一种求解带等式约束非线性规划问题全局最优解的方法

本文把罚函数法和一种求解无约束非线性规划问题的辅助函数法相结合,首先写出非线性规划问题的罚函数,从而把原问题转化成为一个无约束的非线性规划问题,然后再运用辅助函数法（GOM）来求解罚函数的全局最优解,从而求到原带等式约束的非线性规划问题的全局最优解．     

一种求解带等式约束非线性规划问题全局最优解的方法

本文把罚函数法和一种求解无约束非线性规划问题的辅助函数法相结合,首先写出非线性规划问题的罚函数,从而把原问题转化成为一个无约束的非线性规划问题,然后再运用辅助函数法(GOM)来求解罚函数的全局最优解,从而求到原带等式约束的非线性规划问题的全局最优解.     

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．     

基于自适应惩罚函数法的混合遗传算法

引入了自适应的惩罚因子，将约束问题转化为无约束问题．通过遗传算法求得无约束问题的可行解，再将此解作为约束变尺度法的初始可行点，由约束变尺度法得到精度较高的解．数值实验表明该混合算法比单纯使用遗传算法效率高，而且在多数情况下能得到全局最优解。     

双层线性规划的一种全局优化方法

根据双层线性规划全局最优解可在约束域极点上达到的性质和线性规划对偶理念,引进上层目标函数对应的一种割平面约束,对双层线性规划的约束域不断进行切割,求得问题更好的可行解,提出了一种利用单纯形法寻找双层线性规划全局最优解的方法。算例说明了算法的求解过程,并验证了算法的有效性。     

求解非线性方程组的一种新方法及应用

针对非线性方程组求解问题提出一种变异量子粒子群算法,该算法首先把非线性方程组的求解转化为约束优化问题,然后根据可行性规则,引入约束违反度函数,结合变异算子,不断地寻找更优可行解,逐渐达到搜索全局最优解。数值实验表明,所设计变异量子粒子群算法是可行的、有效的,是求解非线性组的一种成功算法。     

非线性约束规划快速收敛的共轭投影变尺度法

本文讨论非线性等式约束规划问题，给出了问题的一种共轭投影变尺度算法．方法利用变尺度法，梯度投影法及共轭方向法相结合的思想直接给出主搜索方向和辅助方向显式表达式，以罚函数为效益函数，不需解任何二次子规划．在较温和的假设下，算法具有全局收敛性和超线性收敛性．     

一种求解非线性规划问题的混合粒子群优化算法

粒子群优化算法(PSO)与其他演化算法相似,也是基于群体的·每一个粒子被随机初始化以表示一个可能的解,并在解空间追随最优的粒子进行搜索·提出一种基于改进的混合粒子群优化算法求解非线性约束规划方法·在介绍PSO算法基本原理的基础上,设计了约束适应度优先排序处理约束条件的方法,并通过动态邻域算子和可变惯性权重进行联合演化以求得全局最优解·对非线性规划例子的实例计算表明,该算法稳定性好,简单容易实现而又功能强大,易于掌握,对于多维非线性、复杂问题的求解具有普遍适用性·     

一类多乘积规划问题的对偶界方法

针对一类目标函数和约束函数都是多乘积的规划问题给出一种求其全局最优解的分支定界算法.该算法利用Lagrange对偶理论将其中关键的定界问题转化为一系列易于求解的线性规划,并且这些线性规划的规模固定不变,从而更容易应用到实际问题中.理论分析和数值算例表明提出的算法可行有效.     

