量子行为粒子群优化算法在几何约束问题上的应用

几何约束问题可以等价为求解非线性方程组问题,同时也可以将几何约束问题转化为一个优化问题来求解.受经典粒子群优化算法和量子动力学启发,提出一种新的算法——量子行为粒子群优化算法(QPSO)来求解几何约束问题.在QPSO模型里,粒子的状态不再通过位置和速度来决定,而是通过一个波函数来确定.这种算法的主要优点就是可以在感兴趣的问题上保持种群的多样性.实验结果表明,该方法可以提高几何约束求解的效率和收敛性.     

基于PSO-PTS算法的E形双频微带天线设计

为了能处理复杂的电磁优化问题,从粒子群优化算法（PSO：Particle Swarm Optimization ）的原理出发,通过对算法收敛性以及算法局限性的分析,改进了粒子群的性能,并结合参数跟踪策略（PTS：Parameters Tracking Strategies）及动态搜索域形成一种新的混合算法--PSO PTS混合算法。给出了PSO-PTS混合算法的基本理论、数学模型和步骤,并利用该方法对E形双频微带天线进行了模拟实验。仿真结果表明,该方法可有效地缩小PSO算法搜索区域,保证了解的单一性,提高了运算速度和解的精度。利用该方法设计的天线可有效地实现小型化的要求。     

禁忌粒子群算法在几何约束求解中的应用

约束问题可以转化为优化问题。针对粒子群优化算法在算法后期易陷入局部最优的缺点，本文提出禁忌粒子群优化算法（TPS0），在算法的前期采用粒子群算法快速产生全局最优解信息素的初始分布，后期引入禁忌搜索算法，记录已经达到的局部最优解，在下一次搜索中，不再或者有选择地搜索这些点，从而跳出局部最优点，并且在搜索过程中允许接受劣解，充分利用禁忌搜索的记忆能力及较强的爬山能力，大大提高了获得全局最优解的概率。该算法综合了粒子群优化算法的快速性、随机性和全局收敛性以及禁忌搜索局部寻优的能力。在确保全局收敛性的基础上，能够快速搜索到高质量的优化解。该方法用于几何约束求解的性能明显高于标准粒子群算法，算法具有良好的优化性能和时间性能。     

Powell搜索法和惯性权重非线性调整局部收缩微粒

提出一种求解无约束最优化问题的新的混合算法Powell搜索法和惯性权重非线性调整局部收缩微粒群算法的混合算法. 该算法不需要计算梯度, 容易应用于实际问题中. 通过对微粒群算法的修正, 使混合算法具有更加精确和快速的收敛性. 首先利用20个基准测试函数进行仿真计算比较, 计算结果表明, 新混合算法在求解质量和收敛速率上都优于其他算法（PSO, GPSO和NM PSO算法）. 其次, 将新混合算法和最新的各种协同PSO算法进行分析比较. 结果表明, 新混合算法在解的搜索质量、 效率和关于初始点的鲁棒性方面都远优于其他算法.     

基于PSO-DE混合算法的结构可靠性优化设计

为提高结构可靠性优化设计的效率,利用粒子群优化(PSO)和差分进化(DE)算法的搜索特性,构造一种PSO-DE混合算法,以克服基本PSO算法的早熟问题.将PSO-DE混合算法与结构可靠性优化理论相结合,建立了结构系统失效概率约束下以结构质量最小化为目标的优化模型.算例结果表明:与基本PSO算法相比,文中提出的PSO-DE混合算法提高了收敛速度和计算精度;该算法易于实现,鲁棒性好.     

几何规划的简约共轭梯度算法

利用对偶理论将正定式几何规划转化为带有非负约束和线性等式约束下的非线性凸规划,并且将简约梯度算法与共轭梯度算法恰当结合,应用于求解约束正定式几何规划的对偶问题,构造出了求解几何规划的一个有效算法,并在Armijo步长搜索和适当的条件下证明了该算法的收敛性.     

