首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 953 毫秒

1.  求解约束优化问题的微粒群算法  
   谭瑛  高慧敏  曾建潮《太原科技大学学报》,2004年第25卷第2期
   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。    

2.  解约束优化问题的新PSO算法  
   刘淳安《西安科技大学学报》,2008年第28卷第3期
   对约束问题的处理通常采用罚函数法,而使用罚函数法的困难在于参数的选取。文中提出了一种解约束优化问题的新PSO算法(CLDPSO)。该方法基于平滑技术设计了一个平滑函数,此函数可以消除一些局部极小点,使算法CLDPSO能有效克服标准PSO算法易陷入局部最优的缺陷;另外,结合约束优化的约束条件给出的新开关选择算子,使算法在选择下一代时保持群体中不可行解的一定比例。这不但有效的增加了群体的多样性,而且避免了传统的过度惩罚,使群体向最优解更好、更快地逼近。数值试验表明该算法对约束优化问题求解是非常有效的。    

3.  粒子群算法在求解优化问题中的应用  被引次数:17
   张利彪  周春光  刘小华  马铭《吉林大学学报(信息科学版)》,2005年第23卷第4期
   粒子群优化(PSO:Particle Swarm Optimization)算法是一种新兴的优化技术,其思想来源于人工生命和进化计算理论.PSO算法通过粒子追随自己找到的最好解和整个群体的最好解完成优化.为了避免PSO算法在求解最优化问题时陷入在局部最优及提高PSO算法的收敛速度,提出了对PSO算法增加更新概率.对无约束和有约束最优化问题分别设计了基于PSO算法的不同的求解方法和测试函数,并对PSO算法求解多目标优化问题进行了研究.仿真实验表明了改进的PSO算法求解最优化问题时的有效性.    

4.  基于双种群粒子群优化新算法的最优潮流求解  被引次数:3
   李婷  赖旭芝  吴敏《中南大学学报(自然科学版)》,2007年第38卷第1期
   提出一种带赌轮选择的双种群粒子群优化算法(TSPSO)求解最优潮流问题。在该算法中,对2个种群采取不同的参数设置,使得粒子在进化过程中具有不同的飞行轨迹,从而尽可能地探索解空间,增强算法的全局搜索能力;基于赌轮算法的概率选择机制使粒子可以在较好的可行解邻近范围内高强度搜索,增强了算法的局部搜索能力;采用自适应惩罚因子能有效区分最优潮流的目标函数和约束条件对种群进化的影响,使种群可以跨越不可行域到可行域进行搜索。通过IEEE30节点系统对该算法进行测试,结果表明,采用该算法可以有效求解最优潮流问题。    

5.  具有自适应度双群体PSO的组群机器人队形控制  被引次数:2
   张皓  陈雪波  马德楠《清华大学学报(自然科学版)》,2008年第48卷第10期
   针对粒子群算法对约束条件的优化处理问题,提出一种具有自适应度双群体粒子群优化算法,该算法将目标函数与约束条件分别考虑,形成2种群体以不同目标为前提同时向最优解进化;并分别对2种群体的适应度引入自适应权重系数与相应调整策略,基于并非所有非可行个体均劣于可行个体概念,动态地调整其适应度以保证部分非可行个体向可行域进化.将其应用于组群机器人队形控制中,链型结构(纵队)队形仿真结果表明了该算法的有效性.该粒子群算法为实际应用中约束优化问题的求解提供了新的途径.    

6.  一种求解约束优化问题的微粒群算法  被引次数:1
   孙超利  谭瑛  潘正祥  曾建潮《太原科技大学学报》,2010年第31卷第6期
   约束保持法是目前求解约束问题时处理约束的主要方法之一,该方法的思想是确保进化过程中所有粒子始终在可行域范围内.本文借鉴复合形法的思想,提出一种求解约束优化问题的新方法.当粒子超出可行域范围时,通过反射、扩张、收缩等操作,为粒子重新产生一个可行位置.通过对标准函数仿真实验表明,该算法实现原理简单,而且能得到较优的解.    

