模拟退火方法的改进及其在地震剩余静校正中的应用

分析了模拟退火非线性反演方法随机寻优的特点，提出了一种改进的具有较高计算效率的模拟退火方法，该方法采用数论中的均匀试验设计方法来建立候选解在解空间的均匀分布，少量的目标函数计算就能了解目标函数解空间性质，减少了目标函数的计算次数．理论和实际计算表明该方法具有较高的计算效率。     

基于混合遗传算法的城市土地利用形态与交通结构的组合优化

以出行总时间最小为目标,建立了在一定土地及人口约束下的土地利用形态和交通结构的组合优化模型,在此基础上,针对传统算法的局限性,提出一种新的混合遗传算法.该算法融合了遗传算法、模拟退火算法和动态惩罚函数法的优势,并在求解过程中引入Gray编码和非均匀变异算子.计算实例表明,该算法能够克服传统遗传算法容易过早收敛以及传统模拟退火算法全局搜索能力不足的缺陷,具有较高的运算效率和求解质量.     

基于均匀布点的模拟退火算法

把实验设计中的均匀设计思想引入模拟退火，提出了一种基于均匀设计变量的模拟退火优化方法。该方法根据均匀设计原理在优化模型的设计变量空间内均匀分布一系列点，然后，将可行域内的上述系列布点作为优化计算的系列初始点，并运用模拟退火算法，分别开始进行优化计算，得到优化模型的一系列局部最优点。最后，比较所有局部最优点的最优值，即认为在一定程度上获得了该优化问题的全局最优解。该算法可求取非线性多峰函数的全局最优解。编制了计算程序，给出了计算实例，计算结果表明该设计方法是可行的。     

用推广的模拟退火算法研究HIV—1蛋白酶与苯甲醚配体的刚性对接

推广的模拟退火算法是一种普遍的全局极小化方法,在目标函数自变量数目不很大时,计算效率较高,首先将该算法应用于假想分子模型间的刚性对接,然后将算法应用于HIV－1蛋白酶与苯甲醚配体的刚性对接。结果表明,该算法可以较高的效率查找到分子对接的最佳能量构型,对实际分子的计算结果与晶体结构非常接近,偏差为0．03nmRMSD。     

贝叶斯网络结构学习的限制型模拟退火方法

模拟退火方法学习贝叶斯网络结构是一种以搜索最高得分函数为原则的智能优化方法.提出一种学习贝叶斯网络结构的限制型模拟退火方法.在该方法中,首先通过求解无约束优化问题得到一个无向图,然后使用模拟退火方法进行边及边方向的确定.由于搜索空间的规模减小,该方法比直接使用模拟退火方法学习贝叶斯网络结构的效率要高.     

基于博弈理论的拱坝体形多目标优化设计

以坝体体积、最大主应力、高应力区范围为目标函数,建立了拱坝体形多目标优化模型.根据多目标优化设计问题与经济学中博弈问题之间的相似性,将多目标优化中的各分目标函数看成博弈方,所有可行解就是博弈策略集,从而提出了拱坝体形多目标优化设计问题的合作博弈方法.白鹤滩拱坝体形优化设计结果表明,该方法比传统的多目标优化方法(如线性加权法和理想点法)更能综合反映各优化目标的要求,优化结果更加合理,并具有较高的计算效率.     

坦克发动机道路模拟测试平台轨迹寻优研究

坦克发动机道路模拟测试平台采用冗余构件多分支并联运动系统结构形式，满足了大负载、高灵活度、运动复杂的实际要求．鉴于系统结构形式的特殊性，论文采用结合个体定向漂移技术的基于邻域函数的尺度参数自寻优改进模拟退火算法，对此并联运动系统进行六维轨迹寻优解算，阐述了自寻优改进模拟退火算法，并将系统六维轨迹解算仿真结果与实验数据进行对比分析，在实践中得到成功验证．该方法将模拟退火的串行搜索机制与邻域函数混沌选择的并行处理机制进行了恰当结合，使算法不仅具有模拟退火算法的计算及存储量小、处理简单、寻优准确等优点，而且具有混沌选择遍历性和全局优化特性的优点．通过个体定向漂移技术提高了搜索效率，改善了邻域函数结构．     

