计算离散动力系统不稳定周期轨道的精英子空间差异演化算法

通过把探索周期轨道的问题转化为一个非负函数的极小化问题,基于空间收缩的思想,反复重新初始化种群以提高群体的差异性,提高对可行域探测的有效性,提出一类精英子空间差异演化算法求解不同类型非线性映射的不稳定周期轨道,对典型离散动力系统的初步仿真结果表明该算法是一种计算不稳定周期轨道的稳健有效算法.     

柔性作业车间AGV与机器双资源集成调度研究

针对含有AGV(automated guided vehicle)的柔性作业车间调度问题,建立了以最小化最大完工时间为目标的双资源集成调度优化模型.在种群初始化过程中提出一种启发式初始化方法,提高种群初始解的质量,加快算法的收敛速度.针对离散粒子群算法易早熟的弊端,结合竞争学习机制和随机重启机制提出一种可有效避免早熟的...     

面向多峰函数的自适应小生境量子进化算法

为解决量子进化算法在多峰优化时只能找到一个最优解,无法找到所有全局和局部最优解的问题,提出自适应小生境量子进化算法。利用佳点集理论初始化种群,使种群均匀分布在整个搜索空间;提出中心地形信息小生境自适应识别方法,用于自适应的识别峰值所在区域,并建立小生境完善策略,提高小生境识别速度;借助量子进化算法的快速寻优能力精确寻找各个峰值点;采用动态种群调整策略,维持种群的多样性,自适应地调节种群规模。仿真实验结果表明,该算法具有较强全局优化能力和局部优化能力,且搜索到的每个最优解都达到了理想值。     

混合混沌量子进化算法

针对量子进化算法计算量大、收敛速度慢以及容易出现早熟等问题, 提出混合混沌量子进化算法. 该算法采用混沌 初始化方法产生初始种群, 使种群具有较好的多样性;采用简单量子旋转门更新当前种群中的非最优个体, 降低算法的计算量; 提出混合混沌搜索策略以提高算法的收敛速度和全局搜索能力. 大量的测试表明, 与量子进化算法、实数编码量子进化算法和 混合量子遗传算法相比, 所提出的算法具有较快的收敛速度和较好的寻优能力. 大量的测试也表明, 若将混沌引入量子进化算法, 则混合混沌搜索策略的综合性能明显优于载波混沌策略, 在大多数情况下优于混沌变异策略. 本文提出的算法是惟一的每次测试 都收敛的算法, 且实现简单, 便于工程应用. 将其用于求解城市道路的交通信号配时优化问题, 实际效果令人满意.     

一种盲源分离初始化方法的研究与仿真

针对盲源分离的初始化问题,提出一种盲源分离初始化方法.该方法首先对接收到的混合信号进行小波稀疏分解,然后选取稀疏性最好的分解系数组,并在其星图中通过聚类方法寻求聚轴来估计混合矩阵.最后,采用这一混合矩阵估计值对FastICA算法进行初始化.仿真实验表明,该初始化方法能避免盲源分离算法收敛时陷入局部最小,加快算法收敛,同时使盲源分离算法的分离精度提高10～26dB.     

一种前馈过程神经元网络初始化方法及改进学习算法

分析了前馈过程神经元网络初始化对其训练速度的影响.提出了一种前馈过程神经元网络初始化方法,该方法将阈值初始化为时间积分运算的均值,可消除网络初始化不当的影响.提出了改进的网络学习算法,采用与初始化相似的方法修正阈值,可加快前馈过程神经元网络的训练速度.以时变信号分类为例,仿真验证了初始化方法及改进学习算法的正确性和有效性.     

