遗传算法的改进与应用

遗传算法不依赖于具体问题,作为优化方法用于决策支持系统有其明显优势．通常的遗传算法是一种求解非线性无约束优化问题的迭代自适应启发式概率性搜索算法,对于约束优化问题一般采用罚函数法将其化为无约束情形后再运用遗传算法求解．文中提出的基于浮点编码的改进算法,通过构造交叉与变异操作,可用来求解一类约束非线性优化问题．该方法已用于一个决策支持系统,取得了较好的效果     

基于遗传算法的供水系统一级优化调度研究

根据多水源多水塔供水系统的网络特性，以测压点压力宏观模型、水源供水量和水头之间的关系模型，替代管网水力平衡方程，并以泵站的供水压力、水塔初始水头为决策变量，建立了供水系统一级优化调度模型．采用罚函数法将各种约束转化为目标函数，然后利用乘除法将多目标优化转化为单目标优化问题，最后利用遗传算法求解．针对遗传算法容易早熟等不足，将遗传算法和模拟退火技术相结合，并采用自适应交叉和变异率的解决方法．算例计算表明，该算法具有较强的适用性．     

遗传算法在大型喷浆机器人结构设计中的应用

在应用遗传算法求解各种数值优化问题时,对问题中约束条件的处理是影响优化结果的重要因素,本文采用罚函数法很好地解决了这一问题,并将遗传算法应用于大型喷浆机器人的结构优化设计。     

网络环境下广告资源优化决策模型

研究了网络环境下优化配置有限广告资源的问题.在最大化总体点击率的基础上引入了定价模型,提出了在企业广告预算一定的条件下,基于混合定价的最大化网站收入的决策模型.目标函数是有约束的优化问题,采用罚函数法转换为无约束优化问题,针对无约束问题采用遗传算法进行求解,仿真结果说明了模型和算法的可行性.     

网络环境下广告资源优化决策模型

研究了网络环境下优化配置有限广告资源的问题。在最大化总体点击率的基础上引入了定价模型,提出了在企业广告预算一定的条件下,基于混合定价的最大化网站收入的决策模型。目标函数是有约束的优化问题,采用罚函数法转换为无约束优化问题,针对无约束问题采用遗传算法进行求解,仿真结果说明了模型和算法的可行性。     

非线性规划问题全局优化的模拟退火法

在无约束非线性规划问题全局优化的模拟退火算法基础上，进行有约束问题求解的进一步探讨，对不等式约束条件提出了检验法和罚函数法的处理方法，对等式约束条件开发了罚函数法和解方程法的求解步骤，并进行了分析比较，从而形成了完整的求取非线性规划问题全局优化的模拟退火算法。通过对文献例题的计算，表明所提出的方法能够快速有效地求出有约束非线性规划问题的全局最优解     

基于混合DE—PSO算法的水库优化调度模型及其应用

水库优化调度实质上是一个非线性的不等式约束优化问题,在现行的求解方法中,对计算精度和复杂约束处理这两个问题一直考虑不足,相关方面的研究也较少．将粒子群算法和差分进化算法引入到水资源系统工程中,建立了水库调度的DE—PSO优化模型,避免了寻优瓶颈;针对复杂约束问题,提出退火罚函数法,有效地解决了水库调度问题．通过实例分析,验证了所给方法的可靠性．     

最大熵原理在无约束优化方法中的应用

经研究，发现将最大熵原理与无约束优化方法相结合亦能达到约束优化公式化，简化优化的过程，使用罚函数法可将约束化优化问题变成无约束化问题，但原问题中的可微函数组成罚函数后有可能成为不可微问题，因而影响了再使用无约束优化方法中的诸多效的方法，如先使用最大熵原理找出原约束优化有关问题的等效Ｌａｇｒａｎｇｅ函数后，再构成罚函数即可保证是可微的了。     

非线性一般约束优化问题的修正BFGS信赖域算法

先通过罚函数法将一般约束优化问题在一定条件下转化为无约束优化问题,再利用无约束优化问题的修正BFGS信赖域算法,进而得到一般约束优化问题的修正BFGS信赖域算法,并通过数值试验表明该算法是有效的.     

改进罚函数分级遗传算法及其在桁架结构优化设计中的应用

遗传算法在应用于结构优化设计时无需将约束条件显式表达,可以方便地处理各类位移和应力约束问题,因而在桁架结构的优化设计中得到广泛应用.基本遗传算法结合罚函数法在处理桁架结构优化设计等有约束优化设计问题时存在迭代代数过多、收敛不稳定等问题.文章提出根据种群中个体偏离约束限值的程度进行惩罚的罚函数法,能够较好地处理非可行解,扩大搜索的区域;通过分级、排序操作保证优秀个体优先被选择,良好的基因得以遗传;采用锦标赛选择方法根据个体的种群级别、约束偏离程度进行选择,在算法进化过程中较好地保持种群的多样性,避免陷入局部最优解陷阱.通过对2个经典的桁架结构案例进行算法可行性的验证,优化结果表明,相对于传统的遗传算法,采用文章的方法可以快速稳定地收敛到全局最优解,该方法可以推广到其他结构体系的优化设计中.     

