一种新的优化方法:β算法

提出了一种新的求解全局最优问题的算法。该算法适合求解非线性、非凸、包含多个局部最优解的最优化问题,且对所求解的问题没有很强的前提条件,适用范围宽广,该算法利用了目标函数超曲面在可行域中的起伏,对可行域进行分割压缩,并最终收敛于某个全局最优解。最后通过实例与模拟退火算法进行了比较,检验了其优异的鲁棒性和收敛速度。     

基于统计特性的蝙蝠算法在认知无线电频谱分配中的应用

针对当前图论频谱分配模型下寻找最优解困难,容易陷入局部最优等问题,将蝙蝠算法引入到认知无线电频谱分配中,并利用图论频谱分配模型的特点,对二进制蝙蝠算法进行改进,以达到更好的效果。首先,将蝙蝠算法的选择策略改为贪婪选择,增强了蝙蝠算法在当前位置的开发能力。其次,统计种群中各蝙蝠经历的最好位置的分布情况,利用蝙蝠位置的统计特性指导蝙蝠寻优,加快算法的收敛速度。最后,在局部搜索时,直接在离散域操作,减少实数到二进制的映射,缩短搜索时间。仿真结果表明,本文算法在效益优于过去的算法的情况下收敛速度更快。     

基于分布式免疫进化算法的函数优化

针对遗传算法在寻优过程和多峰值函数求解中出现的“早熟”问题以及免疫算法收敛速度较慢问题,将免疫算法和进化算法进行优势融合,并结合改进的进化算法的并行模型,提出一种新的算法--分布式免疫进化算法（distributed immune evolutionary algorithm,DIEA）。新算法主要包括记忆种群进化模块和子种群进化模块两个部分,子种群的主要功能是找出各个区间的局部最优解;主种群主要是进行全局搜索,寻找全局最优解。仿真实验表明,该算法具有很高的全局寻优能力和很快的收敛速度,适合求解复杂多峰函数优化问题。     

大规模不可分组合优化问题的双环迭代算法

对于一类大规模、不可分的非线性组合优化问题，直接求解困难很大．本文把原问题嵌入到可分的参数规划问题中，并证明了原问题的最优解包含在可分的参数规划问题的最优解集中．然后从最优解集中挑出原问题的最优解．这种算法为三级算法．本文证明了算法的收敛性并建立了其理论基础，仿真效果好．     

用投影收缩算法求解考虑排放的交通分配模型

给出一种考虑排放约束条件下的交通分配均衡模型,在所定义的广义出行费用中明确考虑排放因素,通过将变分不等式问题转换成等价的非线性互补问题,采用一种自适应的投影收缩算法求解该模型,所给出的数值算例得到广义费用下的UE最优解,在同样收敛精度的要求下,和其他投影算法相比,采用该算法收敛速度较快.     

求解TSP的改进人工鱼群算法

利用遗传算法的交叉算子,并引入去交叉策略,对人工鱼群算法进行了改进,提出了一种改进型人工鱼群算法,并将该算法用于求解旅行商问题(traveling salesman problem,TSP)这一经典的NP难问题。通过实验仿真与目前TSP已知最优解进行对比分析,结果表明,改进后的人工鱼群算法在种群规模较小,迭代次数较少的情况下也可以收敛到已知最优解。     

应用同伦法求解原有-对偶线性规划问题

根据线性规划对偶理论中的互补松弛性质，直接构造线性对偶问题的一个同伦模型，并提出相应的同伦算法求解。如果最优解存在，迭代过程常常是收敛的。尤其是在求解过程中，随着参数取值接近1，可获得原有问题的一个近似最优解。     

基于下半方差的债券投资组合模型

用下半方差作为风险度量构建了债券投资组合模型,研究投资者的债券投资问题。在理论上分析了模型最优解的存在性,并且证明了模型具有全局最优解。为了得到最优债券投资组合策略,依据模型的随机属性,构造了求解模型的蒙特卡罗罚函数算法,并且证明了算法的收敛性。给出了相应的数值算例验证模型的有效性。     

基于配队蚁群算法的QoS组播路由方法

QoS组播路由是网络信息传输的一项关键技术,提出了一种配队蚁群算法对该问题进行求解。算法以满足约束条件下的组播分解、策略控制下的组播树生成为基本思想;定义了扩展组播树,并改进了蚁群算法的信息素更新策略,使之更适合于组播问题的求解。仿真实验表明,该算法能快速搜索并收敛到全局(近似)最优解,且随着网络规模的增大算法保持了良好的特性。     

基于改进小生境演化算法的多峰函数优化算法

传统演化算法在求解复杂多峰函数优化问题时经常会出现早熟、收敛速度慢等问题,特别是对于有多个最优解的函数,往往只能找到个别的最优解.针对这些问题,提出了一种基于膈离机制与排挤机制相结合的小生境演化算法.利用隔离机制增强引导进化能力,利用排挤机制保证种群的多样性,同时,采用反序交叉算子进一步加强局部寻优能力.实验表明,使用该改进小生境演化算法求解函数优化问题能更有效地克服传统演化算法存在的收敛速度慢和容易陷入局部最优解等缺点.     