7.  基于PSO-ABC的混合算法求解复杂约束优化问题  
   王珂珂  吕强  赵汗青  张蔚《系统工程与电子技术》,2012年第34卷第6期
   为了改善粒子群优化(particle swarm optimization,PSO)算法在处理复杂约束优化问题时的求解效果,提出了一种基于粒子群和人工蜂群的混合优化(particle swarm optimization-artificial bee colony,PSO-ABC)算法。在采用可行性规则进行约束处理的基础上,将PSO种群分为可行子群和不可行子群,并在ABC算法从粒子种群中选择蜜源时,保留部分较优的可行解信息和约束违反程度较低的不可行解信息,弥补了联赛选择算子在处理最优点位于约束边界附近的问题时存在的不足。同时,使用禁忌表存储局部极值,减小了PSO算法陷入局部最优的危险。针对4个标准测试实例的实验结果表明,该算法能够寻得更优的约束最优化解,且稳健性更强。    

8.  约束优化问题带有混沌变异的PSO-DE混合算法  被引次数:1
   雷崇民  任再敏  高岳林《兰州理工大学学报》,2010年第36卷第6期
   使用混沌运动产生均匀分布的初始种群,并且对早熟的种群进行混沌变异,以增强算法的全局寻优能力;用一个改进的粒子群优化算法对种群进化,对那些不可行的粒子再用差分进化算法进行演化;通过自适应的半可行域竞争选择策略形成新一代种群,直到达到全局寻优的目的,由此提出一个约束优化问题带有混沌变异的PSODE混合算法.数值结果表明,所提出的算法具有较高的计算精度、较好的稳定性、较强的全局寻优能力.    

9.  处理带约束的多目标优化进化算法  被引次数:27
   王跃宣  刘连臣  牟盛静  吴澄《清华大学学报(自然科学版)》,2005年第45卷第1期
   针对当前对求解多目标优化的遗传算法中主要考虑如何处理相互冲突的多个目标间的优化,而很少考虑对约束条件的处理的问题,提出一种求解带约束的多目标优化遗传算法,利用邻域比较与存档操作遗传算法处理多个相互冲突的目标之间的优化、利用不可行度选择操作处理约束条件和选用约束主导原理指导进化过程选择操作; 面向多目标约束优化算法,列举了2个难点典型问题进行仿真计算研究,仿真结果表明该算法能较大概率地获得多目标约束优化问题的可行Pareto最优解.    

10.  求解约束优化问题的多成员人工蜂群算法  被引次数:1
   王翔  郑建国《西安交通大学学报》,2012年第2期
   针对约束优化问题提出了一种多成员人工蜂群算法.新算法设计了一种多成员机制,增强了在可行域内的搜索能力.在进行选择操作时,允许拥有较优目标函数的不可行解战胜可行解,增强了种群的分散性;在处理等式约束时,引入一种约束放松程度从大到小变化的机制,充分利用了等式约束周围不可行解的信息.针对13个标准测试函数的仿真实验表明:当处理含有等式约束且可行域较小的问题g13和最优解位于可行域内部且可行域较大的问题g02时,与改进人工蜂群算法相比,新算法最优解的均值误差分别减小了76%和80%.    

11.  求解约束优化问题的改进粒子群优化算法  
   米永强  高岳林《江西师范大学学报(自然科学版)》,2015年第39卷第1期
   针对约束优化问题,提出了一种改进的粒子群优化算法.该算法利用罚函数法将约束优化问题处理为无约束优化问题,并利用可行基规则来更新个体极值和全局极值,使不可行的粒子尽快飞向可行域,显著提高了算法的全局搜索能力.在标准粒子群算法研究基础上,为了提高粒子群算法求解非线性复杂优化问题的性能,对速度方程和惯性权重做了改进.数值算例表明,该算法是求解约束优化问题的一种较为有效的全局优化算法.    

12.  协同差分进化算法求解负荷经济分配问题  
   雷建军    《华中师范大学学报(自然科学版)》,2011年第45卷第2期
   提出了一种协同差分进化算法求解电力系统负荷经济分配问题( Economic Dispatching,ED).该算法考虑了机组的爬坡约束、出力限制区约束等非光滑费用函数曲线这样的非线性特征,并根据ED中可行域被分割为多个独立的区域的特点,采用协同进化策略处理约束条件.将种群分为保守和激进两种策略的子种群,子种群最优个体分别对另一个子种群中部分个体进行吞并和更新,以引导算法搜索新可行域.算法应用于一个6台机组的算例,与遗传算法、微粒群算法和标准差分进化算法相比较,本文算法结果质量更好并且更稳定,是求解负荷经济分配问题的一种有效方法.    

13.  一个求解约束优化问题的混合算法  
   刘国志《江西师范大学学报(自然科学版)》,2011年第35卷第1期
   通过引入Hook-jeveese搜索法和可行基规则,提出一个求解约束优化问题的混合算法—Hook-jeveese搜索法和与可行基规则相结合改进的微粒群算法的混合算法.与惩罚函数法相比,可行基规则不需要额外的参数,且指引粒子迅速飞向可行域.并利用6个典型实例问题进行仿真计算比较,仿真结果表明了新算法是求解约束优化问题的一个高效的算法,而且获得了一些比以往文献更好的解.    

