基于禁忌搜索的前向神经网络在函数逼近中的应用

为改善前向神经网络的性能,将禁忌搜索作为前向神经网络的训练算法,采用了一种集中性与多样性的自适应搜索策略,以提高禁忌搜索的有效性.并以正弦函数和sinc函数的逼近为例,验证了算法的可行性和有效性.     

基于遗传禁忌混合算法的低相关区序列集搜索方法

提出一种基于遗传-禁忌混合算法(genetic-taboo hybrid algorithm)的低相关区(low correlation zone,LCZ)序列集的搜索方法.建立搜索LCZ序列集的优化模型并设定了模型的目标函数,将禁忌算法嵌入到遗传算法的变异操作中,提出一种遗传-禁忌混合算法,该算法利用遗传算法的全局搜索能力和禁忌算法的局部搜索能力从而实现高效搜索.迭代过程中,种群在进入新一轮进化之前,首先剔除移位等价序列(shift equivalent sequence),从而保持种群的多样性,防止算法过早收敛.根据优化算法收敛后目标函数保持不变的特点,设定了算法结束准则,当超过一定进化代数后目标函数值仍保持不变,则认为进化结束.对非周期四元和周期二元序列集进行数值仿真,结果证明了该方法的有效性.     

圆度误差的二分法逼近搜索评定

结合圆度误差的定义及其几何特征,提出了一种新的圆度误差评定算法———圆度误差的二分法逼近搜索评定。首先,将被测圆轮廓上测量点的直角坐标数据转化为极坐标数据,分别以极角和极径为横、纵坐标轴建立新的坐标系,实现被测点的线性化处理,将圆度误差的求解问题转化为直线度误差的求解问题。然后,用二分法逼近搜索的方法,对转化后的直线度误差进行最小区域评定,从而实现了圆度误差的最小区域评定。阐述了圆度误差线性化处理的方法和二分法逼近搜索的原理及实现过程。实例验证结果表明:该算法可以有效、正确地评定圆度误差。     

一种应用于图着色问题的新型混合遗传算法

将遗传算法与模拟退火方法和禁忌搜索方法结合,提出了应用于图着色的混合遗传算法.在混合方法中,模拟退火算法用于局部寻优,提高算法的收敛速度,同时防止早熟收敛;禁忌搜索算法通过记忆能力防止进化过程出现循环来提高全局寻优能力.用遗传算法进行全局搜索,并与贪婪遗传算法和Dsatur算法进行了比较,结果表明,混合遗传算法的寻优质量优于对照算法.这种改进的混合遗传算法可以在稠密图上获得更好的寻优效率,在稀疏图上其效率则略有下降,这表明设计的改进混合遗传算法的合理性和有效性.     

基于禁忌搜索的全局记忆增强型优化方法

针对过程系统优化问题中存在多解、而目前通用高性能实时优化算法均为局部算法的情况,提出了基于禁忌搜索的全局记忆增强型优化方法(global mnemonic enhancement optimization,GMEO)。该方法证明了在一定条件下局部最优解是过程系统参数的连续可微函数,并采用禁忌搜索方法以背景计算的方式获得优化计算经验点上的多解信息。基于这些多解信息,GMEO可为优化计算提供全体局部最优解的逼近值。以这些逼近值为初值,可使局部优化算法达到全局优化的效果,并能有效提高过程系统运行的稳健性。基于原油混合问题的数值仿真试验验证了GMEO方法的有效性。在不过多损失实时性的前提下,优化计算的目标函数值得以显著改善。     

化学吸附局部增强微分进化算法

微分进化算法是解决复杂系统优化问题的有效方法。为了增强微分进化算法的全局搜索能力和局部逼近能力,分别引入化学吸附变异算子和局部增强策略,提出了化学吸附局部增强微分进化算法。采用标准测试函数对改进算法进行仿真测试,并与基本微分进化算法和局部增强微分进化算法进行比较。实验结果表明,化学吸附局部增强策略提高了微分进化算法的搜索能力和收敛性能,验证了改进算法的有效性。     

一种基于区域搜索的平面度误差评定方法

以给定平面度误差的评定为例,分析最小二乘法和最小包容区域法的算法模型,并提出一种基于区域搜索的评定平面度误差的方法.在三坐标测量机上,对被测平面进行采样点坐标数据提取,分别用基于搜索逼近法的最小二乘法和最小包容区域法实现给定平面度误差的评定.结果表明,基于搜索逼近法的最小包容区域法与最小二乘法相比,其评定结果精度提高了5.97%,且符合最小条件.     