一种高效的生物网络概率模体发现算法

针对概率模体发现算法中非树形子图的挖掘和在得分函数最大化的过程中得分函数值计算的2个难点.首先提出基于划分的非树形子图的搜索算法,其次将子图同构应用于最小错配的求解以缩小智能优化算法对得分函数求解的解空间,最后将基于模拟退火算法和遗传算法的混合算法应用于得分函数的求解过程.在大肠杆菌基因调控网络中的实验结果表明,与其他算法相比,混合智能算法可以大大减少非树形子图的搜索时间,并以相对较快的收敛速度收敛到一个较优的解,因此所提出的方法有效地提高了概率模体发现的效率.     

一种提高多目标进化算法搜索鲁棒最优解效率的方法

提出将拉丁超立方体抽样用于计算有效目标函数,有效地提高多目标进化算法求解鲁棒最优解的效果;同时提出一种自适应抽样技术,使求解效果和效率都得到了较大的提高.通过与已有方法的对比实验,研究结果表明;本文所提出的方法求解效果好,效率较高.     

基于改进模拟退火的三维片上网络映射算法研究

在基于模拟退火算法的基础上提出了一种改进温度下降函数和自适应的生成邻域解的新型算法.该算法通过新提出的温度下降函数,使得在初始温度较高的时候下降较为平滑,同时在邻域解的生成过程中采用新的生成邻域解的方式,充分实现算法的全局性,克服传统模拟退火算法易陷入局部最优解的困境;同时在温度较低时候,平滑的温度下降方式也有利于进行充分的局部搜索,取得最优解.实验结果表明,与传统的模拟退火算法相比,提出的新型的模拟退火算法在三维片上网络的映射过程中,在功耗和收敛速度两个方面有显著的提升.     

基于遗传算法的柔型多功能机运动学逆解

在分析运动学逆解方法的基础上,应用遗传算法求解柔型多功能机器人运动学逆解,给出了用于优化求解的适合度函数,并应用二次编码法提高解的精度。计算机模拟结果证明：该方法能快速收敛于全局最优解,能给出柔型多功能机器人的可能解,并能计算冗余度机器人的逆解。     

一种基于知识颗粒的高效完备属性约简算法

为获取高效算法,结合Rough集和粒计算理论,基于知识颗粒设计出获取等价类的算法及计算正区域的等价算法,使用动态SQL语句直接获取已排序的对象集,省略类似算法必需的排序算法,降低了实现的复杂度.给出一种增量式的属性约简算法,设计5种选择属性的新启发策略供算法使用,可避免无用属性入选,更有效去除可省属性及缩减搜索窄间等,确保约简算法的完备性,简化了中间步骤,从而保证算法的高效性.理论分析及实验结果表明:采用该约简算法的时间复杂度和实际求解时间均比采用现有算法的时间复杂度和实际求解时间低,并能更好地适应海量数据集的挖掘.     

基于目标空间分区的稳态高维多目标进化算法

针对高维多目标优化中Pareto非劣候选解所占比例很大,常用的先考虑收敛性再考虑分布性的多目标进化算法面临选择压力衰减的问题,提出一种先考虑分布性再考虑收敛性的高维多目标进化算法——基于目标空间分区的稳态高维多目标进化算法(SS-OSP).该算法先采用目标空间分区策略将种群按照权重向量分为多个子空间,在每个子空间中按照分解方法中的聚合函数选择个体;然后,考虑到常规的PBI聚合函数的罚参数在进化过程中一直保持不变的情况,提出一种自适应PBI聚合函数;最后,仿真实验结果表明所提出的算法与其他三种算法相比,具有更好的收敛性和分布性.     

基于变异系数的多传感器数据判别方法

根据多传感器获取的数据,可以判别被观测对象的属性.为了解决以往仅利用距离判别对象归属所导致的计算量过大、运算速度较慢等问题,本文提出一种利用变异系数将对象进行归属判别的方法.仿真结果表明,该算法在计算量方面有明显降低,效率得到显著提高.     

