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。     

基于Tent映射的混沌混合粒子群优化算法

为改善基本粒子群优化算法的寻优性能,通过算法混合,在粒子群优化算法中逐步引入优进策略和混沌搜索机制,以加强粒子群的局部寻优效率和全局寻优性能。并将粒子分为两类,分别执行不同的进化机制,实现协同寻优,从而构建为一种新的混沌混合粒子群优化算法。标准测试函数的仿真优化结果表明,该混合算法对较大规模的复杂问题具有较强的求解能力。算法寻优效率高、全局性能好、优化结果稳定,性能明显优于标准粒子群优化算法以及遗传算法等单一的随机搜索方法。     

和声量子遗传算法在图像配准中的应用

针对图像配准中的优化问题,利用量子遗传算法全局寻优能力强以及和声算法的微调特性,提出了一种新的和声量子遗传算法（harmony search quantum genetic algorithm， HSQGA）。并将其应用到航拍图像配准当中。仿真结果证明了该算法比原有的和声算法和量子遗传算法在图像配准参数优化过程中具有更好的优化性能。此外,利用两个标准基本测试函数对新算法进行了测试，结果表明在一定的迭代次数内，该算法对一些复杂的优化问题也能精确寻优。     

支持复杂产品总体优化设计的多算法协作优化框架研究

针对复杂产品总体优化设计中设计方案寻优难以通过单一优化算法实现的问题,提出了基于多算法协作优化思路的多算法协作优化框架,详细探讨了框架两方面关键技术：组件化优化算法库和协作优化策略,提出了优化算法组件的接口规范和运行机制,给出了基于全局探索＋局部寻优策略的协作优化计算流程。最后,通过一个函数优化算例说明了协作优化框架的可行性和有效性。     

基于模拟退火的复合嵌套分割算法

介绍了嵌套分割算法(NP)的基本思想,从理论上分析了NP算法的计算效率,提出了提高其优化效率的途径。介绍了模拟退火算法(SA),并将模拟退火的思想引入嵌套分割算法的抽样和选取算子中,给出了复合嵌套分割算法(SANP)的具体寻优思路,SANP算法将嵌套分割算法的全局寻优能力和模拟退火算法的局部搜索能力结合起来,具有可行性和科学性。通过一个优化算例验证表明,该算法大大提高了计算效率和收敛速度。     

求解N-车探险问题的离散水波优化算法

N-车探险问题是一类NP-hard离散优化问题，针对该问题，首次提出一种融合局部搜索的离散水波优化算法。结合该问题等价于置换排序的特性，设计基于置换序列的编码方式；利用反转、移动、交换等操作重新定义传播、折射和碎浪算子；开发基于插入邻域的局部搜索策略，以增强水波优化算法的局部搜索能力。最后，利用实验设计探讨关键参数对算法性能的影响。基于14个标准问题的测试结果表明：所提方法的寻优精度、稳定性等整体优于标准水波优化算法、粒子群算法、烟花算法和启发式算法H1~H4；与离散水波优化算法相比，基于禁忌搜索的变邻域搜索算法用至少66.6倍的计算时间得到了最大相对偏差比为0.017的寻优精度。结果表明，离散水波优化算法能在较短时间内获得较满意的解。     

基于混合优化方法的立体匹配算法

为了改善线性生长算法获得视差图可靠性差的问题,提出了一种基于混合优化方法的立体匹配算法。该算法综合考虑了计算效率和图像可靠性,将视差匹配转换为多目标优化问题,通过提出的基于模拟退火的鸽群优化算法求解此优化问题,从而实现视差阈值的自适应调节,并获取相应的根点的最优视差值。所提出的混合优化方法较好地克服了局部寻优和全局寻优方法易受初值影响且收敛速度慢的缺点。此外,为了进一步提高视差图可靠性,利用滤波法去除不可靠的视差。仿真结果表明,该算法可以获得更多深度信息,提高了线性生长算法计算视差图的可靠性和鲁棒性。     

基于混合优化方法的立体匹配算法

为了改善线性生长算法获得视差图可靠性差的问题,提出了一种基于混合优化方法的立体匹配算法。该算法综合考虑了计算效率和图像可靠性,将视差匹配转换为多目标优化问题,通过提出的基于模拟退火的鸽群优化算法求解此优化问题,从而实现视差阈值的自适应调节,并获取相应的根点的最优视差值。所提出的混合优化方法较好地克服了局部寻优和全局寻优方法易受初值影响且收敛速度慢的缺点。此外,为了进一步提高视差图可靠性,利用滤波法去除不可靠的视差。仿真结果表明,该算法可以获得更多深度信息,提高了线性生长算法计算视差图的可靠性和鲁棒性。     

函数优化的量子蚂蚁算法

借鉴蚁群算法的进化思想,提出一种求解连续空间优化问题的量子蚂蚁算法.该算法主要包括全局搜索、局部搜索和信息素强度更新规则.在全局搜索过程中,利用信息素强度和启发式函数确定蚂蚁移动方向.在局部搜索过程中,提出了基于Delta势阱的量子搜索,以改善寻优性能,加快收敛速率.通过实例验证表明了该算法的有效性.     

