基于纯数值函数优化的一种混合遗传算法

通过引入与进化代数相关的交叉概率和与个体适应度相关的变异概率的自适应遗传算子同时把Powell局部寻优算法融入遗传算法的搜索过程构成了一种数值函数全局寻优的混合遗传算法.实验表明混合遗传算法改善了遗传算法的局部搜索能力,有效地解决了遗传算法的早熟现象,显著提高了遗传算法求得全局解的概率.同时由于混合遗传算法中只利用函数值信息,所以该混合遗传算法是纯数值函数的优化的一种通用方法.     

并行混沌优化算法在分包商选择中的应用

为了提高工程优化问题的寻优效率,提出一种用于求解优化问题的改进并行混沌优化算法。根据当前解中精英个体的分布情况从优化变量的定义域中划分出精搜索空间。在优化过程中,精搜索空间不断缩小,搜索概率不断增加,这可保证算法具有较快的收敛速度。同时,算法始终以一定概率保持对原搜索空间进行混沌搜索,这可保证算法始终具有全局寻优能力。函数优化以及分包商选择等组合优化问题可利用该算法进行有效求解。仿真实验结果表明:对于相同的优化问题,改进的并行混沌优化算法可以求得更好的优化解,从而证明该方法具有良好的寻优性能。     

基于聚集度改进的多过程搜索鸟群算法

针对鸟群算法在寻优后期极易陷入局部最优和过早收敛等问题,引进个体异向觅食过程、飞行转移过程、位置异化过程搜索策略,提出一种基于聚集度改进的多过程搜索鸟群算法。通过引进种群相似度和聚集度的概念来描述鸟群在觅食过程中位置的变化,增加鸟群觅食的可行性搜索范围;在鸟群寻优之后依概率重新随机赋值寻优位置,从而有利于鸟群全局寻优与局部寻优之间的平衡;在模拟鸟群飞行过程中引进学习机制以克服原始鸟群中个体信息交流的单一性,增加鸟群内部信息流动的多样化从而有效提升算法活力,进而改善算法后期易陷入局部最优的状况。实验分析表明,改进方法可以有效提升鸟群的寻优能力、收敛速度和解的稳定性等性能。     

遗传算法在PID控制器参数寻优中的应用

针对遗传算法易早熟收敛,对参数有较强的依赖性,而模拟退火法的搜索过程冗长的缺点,采用混合策略,在优化机制、结构和行为上结合两者的特点,提高算法的优化能力、效率和可靠性.在PID参数寻优中采用混合策略,将SA状态产生函数作为变异概率可控的变异操作,在高温下有较强的变异功能,在低温下有较强的趋化功能.仿真结果说明,混合策略在PID参数寻优问题中明显优于单一遗传算法和传统整定方法.进一步分析了PID参数寻优是一个多目标的优化问题,探讨了可行方向.     

HS-OCPA学习系统设计及其在机器人 姿态平衡控制中的应用

针对单层操作条件反射概率自动机的操作行为个数较多的问题,构造了一个层次结构的操作条件反射自动机,简称HS-OCPA仿生自主学习系统. 该系统主要基于Skinner操作条件反射机理和概率自动机进行设计,学习控制不需要系统的模型,在操作行为和系统性能的基础上,采用操作条件反射学习机制实现寻优学习,并利用操作行为的取向信息对操作条件反射学习机制进行调整,最终实现在线搜索最优的控制策略. 理论证明设计的操作条件反射学习机制可以确保学习系统依概率1收敛于最优的行为路径. 应用于两轮机器人姿态平衡控制的仿真和实验结果     

基于动态蚁群算法的三维管路路径规划

针对蚁群算法应用于三维管路路径规划时运行时间长、搜索效率低等问题,提出一种动态蚁群算法.首先采用栅格法建立环境模型,建立了随建模空间和蚂蚁位置变化的动态启发信息;其次设置概率选择机制和动态步长机制.仿真试验结果表明,该算法有效减少了路径中直管弯头数量,管路铺设整齐,收敛速度提高,具有较强的全局寻优能力.     

