基于改进樽海鞘群算法的到达时间差定位

针对室内到达时间差(time difference of arrival, TDOA)位置估计中的非线性最优化问题, 提出用改进的樽海鞘群算法搜索目标位置. 通过选择最优主基站构造改进的适应度函数, 使适应度函数可以更好地反映解的优劣程度, 提高了搜索精度. 在初始樽海鞘种群中引入近似解, 使全局搜索的步骤得到简化, 加快了算法前期收敛速度. 采用自适应跟随策略更新追随者位置, 解决局部开发低效问题, 加快了算法后期收敛速度. 仿真结果表明, 基于改进樽海鞘群算法的 TDOA 定位技术相比其他元启发式算法具有更高的定位精度和更快的收敛速度.     

求解连续函数优化的自适应布谷鸟搜索算法

为了提高布谷鸟搜索算法求解连续函数优化问题的性能,提出一种自适应布谷鸟搜索算法,改进算法利用解与当前最优解之间对应维上距离,实现随机游动步长的自适应调整。距离当前最优解对应维越远,维的随机游动步长越长,反之越短。利用解的适应度与群体平均适应度的关系自适应调整发现概率,使劣质解比优秀解更容易被淘汰。将自适应布谷鸟算法应用于8个典型测试函数,实验结果表明,改进算法有效改善求解连续函数优化问题的性能,尤其适合求解高维、多峰的复杂函数。与相关的布谷鸟搜索算法比较,自适应布谷鸟搜索算法更具竞争力。     

改进遗传算法在天然气管网设计中的应用

针对树状管网问题,基于图论的基本原理,结合遗传算法的特点,应用改进遗传算法,对具体问题设计了相应的适应度函数、单亲换位算子、倒序算子以及重组算子,并建立了可行解判别矩阵。通过计算发现,改进算法能够获得最优解,证明改进算法可行有效。     

求解二次分配问题的预处理快速蚂蚁系统

分析了快速蚂蚁系统(FANT)跳出迭代最优解的策略,指出算法易发生停滞现象的原因,并通过改进算法解的构建步,引入一个变动的参数,提出了求解二次分配问题的一种新算法———预处理快速蚂蚁系统(PFANT).新算法改进了FANT算法易发生停滞的现象,拓宽了迭代最优解邻域的搜索范围,提高了二次分配问题解的质量.     

平衡搜索的改进人工蜂群算法

针对人工蜂群(ABC)算法局部搜索能力弱的问题,提出一种平衡搜索的人工蜂群算法(BSABC).首先,采用一种基于对数函数的的适应度评价方式,用于减小选择压力,在一定程度上避免陷入局部最优.其次,受微分进化算法的启发,提出一种新的搜索策略,通过当前最优个体指导进化方向,使候选解的产生倾向于当前最优解,同时避免陷入局部最优.对6个经典测试函数进行仿真实验,并与经典的改进人工蜂群算法对比测试,结果表明:所提出的算法在收敛速度和收敛精度上都有显著的提升.     

水电站最优负荷分配改进退火粒子群算法

针对大型水电站厂内经济运行中最优负荷分配问题的高维性、复杂非线性和实时性,提出一种收敛性全面改善的改进退火粒子群算法.改进算法采用了整体改进策略:初始种群生成方面,采用初始种群解空间生成法避开机组空蚀振动区;适应度函数设计方面,加入惩罚项提高算法搜索效率;进化操作方面,加入自适应惯性权重、交叉运算、变异运算,改善算法的全局与局部收敛性能;引进模拟退火算法,提高算法的局部收敛性,保证算法以较大概率收敛于全局最优解.以三峡水电站厂内经济运行为实例,与现有算法进行了对比,结果表明:改进的退火粒子群算法在收敛速度与收敛精度方面均有一定的优势,适用于求解水电站负荷分配优化问题.     

基于改进蚁群算法的Web服务选择

提出一种改进的蚁群算法并将其应用于Web服务选择问题中.该算法使用非线性动态变化的伪随机比例选择参数及蚂蚁多重最优解随机加权路由选择算法控制蚁群的行为,使用5维Web服务质量向量和蚁群适应度函数评价蚂蚁构造的路径质量,蚂蚁根据其构造的路径质量进行信息素更新;该算法使蚁群在其解空间的进化能力得到很大的提高.实验证明,该算法在Web服务选择问题上比传统的蚁群算法效率更高.     