用于连续域优化的蚁群算法及其收敛性研究

蚁群算法作为一种新的智能计算模式,由于其离散性本质而在组合优化问题上取得巨大成功,但这也限制了它在连续问题求解中的应用.为此,提出一种用于连续域寻优的改进蚁群算法.算法的局部搜索基于解决离散问题的经典蚁群优化思想,全局搜索利用Ant Walk和Ant Diffusion技术, 且每代寻优结束后均采用"精英策略"把本代最优个体保留到下一代中.最后在理论上对其进行了收敛性分析,证明可较快地收敛到全局最优解,并用几个基准函数对算法做了仿真测试,均取得良好效果.     

运输问题新解法的探讨

在求解运输问题中，传统的解法比较繁琐，为了克服这一缺陷，提出了快捷新解法，快捷法求解运输问题不仅比表上作业法计算步骤少、简单，而且比广义匈牙利法(常规法)的计算步骤还少、还简单、快捷法是根据约束条件的要求，基本上是一步到位造出每行及每列所需要的零元素，然后检验是否满足约束条件，满足可得最优解，否则需进一步造零，快捷法总是比表上作业法计算步骤少、简单且便于掌握。     

基于改进局部搜索遗传算法的目标分配决策

为满足舰载武器目标分配需求,对传统的局部搜索遗传算法进行了改进,并用其求解目标分配问题的最优解。构造了适合于目标分配问题的染色体;设计了搜索性能较好且能够保留优秀基因的交叉操作方法;将局部搜索机制引入标准遗传算法,提高了目标分配算法的收敛速度;把模拟退火算法引入局部搜索问题,在一定程度上避免了局部最优问题;将贪婪算法应用于局部搜索提高了最优分配方案的搜索效率。仿真计算表明,改进局部搜索遗传算法的目标分配性能优于已有算法。     

生物免疫理论及其在网络入侵检测系统中的应用研究

生物免疫理论被深入研究并广泛应用于计算机安全等领域。通过对基于生物免疫理论的G-T算法和线性时间算法的介绍，提出了多特征匹配算法并将其应用于网络入侵检测系统中。实验表明，优化的算法不仅解决了G—T算法生成检测器的效率过于低下的问题，而且克服了线性时间算法在处理较大的l和r时过于缓慢且需要较大空间的缺点。     

一种新的混合聚类算法

聚类是数据挖掘的主要技术之一,是一种无导师监督的模式识别方式。聚类分析就是按照数据间的相似程度,依据特定的准则将数据划分成不同子类。K-平均算法是经典的聚类算法。蚂蚁聚类算法是近来涌现的新的聚类算法,它通过模拟蚁群的智能行为进行聚类分析,已经在数据挖掘中得到应用。通过分析蚂蚁聚类算法和K-平均算法两种不同聚类算法的基本思想,将两种算法结合得到混合聚类算法,仿真实验证明混合聚类算法的算法性能优于蚂蚁算法和K-平均算法。     

可计算一般均衡CGE模型的遗传算法研究

简单讨论了求解 CGE模型的早期 Scarf算法和牛顿算法、以及新近流行的 CGE模型求解工具软件 GAMS和 GEMPACK中的典型算法 ,并且分别指出它们的优缺点 ;最后给出了一个基于模拟进化思想体系的 CGE模型竞争求解算法 ,并给出了算例.     

采用梯度平滑措施的自适应符号算法

以自适应回波对消为对象 ,讨论了两种自适应符号算法的梯度估计平滑方法。从理论上对其中一种平滑方案导出的自适应算法的性能进行了详尽的分析。在输入为联合高斯的情况下 ,给出了权值一阶矩和二阶矩的收敛特性公式。结果表明 ,与符号算法相比 ,平滑算法的收敛速度与符号算法基本一致 ,但稳态误差更小 ,自适应步长的取值范围更大。     

A GREEDY GENETIC ALGORITHM FORUNCONSTRAINED GLOBAL OPTIMIZATION

The greedy algorithm is a strong local searching algorithm. The genetic algorithm is generally applied to the global optimization problems. In this paper, we combine the greedy idea and the genetic algorithm to propose the greedy genetic algorithm which incorporates the global exploring ability of the genetic algorithm and the local convergent ability of the greedy algorithm. Experimental results show that greedy genetic algorithm gives much better results than the classical genetic algorithm.     

煤矿物资配送车辆路径问题的人工鱼群算法

对郑州煤电物资供销公司危险品运送的车辆路径问题进行了分析,建立了相应的数学模型,运用人工鱼群算法求解出运费最小的方案。该算法首先初始化一个鱼群,并在初始化的过程中给出了一种修复算子,使鱼群中每条鱼当前的状态代表一种可行的配送方案,然后执行本文设计的随机行为、觅食行为、聚群行为和追尾行为进行全局寻优。最后,把该算法与扫描算法、遗传算法求解进行比较,证明了人工鱼群算法求解车辆路径问题的有效性;同时,该算法也拓展了求解VRP问题的算法空间。     

几种现代优化算法的比较研究

现代优化算法主要包括遗传算法、蚁群算法、禁忌搜索算法。这些算法主要是解决优化问题中的难解问题。由于这些算法在求解时不依赖于梯度信息 ,因而特别适用于传统方法解决不了的大规模复杂问题。介绍了3种算法的基本思想 ,阐述了它们的特点并进行了比较 ,提出了今后研究的方向     

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.