双曲正弦罚函数法

对求解一般约束优化问题提出一种算法,并证明了算法的收敛性,数值实验表明了算法的可行性.     

双曲余弦罚函数法

对求解一般约束优化问题提出一种新的双曲余弦罚函数算法,并证明了算法的收敛性.数值实验表明了算法的有效性.     

求解约束优化问题的微粒群算法

微粒群算法(简称PSO算法)是一种新型的进化计算方法,已在许多领域得到了非常成功的应用。本文以约束优化问题为对象,首先介绍了采用罚函数法将约束优化问题化为无约束优化问题,和将约束优化问题转化为minmax问题,然后对无约束优化问题和minmax问题,采用PSO算法进行进化求解;在此基础上,以目标函数和约束满足分别为优化目标提出了一种双微粒群的PSO算法。仿真实验结果验证了方法的正确性与有效性。     

求解约束优化问题的一种新的进化算法

针对约束优化问题引入半可行域的概念, 提出竞争选择的新规则, 并改进了基于竞争选择和惩罚函数的进化算法的适应度函数; 结合粒子群优化（PSO）算法本身的特点, 设计了选择算子对半可行域进行操作, 从而得到一个利用PSO算法求解约束优化问题的新的进化算法. 实验证明了算法的有效性.     

非线性优化问题的光滑化序列二次规划方法

为了获得序列二次规划方法的全局收敛性,通常需要借助一个罚函数,但常用的罚函数由于具有不可微性从而给计算带来一定的困难,拉格朗日函数虽然可以克服此困难,但其形式较为复杂,为解决该问题,给出了一类光滑化罚函数.基于一类双曲余弦型光滑化罚函数,提出了等式约束优化问题的一个光滑化序列二次规划方法.该光滑化函数具有良好的连续、可微性和凸性质,在适当条件下,获得了算法的全局收敛性,并给出数值测试说明了算法的有效性.     

一类二次罚函数矫正算法

以优化理论为基础,对求解一般约束优化问题提出一种算法.它对于惩罚因子可以通过算法自我矫正逼近最优项,在一定条件下证明了算法的收敛性.最后给出算例,结合MATLAB数值试验结果验证了这一算法的有效性.     

邻域自适应的微分变异约束分数阶粒子群优化

分数阶粒子群算法（FOPSO）是一种具有路径记忆的改进型粒子群优化算法。在多峰约束优化问题中,针对FOPSO易于早熟和依赖于初始参数的问题,文中提出了一种邻域自适应的约束分数阶粒子群优化方法（NAFPSO）。在算法中,依据进化状态来动态调整邻域拓扑从而更新粒子位置和速度,以提高可行解的全局寻优能力和收敛速度;采用带惩罚因子的罚函数约束处理技术,迫使粒子趋向可行区域;设计了微分变异策略以增加种群多样性,增强粒子逃脱局部最优的能力。用9个约束优化基准函数实验验证了NAFPSO的有效性和收敛性能,并应用于2个约束工程设计问题,结果表明,提出的算法寻优能力强、收敛快、精度高、稳定性好,可用于有效地解决复杂的约束工程设计优化问题。     

基于改进粒子群算法的造林规划

一直以来造林规划的工作者主要是靠手工进行规划或者运用一些通用的计算机软件来辅助规划,表现出工作繁琐、效率低、设计粗糙、计算不科学.首先给出一种改进的粒子群算法,即使用最简单的罚函数法将约束优化问题转化为无约束优化问题,然后将不同阶段搜索进度应用到粒子群算法中.该算法在优化目标函数的分析性质上没有特殊要求,并具有较强的全局寻优能力.用该改进粒子群算法来确定在资金、计划、苗木品种和数量等约束条件下小班造林规划最优方案,结果表明该算法在约束条件下造林规划效果很理想.     

基于离散粒子群优化算法的造林规划设计

指出造林规划设计问题实质是一个离散约束优化问题。应用离散粒子群优化算法求解目标函数,以保证解的合理性法和惩罚函数法相结合处理约束条件。分析实例表明,离散粒子群优化算法可用来优化造林规划设计方案,与模拟退火算法比较,效果更好。此研究结果可为科学造林和最优化经营管理提供新思路,丰富粒子群应用领域。