动态联盟伙伴选择问题的混合计算方法

针对已有伙伴选择问题方法的不足,以最小化竞标花费,交通运费和拖期惩罚成本之和为目标,给出伙伴问题的0-1整数规划模型,并提出了求解问题的混合遗传算法.该算法用染色体的编码确定合作伙伴的组合,结合专家经验,通过模糊神经网络对人工给定的隶属函数和模糊规则进行修正,用所得到的结果改进合作伙伴的组合.实验结果表明,模糊神经网络的使用提高了模糊推理的准确性,进而也提高了混合算法的有效性,使其具有比普通遗传算法更好的寻优能力.     

Genetic algorithm in DNA computing： A solution to the maximal clique problem

Genetic algorithm is one of the possible ways tobreak the limit of brute-force method in DNA computing.Using the idea of Darwinian evolution, we introduce a geneticDNA computing algorithm to solve the maximal clique prob-lem. All the operations in the algorithm are accessible withtoday‘s molecular biotechnoiogy. Our computer simulationsshow that with this new computing algorithm, it is possible toget a solution from a very small initial data pool, avoidingenumerating all candidate solutions. For randomly generatedproblems, genetic algorithm can give correct solution withina few cycles at high probability. Although the current speedof a DNA computer is slow compared with silicon computers,our simulation indicates that the number of cycles needed inthis genetic algorithm is approximately a linear function ofthe number of vertices in the network. This may make DNAcomputers more powerfully attacking some hard computa-tional problems.     

基于量子的免疫进化算法及收敛性

分析和探讨了量子计算的特点及免疫进化机制,并结合免疫系统的动力学模型和免疫细胞在自我进化中的亲和度成熟机理,提出了一种基于量子计算的免疫进化算法。该算法使用量子比特表达染色体,通过免疫克隆、记忆细胞产生和抗体相似性抑制等进化机制可最终找出最优解,它比传统的量子进化算法具有更好的种群多样性、更快的收敛速度和全局寻优能力。在此不仅从理论上证明了该算法的收敛,而且通过仿真实验表明了该算法的优越性。     

一种快速属性约简算法

基于差别矩阵的属性约简算法，先要求出差别矩阵，随着问题的规模增大，存放差别矩阵的空间和算法的执行时间过大和过长，让计算机难以承受．针对这一问题，提出了差别对象对集的定义，给出了基于差别对象对的属性约简定义，并证明了该定义等价于基于差别矩阵的属性约简定义．利用差别对象对，设计了一个新的属性约简算法．由于这一算法在求属性约简的过程中不用生成差别矩阵和大量的无用元素，因而大大减少了存储量和计算量，从而提高了算法的效率．计算实例说明了新算法的高效性．     

基于BIRCH-LKD的在站车辆中时异常检测算法

针对铁路车辆在站中转作业异常较多的情况,提出基于BIRCH-LKD的在站车辆中时异常检测算法.该算法以车辆中时序列为研究对象,不考虑异常值的具体形式,对序列分组,引入中时序列特征向量,做类球形簇转化;采用基于划分的显性异常检测方法得到中时序列特征向量的聚类特征树,查找序列显性异常,缩小异常检测范围;利用隐性异常检测算法计算剩余数据对象的K距离,根据距离差值变化规律,筛选序列隐性异常;最后,利用中时序列中位数异常判定条件,排除下界异常,实现中时序列的异常检测.实验结果表明,该算法检出率高,能够快速识别中时序列异常值,有效率达85%以上,去除异常值后的中时序列符合实际情况的趋势且更加平稳.      

ALE有限元方法中的网格运动算法

基于新的网格单元畸变度量体系,设计了一种新的网格运动算法。该算法将求解节点位移（速度）的问题转化成求解无约束最优化问题。通过偏导数等于零,得到求解位移向量的显式表达式,算法具有设计合理、实现简便、计算量小等特点。该算法可由二维情形推广到三维的情形。二维和三维算例验证了算法的有效性。