基于学习与竞争的改进PSO算法研究

针对普通PSO算法收敛速率慢,难以收敛到全局最优解的问题,提出了一种基于学习与竞争的改进PSO算法.该算法通过将种群内部学习和竞争的思想与PSO算法相结合,让种群中个体通过竞争和学习策略来替代原有的PSO算法迭代公式.该方法在不增加PSO算法计算复杂度的基础上,能够克服基本PSO算法的不足.最后基于动态系统的稳定性分析理论,给出了该PSO算法收敛性的证明.在7种不同的测试函数上对改进后的算法进行了实验测试.实验结果表明该改进算法比传统的PSO算法有着更好的搜索精度.结果证明,新算法比普通的PSO算法具有更高的搜索精度和较低的时间复杂度.改进算法求解函数优化问题更加有效,收敛速率更快.     

基于学习-竞争模式的启发式算法及其应用

建立了一种解决NP难组合优化问题的一般性的模式--学习-竞争模式.其中,"学习模式"侧重于个体局部的搜索;而"竞争模式"侧重于种群全局的搜索.利用此模式将多种算法的优点融合在一起.在对背包问题的实际求解中,采用贪婪算法实现了"学习模式",而"竞争模式"则采用了遗传算法实现,并且设计了一组参数来协调这两个模式之间的关系,结果证明与理论分析一致.     

巧用Excel解水力学高次方程试算问题

水力学是水利、土建类专业学生的必修课.学习水力学的过程中,将不可避免地遇到诸如正常水深、临界水深等求解问题,这些待求量往往是高次隐函数,不能直接求解.传统方法是利用已成图表图解法求解或用试算法求解,现在也可利用编程求解,但都有些不太方便.利用Excel电子表格求解水力学高次隐函数的方法,具有方便快捷、计算精度高等优点.     

一类薄壁变截面刚架对称临界载荷稳定问题优化算法

目的研究一类对称载荷下的单跨刚架临界载荷优化算法,探讨薄壁变截面刚架临界载荷的数值计算方法,以弥补解析解求解困难的缺陷.方法通过刚架结构拆分,运用差分方法将平衡状态下非线性微分方程离散化.以每段钢架的每个离散点挠度、柱脚弯矩和临界荷载为设计变量,构造包括未知临界载荷的目标函数,基于Fortran-PowerStation集成开发环境,编写无约束优化算法程序,通过等截面与变截面梁刚架具体算例进行验证.结果优化结果满足规定精度,证实了算法的适应性.结论算法考虑工程中变截面薄壁刚架结构稳定性问题,具备很好的实用性,可为工程结构临界载荷求解提供新的思路.     

约束优化问题带有混沌变异的PSO-DE混合算法

使用混沌运动产生均匀分布的初始种群,并且对早熟的种群进行混沌变异,以增强算法的全局寻优能力;用一个改进的粒子群优化算法对种群进化,对那些不可行的粒子再用差分进化算法进行演化;通过自适应的半可行域竞争选择策略形成新一代种群,直到达到全局寻优的目的,由此提出一个约束优化问题带有混沌变异的PSO-DE混合算法.数值结果表明,所提出的算法具有较高的计算精度、较好的稳定性、较强的全局寻优能力.     

基于改进帝国竞争算法的大跨斜拉桥成桥索力优化

为了确定大跨斜拉桥成桥索力,综合考虑成桥状态大跨斜拉桥的受力和变形特点,建立大跨斜拉桥成桥索力优化的数学模型.从计算精度和收敛速度两方面对帝国竞争算法进行改进,提出一种改进的帝国竞争算法.采用改进的帝国竞争算法,结合罚函数技术和有限元法求解索力优化模型,实现了斜拉桥成桥索力的改进帝国竞争算法优化计算.最后,采用提出的索力优化方法对某大跨斜拉桥进行索力优化研究.研究结果表明:提出的索力优化方法具有很好的全局搜索能力,能够有效地解决高维多变量的大跨度斜拉桥成桥索力的优化问题;采用该方法进行斜拉桥索力优化,可考虑各种非线性效应,从而可获得更合理的成桥状态.     