边坡稳定性分析水平条分法及其进化计算

研究了层状边坡稳定性分析计算方法,提出了适合此类边坡稳定性分析的水平条分法．通过改进进化过程中的选择和复制机制以及交叉和变异操作,提高了进化算法的搜索效率和全局收敛性能,并据此提出了层状边坡稳定性分析和临界滑动面搜索改进进化算法．实例验证及对比分析表明本文方法与常用方法如Bishop法和Chen-Morgenstern法的计算结果的误差在5％以内,适合于非均质边坡稳定性分析且能快速搜索到全局最优解．     

基于Baldwin效应的memetic差分进化算法

针对Baldwin效应在memetic差分进化算法中使用不成熟的研究现状,提出一种基于Baldwin效应的memetic差分进化算法。算法采用简化的模式搜索为局部搜索算子,差分进化算法为全局搜索算子,Baldwin效应为结合机制。创新了Baldwin效应的实现方法:改进普通memetic差分进化算法中仅根据个体适应度值引导进化的方法,加大局部搜索成功个体的被学习概率,使其能够参与引导进化。在CEC2014中30个测试函数上与其它知名差分进化算法对比,实验结果表明改进的算法具有更强的跳出局部最优解能力和更快的收敛速度。     

用遗传-禁忌搜索混合算法求解组合投资问题

提出了一种基于遗传算法和禁忌搜索的混合算法,用遗传算法提供并行搜索的主框架,用禁忌搜索作为遗传算法的变异算子.遗传算法中变异过程解空间的搜索由禁忌搜索实现,并且用混合算法求解了概率准则意义下的组合证券投资模型.实例证明,遗传/禁忌混合算法有较强的爬山能力,较遗传算法有更高的计算效率,为组合证券投资者提供了一种高效的决策方法.     

一种基于遗传优化的路由控制策略

遗传算法是通过模拟自然进化过程有效解决最优化问题的计算模型,在实际操作中得到广泛应用.但由于遗传算法的选择策略使每一代的优良个体大量的遗传到下一代,且适应度函数设定的差异,使最优个体很快充斥整个群体,缺少物种多样性,导致算法很快收敛于局部最优解,达不到全局优化.针对遗传算法存在的这一问题,结合禁忌搜索算法能够禁忌搜寻过的最优解而引入裂解、增加种群多样性的特性,提出了一种基于遗传优化的路由控制策略.该策略将遗传算法得到的最优解作为禁忌搜索的初始解,提出将染色体模版作为禁忌对象,并以此模版为基础建立邻域的方案.仿真实验表明,该策略能够有效的抑制遗传算法过早收敛的问题,减少了全局能量的消耗,从而延长了网络生命周期.     

人工免疫网络算法的改进及免疫优化应用

基于人工免疫网络算法(aiNet)模型,借鉴禁忌搜索算法(TS)的思想,提出一种禁忌搜索与人工免疫的混合算法,即人工免疫网络算法(TS-aiNet).在算法中引入禁忌表,禁忌那些在网络迭代中亲和度连续不再增加的细胞,并通过特赦准则赦免一些被禁忌的优良状态;增加1个记忆表,用于保存成熟的记忆细胞;重新定义高斯变异方式,以保证多样化的有效搜索.利用Markov链证明算法全局收敛性,通过对多个典型系统测试函数的仿真实验定量分析该算法的性能,并与经典克隆选择算法和opt-aiNet算法进行比较研究,分析特征参数对算法性能的影响.实验结果表明,该算法在多模态搜索空间中具有更强的全局收敛性、稳定性和寻找极值点能力,能够克服早熟现象,是一种有效的全局优化搜索方法.     

