浅析人工鱼群算法

人工鱼群算法是一种新型智能优化算法.对传统智能优化算法而言,该算法由于出现时间短,理论基础薄弱,其研究成果远没有遗传算法和粒子群算法那样成熟和完善,有许多问题还需要进一步研究.介绍了人工鱼群算法的基本原理、应用前景和国内外的研究现状和主要研究内容,并分析了目前研究过程中出现的不足.     

考虑时空相关随机行驶时间的车辆路径问题模型与算法

本文对一类在真实道路网络中考虑时空相关的随机行驶时间的车辆路径问题进行了研究. 首先我们建立了该问题的两阶段随机规划模型. 然后我们将用于候选解寻优的智能优化算法与用于产生评价解的随机场景的情景生成技术相结合,提出一种智能随机优化方法求解该问题. 为了有效地进行解的寻优,本文结合可变邻域下降算法提出了一种混合粒子群优化算法.最后通过一系列基于北京市区道路网络的算例实验,我们验证了所提出的混合粒子群优化算法的有效性.实验结果还表明,考虑实际交通环境中道路网络上车辆行驶时间的时空相关性,会影响最优车辆路径决策方案.     

蚁群优化算法及其理论进展

蚁群优化算法作为一种新的智能计算模式,近年来在理论研究上取得了丰硕成果.本文主要阐述蚁群优化算法的研究成果,论述了算法在离散域、连续域问题上的理论进展,然后对收敛性研究做了介绍.最后,阐述了蚁群优化算法的发展趋势.     

双链式智能体遗传算法用于数值优化的研究

针对传统智能体遗传算法全局优化计算精度不够高、时间较长的不足,提出了一种改进的双链式智能体结构,并基于此设计了一种新的智能体遗传算法--双链武智能体遗传算法.该算法采用了多子群并行搜索的模式,闭合链式智能体结构和循环链武智能体结构,可实现多机并行优化,具有优化时间短、优化精度高的特点.为了验证本文算法的优越性,采用国际标准的测试函数对该算法性能进行测试,并与智能体遗传算法(MAGA)相比较.实验结果表明,该算法在全局优化精度、优化收敛速度方面均优于MAGA.     

仿生智能优化算法及其在盲源分离中的应用

传统盲源分离(Blind Source Separation,BSS)采用梯度方法对目标函数进行优化来确定最优解,但梯度算法无法解决收敛速度和稳态精度两者之间的矛盾,而且可能落入局部最优.为了解决上述问题,仿生智能优化算法逐渐被引入到BSS中,取得了传统优化算法无法比拟的优良特性,为BSS问题优化求解提供了一条全新的途径.介绍了几种仿生智能优化算法,描述了BSS的基本概念和数学模型,最后对几种仿生智能优化算法在BSS的应用情况进行了总结.     

时变网络拓扑图下智能电网中基于优化算法的分布式调度响应

就时变网络拓扑图下智能电网中基于优化算法的分布式调度响应问题进行了研究.利用原对偶方法将带有约束的智能电网优化问题转化为一个无约束的优化问题同时提出相应的求解算法.该算法允许不同发电机之间采用异构常数步长进行更新,同时给出了算法的收敛速度.理论推导表明文中所提出的算法能以线性收敛的速度达到该问题的最优解.     

面向下一代互联网的智能QoS单播路由算法

为了适应下一代互联网对多个约束条件服务质量(QoS)的要求,提出了一种基于粒子群优化PSO(Par-ticle Swarm Optimization)的智能QoS单播路由算法.首先给出了QoS单播路由问题模型及其数学描述,然后对所考虑QoS参数进行模糊处理,在此基础上利用改进的PSO算法的智能优化能力进行路径寻优.仿真结果表明,提出的算法是可行和有效的.     

双向链表人口迁移算法

最短路径搜索是路径分析中的热点问题.将双向链表和人口迁移算法的智能进化体制相结合,提出一种新的启发式智能仿生优化算法——双向链表人口迁移算法,并用于求解最短路径问题.仿真实验结果表明：双向链表人口迁移算法求解最短路径搜索问题是可行、有效的.     

免疫算法及其在电力系统无功优化中的应用

提出应用一种新的智能优化算法——免疫算法(IA)来求解无功优化问题.该算法模拟了免疫系统的基本原理,具有抗原模式识别及记忆功能,抗体多样性,抗体自适应调节等优点.在分析无功优化的数学模型和免疫算法的特点的基础上,详细研究了用免疫算法求解无功优化问题的实现方法.对IEEE30节点系统进行了仿真计算,并将优化结果与遗传算法(GA)作了比较,结果表明免疫算法(IA)能有效的应用于电力系统无功优化,并有着更好的全局寻优能力及更快的收敛速度.     

浅谈用蚁群算法求解TSP

蚁群算法是优化领域中新出现的一种启发式仿生类智能进化算法.阐述了该算法的基本原理、算法模型和在旅行商问题中的具体实现过程.研究表明该算法具有并行性,鲁棒性等优良性质.     