14.  求解约束优化问题的改进算法及其收敛性分析  
   郑建国  干昕艳  王翔《系统管理学报》,2013年第22卷第1期
   针对约束优化问题,提出一种改进差分进化算法。为了利用种群中不可行解的信息,新算法设计了一种改进DEB准则;为了进一步提升算法在受限空间的寻优能力,新算法设计了一种交叉概率CR和缩放因子F的生成方法。13个标准的测试函数的实验结果证明,与目前求解约束优化问题最优秀的算法相比,新的改进差分进化算法仍然非常有竞争力。    

15.  一种遗传算法求约束优化问题的新方法  
   许碧娟  刘海军  孙尚《辽宁工程技术大学学报(自然科学版)》,2006年第Z2期
   为了更好的解决约束优化问题,介绍了利用遗传算法求解约束优化问题的一般方法,在分析传统方法的基础上提一种遗传算法求解约束优化问题的新方法,将约束优化问题分成两步:首先不考虑目标函数,把约束优化问题转换为一个约束满足问题来处理,获得一个可行解;然后对目标函数和已满足约束的条件进行优化,最终获得一个最优解。还对该方法在不同问题下作了分析,证明了该方法对求解有约束优化问题有良好性能。    

16.  一种基于罚函数的混合分布估计算法  
   张金风  夏桂梅  王泰《西南民族学院学报(自然科学版)》,2015年第1期
   分布估计算法是一种新型的基于概率模型的进化计算方法,已在许多领域得到了非常成功的应用.借签罚函数根本思想,把非线性约束优化转变为无约束优化,并利用多变量相关的MIMIC算法对所得的无约束问题进化求解,提出的新算法突破了传统基于约束保持法或可行规则法的约束处理,且分布估计算法是基于可行解的宏观层面的随机进化算法,具有较强全局寻优能力和较高的收敛率.数值试验表明该算法具有很强的全局寻优能力和有效性.    

17.  基于SFLA-PSO算法的几何约束求解  
   于晓鹏  曹春红《吉林大学学报(信息科学版)》,2012年第30卷第2期
   为提高求解几何约束问题的效率和收敛性,将几何约束问题等价为求解非线性方程组问题。并将约束问题转化为一个优化问题,采用基于混洗蛙跳(SFLA:Shuffled Frog Leaping Algorithm)和粒子群优化(PSO:Particle Swarm Optimization)算法求解该问题。SFLA-PSO算法采用将SFLA和PSO二者相结合的方法,利用PSO算法进行族群局部搜索,利用SFLA的多种群的进化方法进行族群的混选,相互取长补短,以达到收敛速度快和全局搜索的目的。实验表明,该方法可以提高几何约束求解的效率和收敛性。    

18.  一个求解约束工程设计问题的混合局部收缩微粒群算法  
   刘国志《科学技术与工程》,2010年第10卷第8期
   提出一个求解约束工程设计问题的新的混合算法——与可行基规则相结合的局部收缩微粒群算法。与惩罚函数法相比,可行基规则不需要额外的参数,且指引粒子迅速飞向可行域。利用3个工程设计问题进行仿真计算比较,仿真结果表明了新算法是求解约束工程设计问题的一个高效的算法。    

19.  求广义几何规划全局最优解的新的线性化方法  被引次数:1
   汪春峰  申培萍《四川师范大学学报(自然科学版)》,2009年第32卷第5期
   针对广义几何规划问题提出了一种确定型的全局优化方法,给出了一种构造目标函数及约束函数下界函数的新方法,从而建立了广义几何规划问题的松弛线性规划.通过对线性规划问题可行域的细分以及一系列的线性规划问题的求解,从理论上证明了该算法全局收敛性,数值实验表明了算法的可行性.    

20.  基于双群体的非线性约束规划进化算法  
   贾礼平  邹国成《重庆师范大学学报(自然科学版)》,2009年第26卷第3期
   在求解非线性约束规划问题中,对其约束条件的处理是一个难点问题.本文提出了一个非线性约束规划的双群体进化算法,与以往存在的约束优化算法不同之处在于:定义个体对约束条件的函数值作为约束违犯度对群体中的个体进行度量,目标函数值作为最优解的度量.首先考虑了标准的约束规划问题,简单介绍了约束优化问题中约束条件的处理方法,给出了与这些方法不同的处理方法.针对约束违犯度,定义了两个群体,即可行群体与不可行群体.然后给出了双群体进化算法详细步骤,用5个Benchmark函数测试了此算法,并通过与其它已知算法对此5个函数的计算结果的比较,验证了算法的可行性和有效性.    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号