改进人工蜂群算法在路径优化上的应用

基本的人工蜂群算法通过不同角色蜜蜂在对蜜源进行采食过程中进行角色的转变,能够快速地求解问题的最优值,其具有全局寻优能力强、鲁棒性、收敛快等优点.但在接近全局最优解的时候,蜜蜂搜索的速度会明显变慢,易陷入局部最优.针对这些问题,在基本算法的位置更新阶段加入了高斯变异算子和柯西变异算子,提高了算法的收敛速度,增加邻域蜜源的访问概率,使得算法能够有效地跳出局部最优.应用TSP问题对改进后的算法进行仿真验证,结果证实了改进后的算法具有一定有优越性.     

基于粒子群优化算法在NP难问题中的应用研究

为解决NP难问题中算法应用领域划分问题，分别运用不同算法对不同问题规模的TSP问题进行求解，寻求最优路径规划.采用随机数据来最大化模拟实际情况，设置了5、10、15、20、30和100个随机城市坐标点，分别采用PSO算法、C-PSO算法、GA算法和ACO算法进行求解，求解一条经过各城市且一次的旅行最低费用的路线，分析比较四种算法的鲁棒性与实效性.结果表明：基于C-PSO算法在NP难问题中的具有良好鲁棒性和较短的运行时间，在问题规模小时，可以采用PSO算法和ACO算法；在问题规模大时，可以采用C-PSO算法.     

智能算法求解TSP问题的比较

截至目前,针对如何解决旅行商问题(即TSP问题)的方法出现了很多版本,而且各具特色,毫不雷同。通过大量的搜集总结,可以归纳出目前被广泛使用的几种解法:禁忌搜索算法、蚁群算法、进化算法、Hopfield神经网络算法、粒子群优化算法和模拟退火算法。通过对6种方法优缺点的比较,可得出适合智能求解TSP问题的方法及改进措施。     

智能算法求解TSP问题的比较

截至目前,针对如何解决旅行商问题(即TSP问题)的方法出现了很多版本,而且各具特色,毫不雷同。通过大量的搜集总结,可以归纳出目前被广泛使用的几种解法:禁忌搜索算法、蚁群算法、进化算法、Hopfield神经网络算法、粒子群优化算法和模拟退火算法。通过对6种方法优缺点的比较,可得出适合智能求解TSP问题的方法及改进措施。     

利用基于分区搜索的自适应遗传算法求解TSP问题

为了提高用遗传算法求解旅行商问题（TSP）的收敛速度，结合自适应算子和父子竞争策略等优化思想．提出了基于分区搜索的自适应遗传算法．该算法将整个搜索区域分成若干个较小的搜索区域，先进行局部搜索．在得到局部较优的基因组合后，再进行全区域搜索，不但提高了遗传算法的收敛速度，而且改进了变异算子的操作性能．通过TSP问题的求解表明，基于分区搜索的自适应遗传算法是一种稳定、高效的优化算法。     

一个求解二次无约束大型病态问题的混合-下降算法

从最速下降法在求解病态优化问题时常会出现"锯齿"现象,且所得解严重失真这一问题出发,利用微分方程数值积分求解所建立的常微分方程自治系统初值问题得到的解作为最速下降法的经过改进的可接收初始点,并与最速下降法结合得到一个求解二次无约束病态问题的混合-下降算法.算法具有全局收敛性.初步数值实验表明,将算法运用于1 000阶Hilbert矩阵所构成的二次无约束大型病态问题,能够求得具有3位有效数字的解,说明新算法具有良好的稳定性及较强的抗病态能力.     

带有顶点权重约束的图划分问题研究

研究了带有顶点权重约束的图划分问题.首先基于矩阵的提升将原问题转化为半定规划松弛模型，利用半定规划内点法求解该模型，并在求解过程中给出了具体的初始点选取策略和步长选取策略.随后利用改进的随机超平面舍入算法和2opt启发式算法求得原问题的近似最优解.数值实验表明该文的算法可有效求解带有顶点权重约束的图划分问题，且对于稀疏图的求解表现出了良好的性能.     

利用Maple软件求解Pell方程的最小整数解

利用连分数的性质,给出了连分数与Pell方程的关系,得到求解Pell方程最小整数解的算法.运用Maple软件得到求解Pell方程最小整数解的通用程序,此通用程序解决了文献[1]的Maple解法中需要输入循环次数的问题.     