浅析基于云模型的人工蜂群算法

人工蜂群算法是一种模拟蜜蜂群体寻找优良蜜源的仿生智能优化方法,是最新提出的智能优化算法,近十年来己经成为智能计算领域的一朵奇葩。许多学者致力于研究改进人工蜂群算法的性能,并取得了不错的成果。云模型是我国学者李德毅院士提出的定性和定量转换模型,其应用一直是研究的热点,有不少学者将云模型与智能优化算法结合,并成功地用来解决一些实际问题。该文在对人工蜂群算法深入研究的基础上,利用云模型的优点,提高蜂群的搜索寻优能力,使得人工蜂群算法有更快的收敛速度。     

图像分割背景下群体智能优化算法的性能对比

 针对目前研究相对薄弱的群体智能优化算法的性能对比问题,搭建数字图像为生命栖息环境的群体智能优化算法的性能对比平台,提出基于最优个体变化的收敛关联度和收敛面积的新型性能评价指标,并具体进行了遗传算法、粒子群算法、人工鱼群算法、细菌觅食算法等多种群体智能优化算法的性能比较与测试.实验结果显示,所提出的评价平台和性能评价指标能够合理有效地对比不同搜索机制下智能群体的寻优能力.     

基于文化算法的蜂窝网定位技术研究

利用TDOA测量参数的蜂窝网无线定位技术一直是人们研究的热点,其中存在的非线性优化问题一直是研究的难点.而文化算法作为一种新型的智能算法在解决非线性优化问题方面有其独特的优势.为此,提出一种将Chan算法与文化算法相结合的算法.当接收端在空间随机分布时,利用该算法解决TDOA定位估计中遇到的非线性最优化问题.仿真结果表明,该算法性能稳定;与传统算法以及其他智能算法相比,定位精度较高,收敛速度较快.     

群体智能及其融合算法研究

群体智能是一种由无智能或简单智能的个体通过任何形式的聚集协同而表现出的智能行为。它所具有的分布式组织模型对解决复杂组合优化问题、分布控制问题提供了很好的思路。本文首先介绍了蚁群算法和粒子群算法的原理和应用,并深入分析了它们与一些仿生优化算法的异同之处及融合算法的应用,最后提出了一些在将来需要解决的问题。     

基于社会等级淘汰机制的GWO_PSO算法

灰狼优化(Grey wolf optimizer,GWO)算法是一种近年提出的新的群智能优化算法,为了解决其寻优精度低以及收敛速度慢的缺点,该文提出一种灰狼-粒子群智能优化(Grey wolf optimizer_particle swarm optimization,GWO_PSO)算法.采用混沌算法中的Logist...     

一种求解TSP的智能水滴改进算法

智能水滴算法是模拟自然界中水滴群体和它附近环境相互作用,最终形成河道的过程而被研究者提出的一种新兴的智能优化算法。旅行商问题(TSP)是数学当中组合优化问题之一,也是一Non-deterministic Polynomial(NP)完全问题。针对智能水滴算法的缺陷提出了改进的智能水滴算法——具有变异特征的智能水滴算法,并用TSP问题来验证改进算法的可行性和有效性。经过分析发现该改进的算法对比之前的基本智能水滴算法具有很强的全局搜索能力,对顺利找到最短路径解决实际问题具有非常大的意义的。     

企业货运铁路取送车作业智能优化方法

针对综合布局(同时具有放射状和树枝状)的企业货运铁路专用线的特点,提出了一种智能优化方法.该方法在建立取送作业模型的基础上,对问题进行分解,提出了两级优化策略,即先并行求解各车间内树枝状取送作业的子优化问题、再综合求解车间之间放射状取送作业优化问题.依据该优化策略,设计了一种融合遗传算法和蚁群算法的遗传精英蚁群优化算法(GAASelite)求解取送车作业优化问题.实验仿真结果证明,该方法能有效地优化铁路取送车作业问题.     

量子人工鱼群算法

融合量子计算与智能优化的新型高效优化算法层出不穷,成为现在优化算法研究的主流.为此,将量子计算引入到人工鱼群算法中,提出一种新型的量子进化算法———量子人工鱼群算法.该算法用量子计算的方法重新描述了人工鱼的行为,用量子比特对人工鱼进行编码,用量子旋转门实现人工鱼的更新操作,用量子非门进行人工鱼变异,从而实现了目标的优化求解.并分别以函数极值和TSP问题为例进行了仿真,验证了算法的有效性.     

一种改进的算术优化算法及其在水文地质参数智能反演中的应用

水文地质参数的高效、准确、智能化获取对地下水资源科学管理和地下工程安全建设具有重要意义,因此提出一种新的水文地质参数智能反演方法.首先,提出了改进的算术优化算法(Chaotic Simplex Arithmetic Optimization Algorithm, CSAOA),在搜索空间中使用混沌理论初始化粒子位置,引入随机优化的超参数自适应调整策略,同时使用单纯形法优化粒子位置更新法则,进一步提高算法的局部开发能力和勘探能力,减小算法陷入局部最优的概率.其次,选取8个基准函数进行数值实验,结果表明CSAOA算法在前期勘探收敛速度和后期局部开发收敛精度方面优于其他对比算法.再次,将传统的人工配线法转化为基于优化算法的全局最优化问题,构建基于CSAOA算法的水文地质参数反演模型,提出了基于CSAOA算法的水文地质参数智能反演方法.最后,将该方法应用于泰斯和汉图什井流模型参数反演实例进行验证,快速准确反演得到了水文地质参数,实现了水文地质参数智能识别.结果证实了该方法的可靠性与先进性,为解决水文地质参数反演问题提供了一种新的方案.     

基于混合求解算法的智能组卷研究

智能组卷是一个多约束目标的组合优化问题,针对传统算法在组卷方面存在的不足,将遗传算法和模拟退火算法相结合,提出了一种混合求解算法.新算法不仅克服了未成熟收敛,而且速度和性能都有显著提高.实验结果表明,新算法提高了组卷效率.