交互策略改进MOFA进化的多UAV协同航迹规划

针对无人机(unmanned aerial vehicle, UAV)多目标优化协同航迹规划方法中Pareto最优解集规模随迭代增长, 难以选择适合UAV任务特点的协同航迹等问题, 提出一种基于交互策略改进多目标萤火虫(multi-objective firefly algorithm, MOFA)进化的多UAV协同航迹规划方法。首先，采用变量分解策略将萤火虫算法中大规模变量分解成多个子种群, 以降低算法搜索的复杂度; 然后, 利用Tent混沌初始化和多种群循环分裂合并策略提高多目标萤火虫算法的搜索性能; 采用双极偏好占优机制、并设计协同度指标在Pareto最优解集中选取适合任务需要且协同度较高的UAV协同航迹。仿真实验表明, 所提方法能够根据任务设定生成对应侧重点、且满足协同性的相对最优航迹集, 证明了该方法的有效性。     

一种求解单任务Agent联盟生成的贪婪算法

联盟是多Agent之间一种重要的合作方法,如何生成面向某个任务的最优联盟是一个复杂的组合优化问题.提出一种贪婪算法:逐步选择加入联盟的Agent,直到联盟的能力满足任务要求,此时完整的联盟被生成.在联盟生成过程中,任一Agent加入联盟的贪婪准则是它能否比其他Agent带来更大的能力和更小的成本.实验结果表明本算法是切实可行的.     

基于FFT谱能量检测和互相关检测的快速频谱感知方法及其性能分析

为了解决无人机通信中频谱资源紧张的问题，利用认知无线电技术实现无人机动态共享地面通信的频谱资源。针对单用户频谱感知的遮挡效应问题, 利用单用户移动检测, 提出基于主用户空间范围内的频谱能量检测和互相关检测结合的二次检测方法, 分析并给出所提算法在主用户随机出现情况下的虚警概率和检测概率的解析表示。仿真结果表明, 所提算法在运算量较低情况下获得比已有单用户检测算法更好的检测性能。     

解旅行商问题的一个新的遗传算法

对旅行商(TSP)问题设计了一个新的遗传算法.首先,对n个城市的旅行商问题设计了一个新的编码方法,并且对这种编码方法,给出了简便的解码方法.其次,针对编码的特点,设计了一种新的、有效的杂交算子和变异算子,这些算子均能直接产生可行的后代.为提高杂交算子的搜索能力,结合了一个局部搜索技术来改进杂交算子.在此基础上,提出了求解TSP的一个新的遗传算法,并证明了其全局收敛性.为了验证算法的有效性,对10个国际标准算例(城市规模从14到1000)进行了计算机仿真,结果表明算法是有效的.     

基于市场细分的定价与批量问题的联合决策

研究了多周期离散时间下,拥有若干个目标市场的制造商如何对变质性产品协调地进行定价决策和生产决策,使得利润最大化.需求是价格的线性函数,建立了二次规划模型.提出了基于动态规划的精确算法,分析了算法的时间复杂度,可以在多项式时间内求解出最优生产计划和各个周期各子市场的最优定价.实验结果揭示了需求函数系数的变化对利润、各周期各子市场需求(或价格)的影响.     

车辆路径问题的改进遗传算法

通过引入新颖交叉算子 ,构造了一种改进遗传算法 ,此算法摆脱了对群体多样性的要求 ,不存在传统遗传算法常见的“早熟收敛”问题 .将该算法用于解决车辆路径问题 ,实验结果表明 ,此算法可以有效求得车辆路径问题的优化解 ,是求解车辆路径问题的一个较好方案 .     

免疫算法在带时间窗的车辆路径问题中的应用

根据带时间窗的车辆路径问题的实际情况,提出了一种基于分组匹配的亲和力的计算方法.实验结果表明,免疫算法能有效地解决带时间窗的车辆路径问题.计算结果优于节约算法、分派算法、遗传算法.     

基于乘客选择行为的航空机票控制模型研究

自上个世纪70年代以来,收益管理已经成为了航空客运、旅店等行业获取竞争优势的一个不可或缺的制胜法宝.本文在完全差别定价理论分析的基础上,重点研究了具有两个价格等级机票的动态控制问题.提出一种易于实际操作的机票控制策略,称之为“Markup”的机票控制机制,并且探讨了机票销售决策与供给、需求以及价格等因素的关系.数值实验表明,相对于完全差别定价机制而言,这种机票控制机制具有令人满意的近似效果.     

An M-Objective Penalty Function Algorithm Under Big Penalty Parameters

Some classical penalty function algorithms may not always be convergent under big penalty parameters in Matlab software, which makes them impossible to find out an optimal solution to constrained optimization problems. In this paper, a novel penalty function (called M-objective penalty function) with one penalty parameter added to both objective and constrained functions of inequality constrained optimization problems is proposed. Based on the M-objective penalty function, an algorithm is developed to solve an optimal solution to the inequality constrained optimization problems, with its convergence proved under some conditions. Furthermore, numerical results show that the proposed algorithm has a much better convergence than the classical penalty function algorithms under big penalty parameters, and is efficient in choosing a penalty parameter in a large range in Matlab software.     

SC-FDMA系统中继波束赋形与用户功率分配算法

针对协作单载波频分多址（single-carrier frequency-division multiple access, SC-FDMA)系统提出了一种信干噪比约束下的中继波束赋形和用户功率分配联合优化算法。该算法能使得基站端输出信干噪比满足给定约束条件的同时最小化中继节点和用户节点的发射功率。该文通过利用矩阵分析中的瑞利商理论以及交替优化理论,分析并推导得出了最优的中继节点波束赋形和用户功率分配算法。仿真结果及分析表明,该文提出的中继波束赋形和用户功率分配〖JP3〗算法与采用正交频分复用系统下的算法相比能有效地节省中继和用户节点的发射功率。此外,为了降低算法复杂度以及所需反馈开销,该文还给出了用户端等功率分配的方法以及在此基础上的中继波束赋形算法。