反对称正交反对称矩阵的特征值反问题

讨论了反对称正交反对称矩阵特征值反问题有解的充分必要条件,在有解时给出了其解集的表达式,并且给出了其中与给定矩阵的最佳逼近解的表达式,以及求解该问题的算法及例子.     

带有积分边界条件的微分方程的数值求解算法

在区间[0,1]中研究带有积分边界条件的微分方程数值求解问题,给出了这类方程精确解的表达式,证明了近似解一致收殓到精确解,误差随结点数的增加单调递减.算例验证了本文算法是有效的.     

基于基因片段插入的旅行商问题的演化算法研究

旅行商问题是组合优化中一个广泛研究的NP-hard问题.本文引入了一种新的运算方式：基因片段插入,并利用此运算给出了一种求解旅行商问题的演化算法.实验结果表明,此算法能以较高的概率找到旅行商问题的近似最优解.     

遗传算法求解组合优化问题研究

利用遗传算法（ＧＡ）的机理分析，提出了求解旅行商问题（ＴＳＰ）的一整套进化策略，并对算法对有效进行了分析，计算机模拟结果表明ＧＡ是求解组合优化问题的一种有效方法。     

十进制遗传算法在水电站负荷分配中的应用

针对水电站负荷分配问题,建立约束优化模型,并将十进制遗传算法应用到水电站负荷分配调度中．遗传算法是从多个初始点开始寻优,同时搜索解空间内的多个区域。具有潜在的并行性,且搜索使用评价函数启发,过程比较简单,容易与其它算法进行结合,具有很好的拓展性,是一种用于解决最优化问题的有效的随机启发式搜索算法．通过实际的水电站负荷分配问题的求解表明该算法能够获得较好的结果,具有高效性和通用性,适用于求解一般水电站负荷分配问题．     

基于个体的双机械手离散随机合作任务规划算法研究

对于基于个体的双机械手离散、随机合作任务规划问题,先以各任务间的最短移动距离(时间)为优化函数,将其简化为一个具有三角属性的双TSP问题的组合来研究,用统计方法进行单机械手任务划分,再用解决TSP问题的近似算法求解得到两个机械手任务规划的哈密尔顿回路.然后针对任务规划回路中的交叉网络采用动态规划的方法进行合理优化,从而得到双机械手一个较优的任务规划序列.该算法的时间效率为O(n2),其任务规划的最短距离(时间)代价比近似算法平均优化15%.     

一种新的基于免疫算法的多用户检测

提出了一种新的免疫算法，将匹配滤波器的输出判决信号作为一条染色体放入初始种群，使得初始种群中包含最优解的概率大大增加；选择疫苗时，将接种了疫苗的个体的适应值小于父代适应值的个体，按一定的概率接受该个体，克服了GA欺骗问题．仿真结果表明该算法在收敛速度和误码率方面都优于基于遗传算法的多用户检测．     

基于改进遗传算法的车辆路径问题研究

车辆路径问题是一个典型的组合优化类问题,而传统的算法无法满足顾客需求对物流运输提出的要求.遗传算法是求解此类问题的方法之一,针对遗传算法容易出现早熟收敛,以及车辆运送的时间限制,该文采用改进的遗传算法对有时间窗的车辆路径问题进行分析,实验验证了算法的有效性.     

基于并行遗传算法的舰艇编队防空火力分配方案

设计了一种并行遗传算法,并进行了仿真实验．结果表明,该算法可以有效求得舰艇编队防空火力分配问题的最优解或近似最优解．     

基于蚁群信息素的混合遗传算法

针对遗传算法无法利用系统中的反馈信息,求解到一定范围时出现的冗余迭代,求精确解效率低,局部搜索能力弱、易出现"早熟"现象等缺点,提出了采用蚁群信息素对均匀划分子空间进行标定,利用留存的信息素控制选择操作,采用双重选择算子、基于"杂交优势"思想的交叉算子和自适应变异算子的混合遗传算法.实验表明,采用该算法的分类系统的分类准确率、算法运行时间、算法收敛性等方面性能均有明显提高.     

求解TSP的演化算法

提出的计算ＴＳＰ的新算法具有如下特色：１）把演化计算与分枝定界算法相结合；２）面向网络的分布式并行计算，因而它在多方面比通常的分枝定界算法优越，实例证明了这点。