约束优化问题的一个非单调变尺度投影算法

变尺度方法是求解优化问题的重要方法之一,本文利用投影算子建立了求解约束优化问题的一个变尺度投影算法,而且算法使用了非单调搜索,放松了每步迭代中对搜索的限制,并进一步证明了算法的全局收敛性．     

一种约束类问题的带权PSO优化方法

为提高带约束类问题的PSO求解质量,将等式约束通过约减策略转化成不等式约束,约减了设计变量个数,降低了粒子的维度;同时将不等式约束事先放在子程序内,在使用PSO寻优计算适应度函数前,排除不在解空间内的解,降低了寻优计算量.利用优化过程中其他粒子的优化信息调整PSO算法的惯性权重,给出了约束类问题的带权PSO优化步骤.采用这种带权的PSO算法以及传统的PSO算法,分别对等式约束处理、不等式约束处理以及两者均处理的3种方案同时优化2个典型实例,对实例求解的最优值、平均值、标准差以及平均优化时间进行对比,结果显示:这种带权PSO算法对约束条件同时处理的方法既能提高解的精度,又能提高优化的求解效率.     

等式约束下的共轭梯度算法

为了寻找求解大规模无约束非线性优化问题的一种有效方法,提出了一种等式约束下新的共轭梯度算法,该算法利用广义消去法将约束优化问题转化为无约束优化问题.并证明了该算法具有全局收敛性,同时还证明了该算法在强wolfe线搜索下具有充分下降性.     

融合粒子群优化算法与蚁群算法的随机搜索算法

针对PSO算法与蚁群算法的优缺点,提出一种融合PSO算法与蚁群算法的混合随机搜索算法.该算法充分利用PSO算法的快速、全局收敛性和蚁群算法的信息素正反馈机制,达到优势互补,将这种优化方法拓展到求解连续空间问题,并通过实例来验证该算法对于单峰、多峰函数都能取得较好的优化效果.     

基于D-tree分解的欠约束与完备约束的几何约束求解

提出了解决欠约束、完备约束的几何约束问题的D-tree分解算法.首先,提出了一种适用范围更广的处理特殊约束策略,可以将这种特殊约束与普通约束统一化,采用转化策略将欠约束的几何约束问题转化为完备约束的几何约束问题.然后,根据几何约束图中结点的度的性质给出了D-tree分解算法,相比经典算法,D-tree分解算法拥有更低算法复杂度和相同的求解域.最后,根据D-tree分解算法结果的规律性,给出了一个为基于数值的求解方法导出求解序列的策略.D-tree分解算法通过导出的求解序列将提高几何约束求解中基于数值的求解方法的求解效率.     

度约束欧氏Steiner最小树问题及其求解

在欧氏Steiner最小树的基础上,对每个正则点加上了度约束限制,提出了度约束欧氏Steiner最小树问题,分析了该问题的特性,给出了该问题的模拟退火和蚂蚁算法求解过程,并使用Delphi语言编程,在Windows XP平台上运行通过．通过大量算例的计算结果验证了该问题的实用性及算法的有效性．     

求解非光滑优化问题的修正HS三项共轭梯度法

为了提高大规模非光滑优化问题的求解效率,克服其他方法存储需求大、算法复杂等缺点,提出求解非光滑优化问题的一种修正HS共轭梯度算法。在经典HS三项共轭梯度法的基础上提出一种新的搜索方向,并利用Moreau-Yosida正则化技术和Armijo-type线搜索技术进行设计。新算法满足充分下降条件,搜索方向属于信赖域,在适当条件下证明了新算法全局收敛。初步的数值实验表明新算法在求解非光滑无约束优化问题方面比LMBM方法更有效。新算法不仅具有较好的收敛性质,而且数值表现良好,为更加高效地求解非光滑优化问题提供了新的方法。     