基于Bayes决策的蚁群优化算法

基于Bayes决策理论,提出了一种可以改进蚁群算法搜索性能的有效方法;针对基本蚁群算法中存在的"停滞"现象,对蚂蚁个体的寻优过程采取了隔代强化的措施,使算法具备较强的发现新解的能力,再采用后验分析对蚁群算法中的转移概率进行调整,使得改进后的蚁群算法在随机搜索过程中呈现出自组织特性,蚂蚁个体利用各自的后验知识不断地强化那些能"经受考验"的可行解,从而有效地压缩了搜索空间,提高了搜索效率.试验结果表明,该方法无需知道转移概率的先验分布,在解空间的全局寻优时具有良好的收敛性和鲁棒性.     

基于改进微分进化算法的机构综合新方法

针对机构综合的非线性方程组求解问题提出了一种改进的微分进化算法.该算法是将方程组转换成一个优化问题,在进化过程中,该算法根据进化情况采用动态参数调整机制提高算法的搜索效率,并且对种群重叠状况进行实时监视,对重叠个体利用混沌搜索策略来进一步提高算法的全局寻优能力.机构综合实例结果分析表明,文中提出的改进微分进化算法高效、且全局寻优能力强.     

基于免疫机制的动态约束多目标优化免疫算法

该文针对一类决策空间维数可变且带约束条件的动态多目标优化问题,基于生物免疫系统的机理,提出一种结构简单、易于应用的动态约束多目标优化免疫算法.算法设计中,借助抗体识别功能,设计环境识别规则,加速相似环境的寻优过程;依据约束控制概念,设计挑选较好抗体的免疫选择操作;引入基于两级概率控制方案的两种不同的变异策略,进行抗体变异.借助三种性能评价指标,通过该算法与两种出众的算法比较,数值实验结果表明此算法能够获得满意的搜索效果以及具有较强的环境跟踪能力.     

旋转舱内圆柱体及长方体群布局优化

以简化的人造卫星回收舱优化布局为对象，研究旋转舱内长方体与圆 柱体群待布物的布局优化．待布物在舱内承重板上下两基面上布置，属于 带性能约束的三维装填布局优化问题、ＮＰ－困难问题．给出于该布局优化数 学模型、求解过程、启发式算法．该启发式算法的思路是，尽量构造非同胚 的布局拓朴形式，再在此拓扑模式下进行布局寻优，并借助于敏度分析，暂 时消除约束等技巧，反复迭代，直至达到结束准则．优化过程中采用了先二 维后三维的分步优化方法，并编写了相应的软件．文后给出了算例．     

平面约束圆集布局的膨胀算法

齿轮传动系统被抽象为包含圆的固定约束、圆间距离连接约束和布局空间的边界约束的约束圆集．将圆的直径缩小,可以方便地实现约束圆集的初始布置,而后逐步将圆集胀大即可得到圆集的最终约束布局．提出的平面约束圆集布局的膨胀演变算法,为解决复杂齿轮箱传动系统布局的自动设计问题提供了一个新的可行途径．给出了简化的齿轮箱传动系统的算例．     

有色装箱问题的一种新的近似算法

作为经典装箱问题的推广,有色装箱问题在多处理器实时计算机系统的任务调度等实际问题中有着很强的应用背景.本文提出了有色装箱问题的一种新的近似算法--交叉装箱算法（简称JCBP）,该算法首先对物品按长度进行排列,再从两头交叉进行装箱.实验证明,该算法较其他算法有较好的装箱效果,并且很多情况下能达到最优解.     

