化问题. 当前代的最优解作为候选解和相应反向个体之间的对称点,能保证反向种群的利用率始终维持在较高水平. 实验结果表明,该算法可行而高效,且算法性能的提升完全是反向个体的贡献. 此外,提出一种增强的基于反向差分进化算法,展示出此类优化方法的最优效果.     

BP人工神经网络与遗传算法在型材挤压模具参数优化中的应用

基于MATLAB平台,将BP人工神经网络与遗传算法应用于型材挤压模具参数优化设计.首先利用BP神经网络来训练已有实验值,然后将训练后的神经网络作为知识源,通过曲线拟合与逼近求得设计变量与目标函数值的函数关系表达式,最后将这一函数表达式作为遗传算法的适应度函数进行遗传迭代寻找最优解.采用曲线拟合方法将其知识源转化成为了具体的函数表达式,直观地体现了神经网络的知识源,为后继的遗传算法提供了明确的适应度函数.数值模拟分析表明,对挤压模具结构的优化是合理的.     

约束最优化问题的一种进化规划方法

用进化规划对约束最优化问题提出了一种新的惩罚函数方法,该方法含有一个自适应惩罚参数校正方法,可以随个体的总数变化进行调整,它可以很快地脱离局部最优解而收敛于全局最优解.算法中只有很少的几个参数需要校正,故其比较简单且计算便捷.给出的仿真例子表明算法具有很好的收敛速度和很高的精确性.     

基于动态目标遗传算法的云计算工作流调度方法

针对云工作流资源调度直接关系到云计算的成本和效率的问题,提出一种基于动态目标遗传算法(DTGA)的成本最小化和期限约束的云计算工作流调度方法.该方法使用云计算资源的索引来编码染色体,采用动态目标策略(DTS)算法解决严格的期限约束,当没有获得可行解时,算法专注于优化执行时间以满足期限约束,一旦获得可行解后,则侧重于优化在期限约束内的执行成本.实验结果表明在不同规模数据调度和不同的期限约束下,相比改进量子遗传算法(IQGA),提出方法具有更高的适应性,能够在更严格的期限约束条件下以更低的执行成本找到云计算资源调度的更优解.     

一种有约束的多层布线通孔优化算法

提出一种以多层布线的通孔优化为目标、同时满足相交约束的算法. 当群体收敛到一定程度时,根据惩罚项选择个体,直到产生完全满足约束条件的可行解. 让群体在可行解的范围内进行精确搜索,得到全局最优解. 采用稳态繁殖和最佳个体保存法提高算法的效率. 该算法可避免产生不可行解,解决收敛速度和全局搜索性之间的矛盾,得到满意的通孔优化效果.     

一种改进的Hopfield神经网络对TSP问题的求解方法

论文对Hopfield神经网络的能量函数进行重构,使得新能量函数具有参数少、表达式简洁、计算效率高等特点;并引入遗传算法中的变异算子,使得改进后的Hopfield神经网络的具有自适应调整的功能.同时,针对有效解易陷入局部极小值等问题,运用数据转换技术、贪心算法等对有效解进行优化.最后对不同规模的TSP问题仿真,结果表明这些改进方法和技巧是可行的.     

基于一种改进人工蜂群算法的认知无线电频谱分配

摘要：为提高人工蜂群算法的开采能力和收敛速度,在人工蜂群算法中引入动态加速因子和种群自适应比例因子,得到一种新的动态加速种群自适应人工蜂群算法. 将认知无线电TV频段频谱分配模型中的分配矩阵与动态加速种群自适应人工蜂群算法中的可行解相对应,分别以网络效益最大化和比例公平性为目标函数,实现了空闲TV频段频谱的合理分配. 仿真结果表明,与其他算法相比,该算法能更好地实现网络效益的最大化以及用户之间的比例公平性.     

基于遗传算法和后代校正的WSN覆盖和连通性优化方案

针对无线传感器网络(WSN)区域覆盖中传感器部署的覆盖性和连通性问题,提出一种基于改进型遗传算法的WSN覆盖和连通性优化方案.首先,将传感器位置编码成染色体.然后,通过遗传算法的交叉和变异操作进化染色体,获得新的解.最后,融入后代校正操作,以避免遗传算法获得的不可行解,最终获得传感器布置的最优方案.实验结果表明,该方案在不同的覆盖范围和通信范围下,能够利用最小数量的传感器实现区域k-覆盖并保持连通性,有效降低了部署成本.     

改进遗传算法及其在平面度误差评定中的应用

针对平面度误差评定的特点,提出了一种新颖的基于实数编码的改进遗传算法.该算法采用基于代沟最小的代选择模型,选用BLX-α混合交叉算子,算法简单、鲁棒性强,优化效率高.同时给出遗传算法评定平面度误差时目标函数数学模型的建立方法.最后,通过不同评价方法对同一平面的平面度误差进行评定,结果证明该方法不仅能收敛到全局最优解,而且具有较快的收敛速度.     

基于RBFNN和GA的重叠峰分辨新技术

根据光谱线型函数和色谱峰型函数的(近似)径向对称性和紧支性,首先构造了以线型或峰型函数为基函数的径向基函数神经网络(RBFNN),在RBFNN学习算法中引入了基于可行域约束和共享小生境技术的遗传算法(GA),从而使RBFNN具有了结构自学习和参数优化的能力.最后将具有结构自学习能力的RBFNN成功地引入至谱图的重叠峰解析辨识研究中,试图建立一种适应光谱和色谱谱图重叠峰解析辨识的统一架构,并达到了预期的目的.为了提高解析辨识的成功率,避免遗传算法的盲目搜索,文章还将参数的约束关系作为罚函数引入至遗传算法的适应值函数中,极大地限制了解的空间,减少了病态解发生的概率.     

