基于正弦余弦算法的非线性方程组求根

给出了一种求解非线性方程组的方法,通过把非线性方程组转化为一个无约束优化,采用正弦余弦算法求解。针对唯一根的非线性方程组,该方法能够收敛到其唯一根;针对具有多个根的非线性方程组,该方法能够找到尽可能多的根。该方法的优点是无需计算非线性方程组的雅克比矩阵,适用范围广。     

机构综合的混沌优化算法

针对机构综合的非线性方程组求解问题提出了一种混合混沌算法,将方程组转换成一个优化问题,然后利用优化问题的非线性共轭梯度法与混沌优化方法相结合进行优化求解,该算法能使非线性共轭梯度法跳出局部最优,最终获得全局最优.机构综合实例表明：笔者提出的方法能够求出非线性方程组的所有实数解,算法有效、简单、实用.     

运用结式求解多元非线性方程组

结式在消元理论方面有着广泛的应用,它常常能够起到简化的作用,尤其是关于参数方程的消元与非线性方程组的求解问题.本文主要探讨了结式在多元非线性方程组中的运用,并能够较好的求解多元非线性方程组.     

双种群进化策略解奇异非线性方程组

鉴于传统优化算法在求解奇异非线性方程组中存在受初值选取是否合适的影响、收敛速度慢且容易陷入局部最优解等缺点,提出一种改进双种群进化策略求解奇异非线性方程组算法.首先把奇异非线性方程组转化为无约束优化问题,再求解无约束优化.该算法克服了传统算法不足,避免了大量的求导计算,算法收敛速度快、求解精度高、稳定性强.     

求解奇异非线性方程组的粒子群优化算法

奇异非线性方程组是一类十分重要也比较困难的问题,基于粒子群优化算法提出了一种求解奇异非线性方程组的新方法.先把奇异非线性方程组转化为无约束优化问题,然后与人工智能算法相结合,利用标准粒子群优化算法求解.此算法不但不受方程组的连续性、光滑性的限制,而且避免了大量的求导计算,得到了极为精确的数值解.数值仿真结果显示了算法的有效性和可行性.该方法为求解奇异非线性方程组提供了一种有效、可行的新算法,也扩大了粒子群算法的应用领域.     

改进量子遗传算法求解非线性方程组

非线性方程组的求解在科学技术和工程应用中经常遇到。将非线性方程组的求解问题转化为函数优化问题,并应用改进量子遗传算法求解此优化问题。数值模拟的结果验证了该方法的可行性和有效性。     

电动车用IPMSM损耗最小化电流求解方法

为了实现电动车用IPMSM的实时效率优化控制,实时地求解电机的损耗最小化电流,提出一种基于投影动态系统的IPMSM损耗化最小化电流求解方法.该方法首先将电机效率优化控制建模为基于转矩、电流和电压约束的优化问题;接着将该优化问题分为两种情况考虑,即损耗最小化电流处在电压约束区域内和约束边界上,利用优化理论将每种情况的电流求解转化为非线性方程组的求解;最后利用投影动态系统实现该非线性方程组的求解.基于投影理论和矩阵范数理论分析得出该动态方系统的收敛条件,该条件简单且易于求得.仿真结果表明该方法有效且正确.     

求解非线性方程组的改进布谷鸟算法

将非线性方程组转化为无约束优化问题,采用改进的布谷鸟搜索算法对问题进行求解.用该方法对多个非线性方程组进行了求解,结果表明,改进的布谷鸟搜索算法可以避免获得局部最优解,提高了非线性方程组的求解精度和速度,而且性能优于对比算法.     

基于遗传小波神经网络的非线性动态自治网络故障诊断仿真算法

为避免用状态方程计算和分析非线性动态网络的约束计算困难,特别是计算响应跨越边界时间的问题,针对非线性动态自治网络,提出一种基于规范式分段线性化总体表达式以及非线性网络的混合参数方程.求解该方程组可得到非线性动态自治网络的故障响应仿真算法,再由小波提取故障响应的特征.采用遗传算法对BPNN进行结构和参数优化,将得到的电路故障状态特征输入至遗传优化的BP神经网络进行故障诊断.仿真结果表明了该故障诊断算法的有效性.     

解非线性方程组的拟牛顿混合遗传算法

利用熵函数将非线性方程组转化为一个极小值优化问题。结合拟牛顿法和遗传算法的优缺点,提出了一种求解非线性方程组的拟牛顿混合遗传优化算法。该方法不仅有效发挥了遗传算法在进化初期的群搜索能力,而且利用了拟牛顿法的局部精搜索性能,克服了遗传算法在后期易陷入局部收敛的缺陷,提高了算法整体寻优效率。计算机仿真表明,该算法对非线性方程组的求解具有较好的稳定性和较高的收敛精度。     

资源优化模型及遗传算法

在网络计划中提出了资源优化问题,并建立了资源优化数学模型.同时,指出现代优化算法是求解资源优化模型的主要算法,并使用遗传算法对资源优化模型进行求解.此遗传算法与传统的遗传算法有所不同,第一是根据资源优化过程的特点设计的独特的杂交概率和变异概率,可以既尽快获得最佳模式又扩大搜索范围,避免早熟现象的发生;第二是引进了检查和修复算子以保证杂交和变异的子代满足可行性的要求;最后给出了算例以验证算法的有效性和正确性.     