一类基于混合遗传算法的多目标优化方法

提出一类求多目标Pareto解的快速算法，该算法将个体各分目标的最大值作为适应度函数，采用混合遗传算法，通过求解种群适应度极小值的方法来获得Pareto边界不同方向上的最优解，并在种群进化过程中采用了一些加速收敛的改进方法，通过典型算例的仿真验证了其有效性．     

基于改进人工蜂群算法的多机飞行冲突解脱策略

针对同一空域内多无人机飞行冲突解脱问题,提出了一种基于改进人工蜂群算法的冲突解脱策略。在传统蜂群算法的基础上改进了跟随蜂对雇佣峰的选择概率及跟随蜂的搜索策略,发挥了迭代过程中最优解的引导作用,保持了传统人工蜂群算法全局搜索和跳出局部最优的能力,解决了传统人工蜂群算法局部搜索效率较低的问题,提升了收敛性能,增加了得到最优解的概率。利用该算法通过航向调整和速度调整2种策略实现了多机的冲突解脱。对比仿真结果验证:该方法在收敛速度、运行速度和最优解的适应度等方面都较遗传算法有很大提升。     

一种改进的二进制编码遗传算法研究

针对普通遗传算法(CGA)易陷入早熟,局部搜索能力较差,全局优化速度缓慢等问题,提出了一种改进的遗传算法(IM_GA),该算法融合了由进化代数或适应度分布调节变异交叉率的思想,从这两个方面共同改进了变异交叉率,仿真结果证明了该改进遗传算法的优越性.与普通标准遗传算法比较,该算法不仅收敛性较好,且能迅速找到全局最优解.     

一种求解TSP的混合型蚁群算法

针对基本蚁群算法存在的过早收敛问题,提出一种采用混合模式调整信息素的改进蚁群算法,当陷入局部最优解时便启用新的信息素调整规则,从而使算法跳出局部解.计算机仿真结果表明,这种混合型蚁群算法对求解TSP难题有较好的改进效果.     

基于遗传算法的智能组卷系统的研究与实现

为解决传统组卷算法存在的工作量大、耗时长和试卷主观性强的问题,本文研究并实现了基于遗传算法的智能组卷系统.实现遗传算法的关键是设计适应度函数,适应度函数是描述试卷是否符合要求的函数,因此适应度函数设计的好坏直接决定了试卷的质量.为此研究设计的适应度函数能够对试卷难度、知识点考察数、区分度等多个试卷指标做出综合评判,生成...     

求解连续空间优化问题的改进入侵杂草算法

针对标准入侵杂草算法在求解连续空间优化问题时存在易陷入局部最优、过早收敛的缺点,提出了一种改进入侵杂草算法.改进算法采用反向学习方法构建高质量的初始解,并综合考虑当前种群的适应度值和役龄水平确定各杂草的种子数目.同时,提出了基于分治思想的空间扩散方法以强化算法的搜索性能,并引入个体淘汰机制以避免早熟.最后,对五个测试函数进行了仿真,并与多种算法进行比较,结果表明改进算法的搜索性能得到了显著提升.     

基于樽海鞘群优化差分进化算法的实验室预约模型

为了提高实验室预约工作的效率，采用动态差分进化算法进行预约方案生成，并通过樽海鞘群算法对动态差分进化算法进行改进，从而增强方案对不同预约规模的适应度。首先，输入实验室设备、实验室时间、预约者申请使用记录等样本特征，构建多个预约样本个体。然后，建立动态差分进化算法实验室预约模型，以实验项目满足度作为适应度。通过交叉和选择操作不断更新个体适应度，并采用樽海鞘群算法对差分进化算法的缩放因子进行优化求解。通过樽海鞘个体的领导者和跟随者在设定运动范围内的位置更新来获得最优缩放因子。最后，采用最优缩放因子对应的动态差分进化算法进行实验室预约方案求解，输出最优受益面指标预约解。实例仿真结果表明，通过合理设置樽海鞘群算法参数，在不同预约者规模情况下，基于樽海鞘群改进的动态差分进化算法均能够获得较高受益面指标的预约方案。     