基于改进螺旋更新位置模型的鲸鱼优化算法

针对鲸鱼算法后期种群的多样性丢失问题,通过螺旋更新位置模型的改进并结合对立学习策略、随机调整参数、正态变异操作等已有方法改进鲸鱼优化算法.采用对立学习策略对鲸鱼种群初始化,为全局搜索奠定基础;利用随机调整控制参数的策略,避免了算法后期陷入局部最优;正态变异算子与改进螺旋更新位置对鲸鱼种群进行干扰,避免种群后期向某个最优区域靠拢,增大算法的全局搜索能力.选取文献[4]中23个国际标准测试函数,包括单峰、多峰以及固定维数函数,对改进的算法进行低维测试;选取文献[12]中的25个单峰和多峰国际标准测试函数,对改进的算法进行高维测试.结果表明,IMWOA算法在收敛精度、收敛速度上均明显优于原WOA算法且具有普遍适用性、稳定性和解决超大规模优化问题的能力.     

基于均匀设计的多智能体遗传算法研究

将均匀设计方法、多智能体系统与遗传算法相结合,提出了一种多智能体遗传算法.设计了基于均匀设计表的均匀种群初始化方法和均匀交叉算子,并将其引入算法中.算法通过智能体与智能体环境间的相互作用,以及智能体自学习提高自身能量,实现了复杂问题的全局优化目标.实验表明,该算法对于高维函数优化问题,尤其是高维多峰函数,具有很好的全局搜索能力和较快的收敛速度,能够避免陷入局部最优.     

求解柔性作业车间调度问题的多策略融合Pareto人工蜂群算法

为克服单一算法在求解多目标柔性作业车间调度问题时最优性和多样性方面的缺陷,提出了一种多策略融合的Pareto人工蜂群算法(multi-strategy integration Pareto artificial bee colony algorithm, MSIPABC).算法在初始化阶段采用混合启发式策略产生质量较高的初始化种群;雇佣蜂采用多种探索操作实现蜂群自主邻域搜索;观察蜂选择较优食物源执行交叉操作,实现蜂群协作搜索,扩大搜索范围,并执行柔性作业车间关键路径相关局部搜索操作,进一步加强蜂群寻优能力;最后侦查蜂对种群重复解进行多样性重构.多种搜索策略的融合使算法不仅实现了人工蜂群的自主与协同搜索,而且达到了全局探索与局部寻优的平衡.通过验证,所提算法在求解质量和获取基准算例Pareto最优解数目方面具有优势.     

基于遗传算法的飞机定检原位工作流程优化

首次运用遗传算法优化飞机定检原位工作流程.针对原位工作流程约束条件多、组合优化困难的问题,建立了原位工作流程优化模型,根据工序约束条件的特点,提出了一种初始化种群的新方法,保证了初始种群中所有个体都满足工序约束条件,改进了基本遗传算法并运用其求解.仿真结果验证了算法的适用性及改进的有效性.     

基于聚类分析的复杂网络中的社团探测

社团结构是复杂网络中普遍存在的一种特征.本文应用改进了的谱分法将网络的社团探测问题转换为聚类分析问题,并将Girvan和Newman提出的模块度函数概念应用到聚类分析的4类算法中进行社团结构的探测,特别提出了一种新的结合模块度的聚类遗传算法.然后用3种类型的网络实验算例验证了本文算法的有效性,并对实验结果进行了比较分析,得出本文提出的新算法在初始化敏感性和准确性方面效果较好.最后指出本文算法的进一步研究方向.     

遥感影像K均值聚类中的初始化方法

遥感影像非监督分类对初始点十分敏感。以K均值(K-means)算法为例,利用各种遥感影像实验比较5种初始化方法(随机法、Forgy法、Macqueen法、Kaufman法、MaxMin法)对非监督分类方法的影响。实验表明,Kaufman法相对于其他方法更稳定,获得分类结果更优,适合于各种遥感影像的非监督分类,并指出可以通过采样来加快Kaufman法的运算速度。同时,通过实验分析了采样数和影像区域对初始化方法的影响。     