优化网络布置费用的遗传算法

【目的】针对网络布置费用的优化问题,利用基本遗传算法的良好搜索性能,设计出优化网络布置费用问题的遗传算法。【方法】通过分析网络布置费用的优化问题,抽象出网络模型,并将该问题转化为求解无向图中最小生成树的问题。【结果】基于遗传算法基本原理和抽象出的网络模型,设计出一种优化网络布置费用的遗传算法。【结论】应用遗传算法解决网络结构优化问题,可以让用户在短时间里获得一个比较满意的结果。     

遗传优化算法及含有模糊目标和模糊约束的机械优化设计

针对机械工程中的非线性约束优化的工程问题 ,提出了一种新的遗传算法。该方法在遗传算法中通过去掉等式约束、构造浮点型编码向量、精心设计动态遗传及变异算子等改造操作 ,较大地提高了寻优效率和寻优能力 ,并用Matlab语言开发了相应软件。对设计的算法与一般遗传算法、变尺度法以及随机搜索方法进行算例比较。对于含有模糊目标和模糊约束冗余系统可靠性优化设计问题 ,通过定义隶属函数 ,把问题转化为清晰的普通优化问题利用改进的算法求解 ,以提高求解的精度和可靠性     

An ant colony algorithm for solving Max-cut problem

Max-cut problem is an NP-complete and classical combinatorial optimization problem that has a wide range of applications in different domains, such as bioinformatics, network optimization, statistical physics, and very large scale integration design. In this paper we investigate the capabilities of the ant colony optimization （ACO） heuristic for solving the Max-cut problem and present an AntCut algorithm. A large number of simulation experiments show that the algorithm can solve the Max-cut problem more efficiently and effectively.     

基于遗传算法的 ART2 神经网络数据集优化

为了提高小样本集情况下自适应谐振(ART)神经网络聚类的可靠性,提出了基于遗传算法的ART2神经网络训练集优化算法,克服了ART1神经网络编码的稳定性尚未完全解决和只能接受二进制模式的缺陷.利用遗传算法的全局寻优能力,通过对训练样本集添加适当的边界样本点,并将边界样本点和原样本集有机结合,以提高ART2神经网络的泛化性能.对ART2神经网络聚类算法的适当变更,以适应样本集的变化情况,并避免ART神经网络在不同训练阶段产生不同的聚类结果.实验证明,采用本算法后,ART2神经网络的聚类准确度可提高30%.     

考虑网络韧性的三级轴辐式物流网络模型及算法研究

为了实现城市物流运作的集约化，并尽可能降低因突发事件导致的物流供需中断，以物流节点定位和通道布局为落脚点，研究了三级轴辐式物流网络的多目标规划。考虑轴辐式网络的结构约束、多级节点间的连通关系限制，以多级轴辐点选址、轴辐点间的连通关系及强度为决策变量，以网络建设成本最小和网络韧性度最大为目标函数，构建三级轴辐式物流网络模型。结合模型的特点设计了具有双层结构的遗传算法，其中外层为三段编码结构的小生境Pareto遗传算法，用于求解多目标规划，内层为0-1编码的遗传算法，用于求解网络韧性度。以某区域14个节点城市作为案例，验证模型及算法的有效性，并将优化结果与两类传统的单目标物流网络进行了比较。研究结果表明：双层遗传算法能够有效求解三级轴辐式物流网络规划模型；选取案例计算得到的Pareto最优解参与比较分析，优化结果与传统三级轴辐式物流网络相比，网络韧性度提高了6倍，但网络建设成本也随之增加；与单纯以韧性度最大化为优化目标的物流网络相比，网络建设成本降低了7倍，网络韧性度也随之降低。可见提出的双目标三级轴辐式物流网络模型实现了网络建设成本和网络韧性度间的均衡，对于追求具备一定抗毁性能的轴辐式物流网络规划人员，具有参考和应用价值。     

基于遗传算法和粗糙集理论的增量式规则获取方法

规则获取的增量式算法是数据挖掘领域的一个热点问题.基于粗糙集理论,从规则获取和优化两方面研究了基于遗传算法的增量式规则挖掘方法,它具有结构简单、搜索效率高、求解速度快等优点.通过研究决策表和决策规则系数,建立基于粗糙集表示和度量的知识,并且将遗传算法和规则挖掘算法相结合,建立了新的优化方法,提出了一种基于遗传算法的增量式规则挖掘的方法.在原有规则集的基础上进行规则和规则参数的增量式更新,避免了为更新规则而重新运行规则获取算法.试验结果表明,执行增量式GA的能够有效地获取最优规则.     

多个体参与交叉的遗传算法

提出了多个体参与交叉的遗传算法,即采取新的交叉算子使子代个体同时含有多个父代个体的模式．突破了以前遗传算法只有两个个体参与交叉的局限,通过调整参与交叉的父代个体数目和交叉后产生的后代个体数目,实际上提出了遗传算法调试中的两个新参数．通过调整新参数,使得遗传算法可能有更高的计算效率．证明了多个体参与交叉的遗传算法的模式定理．将方差与熵作为描述遗传算法解群多样性的工具．分析了多个体参与交叉的遗传算法对解群方差及熵的影响．通过一个算例验证了多个体参与交叉的遗传算法具有较高的计算效率     

基于A适应遗传算法的无线传感网络节点布局优化

无线传感器网络的传感节点布局优化,直接关系到无线传感器网络覆盖率的提高。文中提出自适应遗传算法求解无线传感器网络覆盖率优化问题。自适应遗传算法的编码方式是传感器节点二维坐标的二进制表达式,交叉方式为字符串整体交叉,变异方式为位变异,交叉概率和变异概率根据个体适应度自动重构。仿真实验结果表明,自适应遗传算法有效解决了无线传感器网络节点布局优化问题。与传统遗传算法相比,本算法进化收敛速度快,网络覆盖率显著提高。