高非线性水质模型参数最优化估值的改进遗传算法实现

遗传算法是一种具有全局搜索功能的进化算法,对解决水质模型参数最优化估值问题针对性强,但该算法存在着局部早熟收敛和收敛速度慢两个不足,因此目前在水质模型参数优化中的应用主要以具有解析解形式的简单模型为主,解决多维非线性度高的综合水质模型参数最优化问题效果不佳.本文在标准遗传算法(SGA)的基础上,建立改进的实编码混合遗传算法(IRHGA),通过设定目标函数最大控制因子,运用SA算法拉伸适应度值,串行混合单纯形直接搜索算法三项主要改进措施,达到改善算法在非线性响应曲面陡峭峰谷间搜索时,不丢失最优解空间和后期有效分辨最优适应度的效果.以测试函数Rastrigin为验证,得到了已知的最优结果.最后,以高非线性水质模型的参数优化估值问题为实例进行验证,结果表明,针对非线性度高的陡峭曲面搜索,具有避免局部早熟收敛的优点.优化搜索过程中,各搜索个体全局均匀分布,对有可能被陡峭峰谷掩盖的最优点位置都能进行搜索,并且,在搜索后期接近最优点附近时,搜索分辨率高,速度比改进前更快.优化后的水质参数代入模型中,模拟所得结果与给定的实测值间误差更小,实现了高维复杂水质模型多参数的同时优化功能.该算法对其他非线性优化问题同样具有较好的适用性.     

基于遗传算法的多用户OFDM系统 资源分配策略

针对多用户OFDM系统资源分配算法复杂度高且误码性能不理想等问题,提出了在考虑用户速率情况下保证发射功率最小的子载波和比特分配方案,并通过引入遗传算法使系统通过解的编码、初始群体的生成、构建适应度函数、生成种群、遗传策略、变异规则等过程的改进,得到系统优化问题的全局最优解,同时也使算法复杂度降低.仿真结果表明,在信噪比相同的情况下,该方案可以进一步减小系统的误码率.     

基于改进模拟退火算法求解TSP问题

对传统模拟退火算法的原理和不足进行分析,针对TSP问题的特点提出了改进的模拟退火算法.就传统模拟退火算法生成新解的随机性太强、参数设置不当不能搜索到全局最优解、容易丢失当前最优解等问题提出了新的初始解选择方案、新解生成机制和当前解的改良及增加记忆功能等方法.实验结果表明,新算法传统的模拟退火算法具有更快的收敛速度和更高的稳定性.     

一种改进的粒子群优化算法

在粒子群优化算法的基础上,将粒子群优化算法的速度更新公式中种群最优位置用所有个体的平均值与最优粒子有限邻居个体的平均值加权求和代替;通过将种群平均适应度和整体最优位置适应度的比值作为适应度函数,并引入了加速系数;得到改进的粒子群优化聚类算法既能够充分参考当前粒子的最优信息,也参考了所有个体的最优信息和当前最优粒子有限邻居的最优信息,在进化过程中可以通过新的适应度函数自适应地调整全局搜索和局部搜索的比重对粒子的影响,对算法收敛速度影响较小的前提下较好地提高了收敛精度。最后,选取了4组具有不同分布特征的Benchmark函数作为验证函数,试验结果表明,新算法具有较好的收敛特性。     

一类改进的动态规划逆序算法

本文提出了一种改进的动态规划逆序算法,并通过MATLAB具体实现.该算法能给出最优解所对应的全部最优策略,并找到产生多个最优策略的原因.多个数值例子检验了此种新算法的优越性,也显示了本文中的算法程序对众多典型的动态规划应用问题的适用性.     

基于人工蜂群算法的岩土边坡稳定性测度分析

传统算法存在对初值选择敏感或者容易陷入局部最优的弊端,求解准确性较差。为此提出一种新的基于人工蜂群算法的岩土边坡稳定性测度分析方法。针对某研究岩土边坡,将坡脚看作坐标原点,构造直角坐标系,计算边坡稳定性系数。针对若干圆弧滑动面,构造优化数学模型,将其看作适应度函数,通过人工蜂群算法对其进行求解。在寻找最优解时,形成含若干解的初始种群,不同蜂群首先对解进行一次邻域搜寻,把新得到的解和之前解比较,保留适应度更高的解。人工蜂群算法随机因子多,在寻优后期,收敛速度过快,影响收敛准确性。为此,引入细菌趋化思想对其进行改进,在蜂群密度较小的情况下,蜂群开始吸引操作,在种群密度较大的情况下,蜂群开始排斥操作,引入自适应步长,增强蜂群全局搜索能力。经实验验证,所提算法可搜索获取全局最优解,有效完成岩土边坡稳定性测度分析。