基于倒三谱初始化的Bussgang类盲均衡算法研究

水声通信信道带宽非常有限。与自适应均衡算法相比,盲均衡算法不需要训练序列而节省了带宽,特别适合于高速水声通信和多点通信。Bussgang 类盲均衡算法计算简单,但收敛速度慢,且对权向量的初始化很敏感。不恰当的初始化会造成算法收敛到局域极小值。多谱类盲均衡算法收敛速度快,且是全局最优的,但计算量大,不利于硬件实现。本文利用倒三谱,根据倒三谱累积量方程,由一般数据计算得到倒谱参数,从而直接估计出均衡器参数,对Bussgang类算法进行初始化,大大加快了算法的收敛速度,保证了算法收敛到最优。通过对浅海信道均衡的计算机仿真,证明了该方法的有效性。     

电力系统暂态稳定仿真并行算法的研究进展

随着高性价比的可扩展集群并行系统的逐步成熟和应用，大规模电力系统暂态稳定并行计算和分布式实时仿真成为可能，本文首先介绍了电力系统暂态稳定的计算模型及基本算法，分析了算法中存在的困难。然后从算法的基本原理和实用效果入手，综述了空间并行，波形松弛和时空并行电力系统暂态稳定算法的研究进展，。比较了各种并行算法的优点和局限性，并指出基于集群系统的粗粒度区域分解暂态稳定并行算法最具发展潜力。     

并行遗传算法在无线通讯网基站优化选址中的应用

为利用最少的基站数实现规定的服务质量 ,对无线通信网的基站位置进行优化 ,是一个 NP难题 .针对一个区域 ,提出了在 k个备选的位置中选择合适组合的粗粒度并行遗传算法 ,在不提高成本的同时 ,优化网络的覆盖率 .不但提出了一种高效的局部搜索算子 ,而且比较了子群体连接拓扑对优化质量的影响 .仿真证明 ,优化效果超过了已有的算法 .     

基于递阶遗传算法的最小加权完工时间并行机调度

针对最小化加权完工时间的等同和非等同并行多机调度一类问题,提出了一种递阶遗传算法.该算法根据问题的特点,采用一种染色体递阶编码方案,此编码与调度方案一一对应.计算结果表明,递阶遗传算法是有效的,能适用于大规模等同和非等同并行多机调度问题,通过与Cheng所作编码的遗传算法比较,用递阶遗传算法优化并行机调度操作简单并且收敛速度快.     

水平不变海洋声道中WKBZ简正波方法的并行算法

并行算法是解决大数据量运算耗时过久的重要途径，在PC机群上实现并行算法是一种低成本、高效率的解决方案。首先介绍了计算机机群系统，在此基础上，建立了基于LINUX和MPI的PC机群实验环境，实现了WKBZ简正波方法并行计算，并利用建立的试验平台，对并行算法进行了测试，比较了并行WKBZ简正波计算和串行WKBZ简正波计算耗时的差异。根据理论研究和实际测试的结果，总结了利用PC机群系统进行并行WKBZ运算的可行性，得出了一些有意义的结论。     

分布式计算在天线阵方向图综合中的应用

采用矩量法(MoM)分析天线阵列的辐射方向图,并使用遗传算法对天线阵列的方向图进行综合。由于遗传算法具有内在并行性,利用MATLAB分布式计算服务器和并行计算工具箱进行分布式并行程序设计,实现了主从式并行遗传算法,形成了天线阵方向图仿真综合软件,加快了天线阵列方向图的综合速度,得到了令人满意的结果。与传统串行算法相比,基于分布式计算的主从式并行遗传算法具有收敛速度快、仿真效率高的特点。     

基于Kriging模型的多点加点准则和并行代理优化算法

针对并行仿真环境下复杂工程系统的优化设计问题,提出一种基于Kriging模型、多目标策略和聚类方法的并行代理优化算法.该算法的多点加点准则,以同时优化期望改进准则和可行性概率准则为目标,首先生成兼具目标响应改进和可行域边界刻画功能的备选试验点集;再利用聚类方法从备选点集中选取多个有代表性的新试验点.通过两个数值算例和一个工程算例,将所提并行优化算法与已有算法做比较,结果表明所提算法具有更高的优化精度、效率和稳健性.