带弧长约束条件的细分曲线设计

为了精确表示目标物体的形状信息,满足弧长、面积和体积等条件的带几何约束的曲线曲面设计成为CAD中常见的问题。用细分方法解决带弧长约束条件的曲线设计问题,通过调整细分中的自由参数来控制细分控制多边形的累加弦长（极限情况下为曲线的弧长）。给出了该问题的解存在的一个充分条件,讨论了弧长的若干性质。同时在弧长约束下,给出了一种生成精确圆周的算法,并且讨论了参数的变化情况。数值试验结果表明了算法的有效性。     

数学形态学在圆形目标识别和定位中的应用

利用数学形态学简单准确和便于捕捉图形特征的特点，提出了一种提取圆形目标并定位图像方法。先用形态学开运算去除较小团块，再通过形态学边缘提取算法找出图像中物体边缘，通过圆形的判别标准，提取图像中圆形目标，并定位了圆心的位置。实验表明这是一种有效的提取圆形目标的方法。是实现多种特征定位的有效尝试。     

带平衡约束的圆形packing问题解空间结构分析

带平衡约束的packing问题属于NP-hard问题,不同问题的函数往往对应不同的解空间结构,解空间的结构对算法的寻优搜索效果有很大影响.以一类2D带平衡约束的圆形packing问题(转动圆桌平衡摆盘问题)为例,利用主元分析,对用进化算法求解的该问题的解空间结构进行分析,给出可视化主元地貌图,指出该问题的主元解空间结构是一种极限突变和对称的多模态的地貌结构.该解空间结构可以为构造具有针对性的新算法或选择算法提供理论依据.     

椭圆-椭圆静动态不适合边界算法

目前，计算二维几何图形是否干涉的不适合多边形(NFP)算法，针对的是多边形，尚未涉及椭圆一椭圆不干涉计算问题．因此，基于NFP法概念，提出椭圆-椭圆之间的不干涉算法，称之为不适合边界算法；进而给出了既相对平动又相对转动的椭圆-椭圆间任一时刻的动态不干涉边界算法．该法可应用于求解Packing问题、机器人路径规划、虚拟装配、医疗内外科手术等领域．     

最大权匹配问题的闭环DNA算法

给出并证明了在DNA计算中处理实数问题的策略,即首先在误差限范围内用有理数集合代替实数集合;再取出与有理数集合一一对应的最小的整数集合.针对赋权匹配问题,给出了基于闭环DNA计算模型的赋权匹配问题算法.该算法首先按边进行三组编码并合成初始闭环DNA;再以相邻两条边为约束条件用删除实验获得所有匹配,并用电泳实验得到所有最大权匹配,最后用检测实验输出最优解.证明了算法的正确性,讨论了算法复杂度,并以一个例子说明了算法的有效性.     

装填布局拓扑模式变换的遗传算法

在布局优化中需给出初始点以构成初始布局，用构造非同胚布局拓扑模式的方法给出若干非同的初始布局，是缓解组合爆炸，求得全局最优解或较好的局部最优解的关键。用遗传算法的思想来实现布局拓扑模式变换，生成非同胚布局拓扑模式的不同初始布局。     

子群循环法——一种计算一维DFT的新方法

本文讨论了一种适合于并行处理的DFT算法——子群循环法,研究了它的序列重排问题以及算法的改进,给出了N为素数及复合数时的一组序列宣排公式,完善了子群循环法,并提出了一种将伪麦森变换与子群循环相结合的混合算法,减少了运算量,适合于在硬件上实现。     

基于改进小生境免疫遗传算法的矩形件排样

讨论了基于改进小生境免疫遗传算法的矩形件排样问题,提出了基于排挤机制的小生境技术结合遗传算法的新思路,分别采用遗传算法、改进免疫遗传算法和小生境免疫遗传算法对大规模矩形件排样问题进行了实例比较分析,实例表明：在大规模矩形件排样过程中免疫算子和基于排挤机制小生境技术结合遗传算法的运用具有较好的全局寻优表现和收敛速度,算法有效、可行.