一种求解代数方程组的混合遗传算法及工程应用

针对用遗传算法求解代数方程组时解的精度问题，提出了一种混合遗传算法，这种算法采用实数编码方法，在遗传算法的基础上，引入一种用适应度函数值构成动态变化的搜索步长的随机搜索算子，当遗传算法求解达到某一精度时，应用该搜索算子在最优个体附近进行随机搜索，使算法解较快地逼近到所要求的精度，实验表明用这种算法求解代数方程组，可以达到较高的求解精度，在工程中用于求解关节型机器人速度逆解，避免了矩阵求逆，取得了满意的效果。     

线性互补问题的序列凸近似方法

线性互补问题是一类有着广泛应用背景的重要数学问题,本文主要讨论其求解方法．本文首先将线性互补问题等价转化为目标函数含有Dc函数（两个凸函数的差函数）的优化问题,然后对该Dc问题目标函数的第二部分凸函数进行线性化,得到一列凸近似子问题．本文证明该列子问题的解的聚点是线性互补问题的稳定点．     

水声通信网中基于能量平衡的动态路由控制

针对水声传感器网中一些中继节点因过分使用而过早耗尽能量的问题,提出一种动态路由控制新方法.通过周期性预测出节点的信息产生率,并根据节点当前剩余能量,估计出采用不同路由时节点的生命值.以网络节点的最小生命值为目标函数,借助遗传算法周期性搜索出与最大目标函数值对应的路由,这样的路由就是能平衡各节点能量的最佳路由.仿真结果表明,该方法能避免生命值较小的节点承担过分的中继任务,延长节点生命.     

基于遗传算法的肿瘤热疗有效热区优化方法研究

提出一种肿瘤热疗中优化求解预期有效热区分布问题的方法,其思路是根据预定肿瘤组织靶区加热温度和避免正常组织过热的要求,引入目标函数和有关权重系数,在应用有限元法求解加热电磁场方程和生物传热方程过程中,通过遗传算法迭代修正加热物理参数,使目标函数达到极小值,获得达到理想热汤分布的优化解。该方法首次使用简化人体真实组织结构的非均质模型并应用于三极板射频电容热疗装置,获得满意的仿真计算优化结果。这项肿瘤热疗有效热区优化控制技术将对热疗装置设计和临床方案制定皆有重要的应用价值。     

用基于快速排序的MOGA求解MOKP

0/1背包问题是一类典型的组合优化问题,且属于NP完全问题.多目标遗传算法通过一次运行可以搜索到多个解,同时具有比规范遗传算法更强的求解问题的能力.该文将基于快速排序的多目标遗传算法应用于多目标0/1背包问题中,可以快速、高效地找出多个最优解.实验表明该方法能够获得满意的效果.     

一类联合最大特征值函数优化问题

非光滑凸优化问题是运筹学的一类重要问题.束方法作为解决非光滑凸优化问题最有效的方法之一,已经被广泛地应用于各个领域.运用束方法对最大特征值函数与一般非光滑凸函数之和的优化问题进行研究.首先,对目标函数进行近似;其次,给出求解此类优化问题的带有罚项的束方法算法;最后,通过收敛性分析证明了算法产生的序列会收敛到原问题的最优解.     

线性加工时间的成组排序问题

本文讨论了一类线性加工时间的成组排序问题,考虑了各工件的加工时间是其开工时间的线性增加函数,同组工件之间连续加工时没有安装时间,各组间工件连续加工时有与顺序无关的安装时间,同组工件必须连续加工．目标函数为极小化最大完工时间和总完工时间．基于对问题的分析,给出了多项式算法．     

电网PMU优化配置中IGASA算法的研究

在函数的全局优化算法中,模拟退火算法和遗传算法的结合可较好地改善算法的性能．基于这个思想将适合全局搜索的遗传算法（GA）和适合局部搜索的模拟退火算法（SA）相结合,提出改进的遗传模拟退火混合算法（IGASA）来解决电力系统PMU优化配置问题．该算法用于遗传算法中选择概率的计算以增强算法的收敛性,在交叉和变异概率的选取上也进行了改进,以进一步改善算法的稳定性和收敛性,并提高了收敛速度和防止种群早熟现象．5个仿真试验验证了该算法的可行性和有效性．     

联合概率约束问题的一个光滑函数法

许多有重要价值的实际问题均属于联合概率约束优化问题（JCCP）,该类问题通常是非凸的并且非光滑,有效求解方法多集中于凸近似方法,往往局限于具有单个概率约束的问题．本文基于两个凸函数之差（即D．C．函数）为约束的近似优化问题,提出了约束函数的光滑近似函数以及相应的光滑近似问题．通过收敛性分析,证明了当参数充分小时,光滑化的近似问题的最优值和最优解集分别收敛到（JCCP）的最优值和最优解集．     

在再生核空间中求解一类二阶非线性Neumann问题

运用迭代算法在再生核空间W3[0,1]中求解一类二阶非线性Neu-mann问题.给出了精确解的级数形式的精确表达式,证明了近似解un（x）一致收敛于精确解w（x）.数值算例验证了方法是高精度的和有效的.