基于混合优化算法的遗传算法参数设定研究

有限计算量条件下遗传算法的理论收敛条件难以完全满足,参数选择的恰当与否直接影响到算法性能的发挥。针对这一情况,在分析现有参数设定方法的基础上,将遗传算法参数设定问题描述为随机优化问题,并提出一种解决该问题的新的混合优化算法,即基于序优化的巢分区算法。该算法将序优化思想融入巢分区算法的局部搜索过程,大大提高了局部搜索效率,而巢分区的算法框架则保证了算法的全局收敛性。以典型旅行商问题为算例的仿真结果验证了该方法的高效性与可靠性。     

基于模拟退火遗传算法的土地利用结构优化模型

将模拟退火方法引入遗传算法中,对多参数问题进行优化。该算法克服了SGAs的过早收敛的问题以及算法易陷于局部极小点的问题,使得搜索沿着全局最优方向进行。将该算法应用于解决土地资源优化分配的问题中,优化结果同样具备上述特点。参3。     

一种混合嵌套分区算法及其在车间调度中的应用

设计了一种嵌套分区算法框架下的局部搜索算法,即基于最优计算量分配技术的序遗传算法,该算法采用序优化思想保证在有限计算量条件下得到局部最优解,并用遗传算法的进化搜索能力和学习能力对解空间进行搜索.将设计的局部搜索算法与嵌套分区算法相结合提出一种新的混合优化算法,用该混合优化算法求解几个标准的随机车间调度问题,数字仿真的结果表明该混合算法的优化性能好于遗传算法及基于最优计算量分配技术的序优化方法.     

基于序优化的嵌套分区算法

介绍了嵌套分区算法(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.介绍了序优化算法(OO),并将序优化的思想引入嵌套分区算法的可行域确定和希望指数选取算子中,给出了复合嵌套分区算法(OONP)的寻优思路.OONP算法将序优化思想集成到嵌套分区算法框架下,把两者的指数收敛能力结合起来,具有科学性和可行性.通过优化算例验证表明,该算法大大提高了优化效率.     

基于离散微粒群优化的物流配送车辆路径问题

提出一种求解物流配送车辆路径问题的离散微粒群优化算法。通过引入随机交换序、PMX算子使微粒群优化算法能够求解车辆路径问题这类离散组合优化问题。设计了求解车辆路径问题一种新的整数编码方案，并采用罚函数法处理约束条件。计算结果表明，该算法是解决车辆路径问题的有效方法。     

一类大规模不可分系统的分解算法

讨论了一类大规模不可分系统的优化问题。提出了一种3级递阶优化算法。该算法首先把原问题转化为可分的参数优化问题，然后再从参数优化问题的解集中挑出原问题的最优解。建立了算法的理论基础，证明了算法的收敛性。对3个例子的仿真结果表明算法是有效的。     

基于群体智能免疫算法的PID自整定

传统的PID整定方法得到的结果通常不是最优参数,很多学者采用遗传算法和模拟退火方法来解决这个问题.针对遗传算法很容易陷入局部最优值和模拟退火算法收敛速度慢这些缺点,融合了粒子群算法和人工免疫机理的优点,提出了一种基于群体智能的免疫算法,对典型二阶对象进行PID控制器参数优化整定.仿真结果证明了提出的算法有效可行.     

一种改进的快速模拟退火组合优化法

基于对求解全局优化问题的确定性方法和模拟退火算法的分析,文中提出了一种改进的快速模拟退火算法．实验结果表明,该算法可以显著地提高求解全局优化问题的计算效率     

水下航行器流体动力参数辨识的一种新方法

运用牛顿 -拉夫逊算法、单纯形法及模拟退火算法分别对水下航行器的流体动力参数进行了仿真辨识 ;并运用模拟退火算法对水下航行器湖上试验弹道数据进行了辨识 .结果表明 :与常规辨识算法相比 ,模拟退火算法具有全局收敛性 ;运用该算法可以获得水下航行器流体动力参数的极大似然估计.     

两层非线性规划问题的并行模拟退火全局优化

两层非线性规划问题的非凸性和非可微性给全局最优解的求解带来了较大的困难，目前还缺乏成熟的全局优化策略，同时其易并行计算特性未得到重视。提出了基于模拟退火算法的两层非线性规划问题的并行全局优化策略。融合单纯形法和模拟退火算法设计了一种并行模拟退火算法，用来求解上层问题，用精确惩罚函数处理约束。下层的非线性规划问题则采用可变容差单纯形算法完成求解。所设计的组合算法有效地结合了两层非线性规划问题的易并行性，便于实现网络并行计算。计算表明算法有着可靠的全局收敛性和较高的收敛速度。     

基于混合粒子群算法的装运机械组合优化方法

针对堆石坝工程物料装运机械组合优化问题的复杂性, 建立了装运机械的多目标非线性组合优化模型(MOOM). 进一步地, 把加权法和惩罚函数引入到带收缩因子的粒子群算法中, 提出了一种新的求解多目标非线性组合优化问题的混合粒子群算法(MI-HPSO). 该算法具有概念简单、参数设置少、收敛速度快及全局搜索能力强的特点. 实证研究表明, MI-HPSO为解决物料装运机械MOOM优化模型提供了有效的决策方案.     