有侧移对称变截面刚架屈曲临界载荷优化算法

目的针对一类具有侧移的对称变截面刚架屈曲临界载荷求解问题,探讨稳定位型下临界载荷的数值优化算法,并提出基于非线性微分方程边值问题的刚架结构临界载荷优化求解算法.方法从立柱起点条件出发,以待求临界荷载、结点弯矩为设计变量,以结点满足连续和边值条件构造目标函数,应用VB语言编制优化程序对算例进行分析计算,并通过ANSYS有限元软件进行仿真对比.结果横梁长为2l,柱高为l的等截面刚架的临界载与仿真结果相对误差为1.99%;变截面单梁门式起重机的临界载荷与仿真结果相对误差为2.22%,算法结果与仿真结果相对误差满足精度要求,证实了笔者所提算法的正确性和有效性.结论笔者所提临界载荷优化算法实现了以较少设计变量对临界载荷的高精度计算,为工程中刚架结构稳定性问题的研究提供了参考.     

遗传算法工具箱在弧底梯形明渠正常水深计算中的应用

弧底梯形渠道断面的水力计算中,正常水深的求解无显函数形武的表达公式.为避免传统低效的经验试算法、图解法等,通过对弧形底梯形明渠正常水深计算的基本方程进行数学变换,将其正常水深计算问题可归结为一非线性优化问题,再运用MATLAB遗传算法工具箱求解.结果表明,MATLAB遗传算法工具箱具有计算精度高、求解速度快、程序通用性强、直观、方便等优点.     

求解分布式并行机调度的新型帝国竞争算法

提出一种求解异构工厂分布式并行机调度问题(DPMSP)的新型帝国竞争算法(ICA),以最小化最大完成时间作为优化目标.首先,将DPMSP的优化简化为对工厂分配子问题的求解,提出相应的编码方案并采用最大处理时间规则解码;然后,采用基于加工速度的概率分配方法构建初始种群,引入殖民国家同化以加强对优秀个体的搜索并在革命中运用基于工件-工速积的新型插入算子以改善解的质量;最后进行大量数值实验.计算结果表明该新型ICA在分布式并行机调度问题求解方面具有较强的搜索优势和较好的稳定性.     

迭代法在明渠流水深计算中的应用

鉴于明渠流水力计算中正常水深和临界水深,用试算法计算繁琐,用查图法查算精度较低,本文通过对水力学中流量和水力要素计算公式的数学变形,导出矩形、梯形断面正常水深和临界水深的迭代关系式,并以实例应用说明迭代算法的优点。     

一种求解多处理机调度问题的新算法

多处理机调度问题是“算法设计与分析”中的基本问题之一,它是一个NP问题.本文介绍了模拟退火技术,给出了求解多处理机调度问题的有效算法.该算法通用性强,效率高,其基本原理可广泛应用于求解大规模的组合优化问题.     

基于蚁群算法的模糊C-均值聚类算法

提出了一种基于蚁群算法（ACG）的模糊动态C-均值聚类算法的声纹识别，该算法首先利用蚁群算法的较强处理局部极值的能力，克服了算法在选取聚类中心点时采用随机选取易使得迭代过程陷入局部最优解的缺点，动态地确定了聚类中心和数目.两者有机结合起来可以寻求到具有全局分布特性的最优聚类.将此算法运用于声纹识别上，从语音信号中提取待识别的特征矢量集，对待识别声纹信号进行识别.实验证明，该算法解决了算法对初始值敏感，易陷入局部最优的问题，且计算简单，识别率较高，具有较好的鲁棒性.     