线性规划非最优约束方程判别定理研究

以区分非最优约束条件和最优约束条件的特性为主线，利用线性规划、线性代数等理论进行分析和推导，从理论上获得了非最优约束条件一些性质及识别非最优约束条件的定理。在求解大规模解线性规划问题时，可以利用所得到的结论构造新的求解方法，以在求解的过程中获得变量有关的信息来识别非最优约束条件，并及时删除它，使得模型逐步降阶，以提高求解效率。     

智能搜索算法实现分离序列综合整体框架

由于精馏分离序列与二叉树之间具有同构性，在数据结构上精馏分离序列可以抽象为二叉树．根据各种智能搜索算法的收敛性要求邻域状态空间特征不同，运用图论方法分别建立相应二叉树变换机制．在智能搜索算法中引入自适应机制和并行技术以改善其搜索效率，形成智能搜索算法实现分离序列综合整体框架．     

免疫遗传算法在变频调速泵站中的应用

针对高速线材厂冷却水循环系统中调速泵站能耗高、效率低的问题,对调速水泵的性能进行了研究,建立了基于免疫遗传算法、变频调速技术以能耗为最小目标的优化运行数学模型,对不等式约束条件进行了简化。在求解数学模型的过程中,免疫遗传算法中融入了一种新的处理约束条件的方法。避免了处理约束条件时遇到的困难和遗传算法易早熟、易收敛等缺陷,使得处理约束问题简单化,并提高了收敛速度。最后通过仿真实验验证了此算法对于解决水循环系统中多台变频调速水泵并联优化运行问题的有效性。     

一种增强型改进麻雀搜索算法的三维航迹规划

针对无人机在三维复杂环境中多约束的最优化问题,提出了一种增强型改进麻雀搜索算法用于航迹规划问题的求解。首先,利用Logistic-tent混沌序列初始化麻雀搜索算法,增强种群初始位置的随机性,提高算法全局搜索能力。然后在发现者-警戒者位置更新中加入了动态自适应调整策略,扩大算法搜索范围,提高算法的收敛速度。其次通过高斯-柯西变异策略,对麻雀个体进行位置更新,增强算法前期的全局搜索能力和后期局部发掘能力。最后选取11种测试函数和Wilcoxon秩和检验验证改进算法的有效性。仿真结果表明,增强型改进麻雀搜索算法在寻优精度、算法稳定性和收敛速度方面要优于其他对比搜索算法,并且可以在复杂的多约束环境中找到一条无碰撞的全局最优路径。在三维航迹规划中EMSSA算法相较于ISSA算法寻优精度提升了4.11%,相较于SSA算法提升了9.51%。     

一种基于信息熵的多种群遗传算法

通过模型变换建立了一种约束优化的演化设计模型．并构造出求解此模型的多种群空间收缩遗传算法．利用最优解在各种群中的存在概率将信息熵概念引入进化过程,构造出一种含有熵的多目标优化模型,利用该模型可以直接显式地给出作为拉格朗日乘子的种群最优解存在概率,从而得出多种群遗传操作的空间收缩因子,控制各种群寻优搜索时解空间的收缩．用种群的多样性避免遗传进化的早熟现象,以空间收缩尺度作为停机判据,有效地控制了算法的收敛．数值算例显示,熵的介入使随机搜索类进化算法的寻优目的性大为增强,从而提高了演化设计的计算效率。     

约束优化问题的序列近似方法收敛性

对抽象约束优化问题的序列近似方法的收敛性进行讨论,证明了在目标函数序列连续收敛和约束集合序列收敛的条件下,序列近似问题的全局最优值收敛到原问题的最优值.进一步,证明了在序列近似问题目标函数和约束集合具有某些单调性质的前提下,把目标函数序列连续收敛减弱到上图收敛,该结论仍然成立.最后,将这一结果用于分析互补约束优化问题的光滑化方法的收敛性中.