基于集合覆盖和禁忌搜索算法的WCDMA基站布局

分析和比较了集合覆盖和禁忌搜索两种高效布局算法的优化性能和计算时间.在此基础上提出了一种新的WCDMA基站布局算法,该算法使用集合覆盖进行整体布局,使用禁忌搜索进行局部优化.由于综合利用了集合覆盖算法的快速性和禁忌搜索算法的精确性,实际场景仿真结果显示,新算法仅用禁忌搜索算法8.8%的计算时间,就搜索到比禁忌搜索算法优化性能更好的布局配置.     

基于GATS算法的城市交通网优化问题研究

遗传算法和Ｔａｂｕ Ｓｅａｒｃｈ 算法是求解大规模任意目标函数优化问题的强有力工具,二者各有优势,又都存在不足,本文根据香港城市交通网优化问题的特点及遗传算法和Ｔａｂｕ Ｓｅａｒｃｈ 算法自身的优势与不足,提出一种将二者混合使用的求解网络优化问题的算法．这是第一次将遗传算法和Ｔａｂｕ Ｓｅａｒｃｈ 算法应用于实际的网络设计问题．最后用香港２００６ 年规划数据进行实例研究．     

抗原进化免疫算法的动目标预测

根据免疫学研究中抗原与抗体同时进化的特性，通过对动目标预测系统特点的分析，提出一种改进的免疫算法．算法以目标当前运动时刻的拟合信息为初始抗原，下一时刻信息的改变为抗原进化，进行参数优化搜索．并进一步使用所得最佳参数对预测模型进行拟合得出结果．仿真结果表明，该算法可以满足动目标预测系统的高实时性要求．     

离散变量桁架结构拓扑优化的遗传禁忌搜索算法

采用遗传禁忌搜索算法求解多工况多约束的桁架结构拓扑优化问题.在遗传算法中采用直接比较-比例方法(DCPM)处理约束,避免了确定罚因子的选择问题.为了提高遗传算法的局部搜索能力,在每一代遗传操作之后选择一定比例的解进行禁忌搜索,形成遗传禁忌搜索算法,以提高算法的全局搜索能力和收敛速度.数值算例表明,该方法用于求解多工况多约束的离散变量桁架结构拓扑优化问题是方便、快速和有效的.     

具有禁忌策略的蜂群算法评定圆柱度误差

针对最小二乘法评定误差较大,遗传、蚁群等仿生算法设置参数较多、收敛速度较慢的问题,结合圆柱度误差评定的特点,提出采用蜂群算法,来实现圆柱度误差的最小区域法评定.该算法借鉴了禁忌搜索算法的禁忌策略,用禁忌表存储局部最优解,增强对参数Limit的控制作用,提高全局搜索能力.实验研究结果表明,该方法能收敛到全局最优解,并且计算结果稳定,收敛速度很快,平均运算时间在1.2 S左右,适用于三坐标测量机等实时处理系统.     

具有禁忌算子的遗传算法目标优化分配

针对地面防空作战中的多通道目标优化分配问题，给出了一种具有禁忌算子的混合遗传算法。该算法结合禁忌搜索算法和遗传算法二者的优点，既克服了禁忌算法全局搜索能力的不足，又提高了遗传算法的爬山能力，还解决了遗传算法容易陷入局部最优的问题，并使搜索过程具有记忆功能。仿真结果表明，该算法可有效给出求解多通道目标优化分配问题的满意解。     

IT服务外包进度风险控制的改进禁忌搜索算法

随着近年来IT服务外包的迅猛发展,对于项目的进度风险控制也成为了亟待解决的问题之一.针对IT服务外包项目进度风险控制问题,建立了两层的数学模型.考虑到该优化问题是一个NP难问题且具有层次结构,设计了改进的禁忌搜索算法进行求解.主要改进包括初始解的启发式方法产生,禁忌表动态构造等方面.在仿真实验的基础上,对算法稳定性、算法收敛性和有效性等进行了分析,并与传统禁忌搜索算法的仿真结果进行比较,验证所设计算法的有效性.     

分配问题的启发式算法求解

禁忌搜索算法和蚁群算法是近几年优化领域中出现的两种启发式算法.简单介绍了这两种启发式算法的基本原理,给出了应用这两种算法以及其混合算法解决分配问题的求解过程.仿真结果表明混合算法取得的结果较好.