基于奥运选拔机制的超种群遗传算法

遗传算法有很多优点,但早熟问题有待解决。本文在对遗传算法早熟问题的机理进行深入分析的基础上,基于奥运会优秀运动员选拔机制,提出了一种用多种群进行搜索,然后构建一个新种群的超种群遗传算法。该算法可以避免传统遗传算法中因为模式单调化而造成的早熟。数值仿真表明,该方法能以较大的概率收敛于全局最优解。     

一种阵列天线零点形成的新方法

提出了一种新型的幅值扰动形成零陷的方法，通过在幅值扰动的过程中引入遗传算法来进化寻优，从而达到在指定方向形成一定深度零陷的目的．为了克服基本遗传算法易于早熟和局部寻优能力较差的不足，采用了改进的小生境遗传算法．该零陷形成方法克服了传统零陷形成方法零陷深度不足、副瓣电平高等缺陷．仿真表明，该方法能较好地达到设计要求，且有较好的收敛速度和稳定性．与其他一些方法相比较，该法有更广阔的应用前景．     

一种基于遗传算法的模糊C均值算法

模糊C-均值聚类(FCM)对初始值很敏感,易于陷入局部极小点而不能搜索到全局的聚类中心,遗传算法是一种通过模拟自然进化过程的搜索最优解的方法.因此,将FCM算法引入遗传算法的进化中,代替原来的交叉操作.实验结果表明,新方法明显优于传统 FCM算法.     

新型动态粒子群算法及其在工业控制中的应用

粒子群优化算法是一种在复杂优化问题的空间域探求最优解的启发式搜索方法。为了优化传统的PSO算法,缩短其运行时间,提出了一种动态收缩型的粒子群优化。收缩型粒子群算法在初始阶段含大量的粒子,随着迭代次数的增加,粒子数量不断减少,仿真结果显示,此方法相比于传统的PSO算法可减少近60%的运算时间。运用此改进的粒子群算法优化理论,实现了对PID控制参数的自适应调节。结果表明,新型的PSO算法可以使得PID控制参数调整速度更快,产生超调量小。     

一种求解多目标优化问题的有效算法

为突破求解多目标优化问题已有方法的局限,研究一种新的全局收敛算法,其中目标函数和约束条件均为一阶连续可微函数。该方法结合理想点法和调节熵原理将带约束多目标优化问题转变成无约束问题,构造函数的区间扩张和无解区域删除原则,建立了区间调节熵算法,并证明其收敛性。数值算例表明,该算法是有效、可靠的。     

一种改进的小生境遗传算法

简单遗传算法（SGA）存在早熟收敛和后期收敛速度慢的弱点，基于小生境（niche）技术的改进遗传算法因其较好地保持了种群多样性，显示出更优的性能，但它存在操作复杂、比简单遗传算法更费时的缺陷，因此提出了一种基于自适应的小生境遗传算法。该算法在多模函数的优化中能够保持种群多样度的稳定性，获取合适的子种群规模，从而以更快的收敛速度获得更优的解。仿真结果表明该算法高效、可靠，易于实现。     

Parameter optimization of electric bus transmission system based on dynamical evolutionary algorithm

The transmission ratio is the key parameters influence power performance and economic performance of electric vehicle (EV). As a class of heuristic algorithms, Dynamical Evolutionary Algorithm (DEA) is suitable to solve multi-objective optimization problems. This paper presents a new method to optimize the transmission ratio using DEA. The fuzzy constraints and objective function of transmission ratio are established for parameter optimization problem of electric bus transmission. DEA is used to solve the optimization problem. The transmission system is also designed based on the optimization result. Optimization and test results show that the dynamical evolutionary algorithm is an effective method to solve transmission parameter optimization problems.     

一种改进的小生境遗传算法

简单遗传算法（SGA）存在早熟收敛和后期收敛速度慢的弱点，基于小生境（niche）技术的改进遗传算法因其较好地保持了种群多样性，显示出更优的性能，但它存在操作复杂、比简单遗传算法更费时的缺陷，因此提出了一种基于自适应的小生境遗传算法。该算法在多模函数的优化中能够保持种群多样度的稳定性，获取合适的子种群规模，从而以更快的收敛速度获得更优的解。仿真结果表明该算法高效、可靠，易于实现。