多执行模式资源受限工程调度问题的优化算法

近几年来，模拟退火（ＳＡ）和遗传算法（ＧＡ）等智能优化方法在求解组俣最优化问题显示出了较强的能力，许多文献报告了它们在这类问题上的应用，有些文献则报告了一些它们的混合算法，然而，定些算法对问题的求解效果因问题的结构不同而有限大差异，它们的成功必须充分结合问题本身的特点，本文针对多执行模式资源受限工程调度问题的特点，设计了一种ＳＡ／ＧＡ混合算法，利用被普遍应用的标准问题对该算法进行了测试，取得了令人满意的结果。     

防空C3I目标分配问题的ACO-SA混合优化策略研究

防空C3I系统的目标分配已成为现代防空作战指挥不可缺少的决策支持,针对这一问题,提出了蚁群-模拟退火(ACO-SA)混合优化策略。在该策略中,蚁群系统的一次周游过程中的最优路线作为模拟退火算法的初始解,在每个退火温度上进行抽样准则检验并产生新解,然后更新新解对应路径上的信息素,蚁群算法(ACO)再根据新的信息素分布进行并行搜索。实验表明,与单一ACO和SA算法相比,这种ACO-SA混合优化策略在解决同一防空C3I系统的目标分配问题上有较强的寻优能力和较快的收敛速度。     

用模拟退火差异进化算法进行匹配场反演

分析了模拟退火算法与差异进化算法单独应用于匹配场反演时的局限性，构造一种结合两种算法优点的混合算法。模拟退火算法对差异进化算法的种群进行扰动，保留了差异进化算法的并行特性；在差异进化算法中引入模拟退火算法的重要性抽样思想，增强其逃离局部最优的能力，差异进化算法对目标函数梯度信息的利用仍然保留。仿真研究表明，混合算法在寻优时间与效率上达到了较好的平衡。     

求解约束优化的模拟退火PSO算法

针对有约束最优化问题,提出了基于模拟退火的粒子群优化(particle swarm optimization simulated annealing, PSO SA)算法。该算法利用模拟退火算法以一定概率接受较差点的概率突跳特性,克服粒子群优化算法易陷入局部最优的缺陷。采用可行性原则进行约束处理,并在模拟退火算法产生新粒子的过程中保留最优不可行解的信息,弥补了可行性原则处理最优点位于约束边界附近时存在的不足。4个典型工程优化设计的实验结果表明,该算法能够寻得更优的约束最优化解.     

基于提前/滞后Flow Shop调度问题的混合微粒群算法

提出了一种混合微粒群算法,通过引入禁忌搜索算法和动态设置惯性权重等方法,提高了算法搜索全局最优解的能力并且能够有效避免早熟收敛问题。并将这种算法应用于求解实际的提前/滞后F lowShop调度问题,仿真实验结果表明了混合微粒群算法的可靠性与实用性。     

A Quantum Computing Based Numerical Method for Solving Mixed-Integer Optimal Control Problems

Mixed-integer optimal control problems (MIOCPs) usually play important roles in many real-world engineering applications. However, the MIOCP is a typical NP-hard problem with considerable computational complexity, resulting in slow convergence or premature convergence by most current heuristic optimization algorithms. Accordingly, this study proposes a new and effective hybrid algorithm based on quantum computing theory to solve the MIOCP. The algorithm consists of two parts: (i) Quantum Annealing (QA) specializes in solving integer optimization with high efficiency owing to the unique annealing process based on quantum tunneling, and (ii) Double-Elite Quantum Ant Colony Algorithm (DEQACA) which adopts double-elite coevolutionary mechanism to enhance global searching is developed for the optimization of continuous decisions. The hybrid QA/DEQACA algorithm integrates the strengths of such algorithms to better balance the exploration and exploitation abilities. The overall evolution performs to seek out the optimal mixed-integer decisions by interactive parallel computing of the QA and the DEQACA. Simulation results on benchmark functions and practical engineering optimization problems verify that the proposed numerical method is more excel at achieving promising results than other two state-of-the-art heuristics.

     

网络化防空导弹体系集中式拦截联盟形成方法

集中式拦截联盟(CIC)形成是网络化防空导弹体系(NADMS)中的新问题,旨在确定目标、火力节点以及制导节点三者之间的最优匹配关系,以使得体系整体作战效能最大.根据问题背景,建立了CIC的约束优化问题模型,并选择收敛速度较快的粒子群优化(PSO)算法对模型进行求解.针对PSO的局部收敛问题,从认知心理学角度将人类特有的创造性思维(CT)引入粒子速度更新公式中,通过提升单个粒子的搜索能力来提高整个群体的寻优质量.基于CT过程经典的四阶段模型构建了算法框架,改进了PSO的速度更新公式.根据CIC问题特点,制定了编码策略及相关变量的离散化运算规则.实验结果证明了算法在CIC问题求解质量和收敛速度方面的优越性.     

轧制计划的优化模型及其算法的应用研究

为保证热轧生产调度计划的可行性，提高排程的效率，根据热轧生产模式和轧制计划的结构特点，提出了一种车辆路径问题（VRP）模型来建模轧制调度问题，发展了一种混合调度方法（SAMPSO算法）来解决这个问题．试方法利用修正粒子群优化算法的局部和全局搜索能力来寻找全局最优解，利用模拟退火方法来避免陷于局部最优。对某钢厂实际生产数据的仿真结果表明，所提出的模型和算法具有良好的适应性和可行性。