单管感应电能传输系统参数全局优化

针对单管感应电能传输系统参数优化中存在的设计参数约束少、参数非全局最优等问题,提出一种参数全局优化算法。将系统效率最高作为目标函数,以原副边电感、电容等关键器件的电压、电流大小为约束条件,将工作频率、原副边电感、电容作为优化变量,建立系统的非线性规划数学模型,采用智能优化算法进行模型解算。为避免算法收敛于局部最优,设计了"遗传算法+模式搜索"的混合算法,即在遗传算法求得最优解的基础上,采用模式搜索进行深度优化。仿真和实验结果表明,提出的方法能从全局角度对系统进行整体优化,单次优化得到所有最优参数,减少了工作量;求解时的混合优化算法具有较优的全局搜索能力,可用于其他约束优化问题。     

具有遗传特性的粒子群优化算法及在非线性盲分离中的应用

粒子群优化算法是一种新的基于群智能的随机优化进化算法.文章将变异和交叉思想引入到粒子群优化算法中,其基本思想是利用粒子群优化算法每次迭代的最优粒子位置及速度为基础对部分粒子进行变异,然后对变异前后粒子的分量进行随机交叉操作,从而产生新一代粒子群.通过这种处理使得粒子群体的进化速度加快,从而提高了算法的收敛速度和精度.该算法应用于盲信号分离中而获得一种非线性盲信号分离算法.计算机仿真结果表明该算法的收敛性能优于粒子群优化算法,并且在非线性盲信号分离中是有效的.     

改进DNA遗传算法求解非线性多约束规划研究

基于生物DNA信息遗传机理及生物进化规则，给出一种基于DNA编码方法的改进遗传算法，以求解非线性多约束规划问题，原始的选择算子和交叉算子分别被改造为动态选择算子和基因传递算子；算法中还加入了一个新的算子——淘汰算子，分析及算法仿真结果表明，本算法可有效求解该问题。     

一种求解TSP的高效遗传算法

根据TSP适应度地貌特征,通过将传统的反转变异算子(Simple Inversion Operator,SIM)与插入变异算子(Insertion Operator,IM)进行组合,设计出了一种可变邻域搜索的复合变异算子(Greed Invert-Insertion Operator,GIIM)。在此基础上,结合常规的部分匹配交叉(PartiallyMatched Crossover,PMX)与带有精英策略的退火选择,构造出了一种求解TSP的高效遗传算法(SEGA)。仿真测试表明,提出的算法不但具有很强的全局搜索能力,且收敛速度快;其测试结果与最新文献和国际标准测试库TSPLIB中的最优路径相比,或相同或更优。     

一种求解非线性约束优化问题的新方法

针对标准遗传算法的缺陷,提出一种基于实数编码技术的新型自适应混沌遗传算法,求解复杂非线性约束优化问题.算法根据实数编码的特点,依据概率分布函数构造杂交算子,结合混沌动力学特性和人工神经网络理论,设计了一种自适应混沌变异算子,使算法有效维持群体多样性,防止和克服进化中的“早熟”现象,同时采用不需要惩罚因子的直接比较惩罚函数方法,对约束条件加以处理.通过算例数值实验,验证了算法在提高解的精度和加快收敛速度方面都有明显改善.     

改进免疫遗传算法用于图像阈值分割

在图像阈值分割中,基于遗传算法的分割方法存在着运行速度慢、易形成未成熟收敛等缺点.针对这一问题对其进行了改进.改进的免疫遗传算法在免疫算子中引入疫苗接种机制,极大地提高了收敛效率,对交叉概率和变异概率进行了改进,避免了局部收敛,以保证改进算法能收敛到全局最优值.实验结果表明,改进的免疫遗传算法比传统的算法提高了运行效率,解决了全局搜索不收敛和局部搜索不到最小值的问题,并具有更好的收敛稳定性.     

变容差遗传算法求解多约束问题的研究

提出一种基于实数编码的变容差遗传算法,该算法是将自适应遗传算法的随机性与可变容差算法的确定性相结合,利用可变容差算法的准行域搜索准则,对具有非线性、多峰、多约束的问题寻优.运用该混合算法对有边界限制的6个峰值、4个性能约束的复杂函数最大值多次寻优,并与罚函数处理约束条件后的结果相比较,表明该算法依据容差准则具有较高的可靠性,尤其对于隐性约束,在一定精度范围内能够提高收敛精度,减少计算量,提高优化效率.     

遗传算法在电力系统经济负荷分配中的应用

针对电力系统经济负荷分配问题的特点,应用极大熵理论将经济负荷分配问题转化为可微问题·在分析了遗传算法与传统数学优化方法的不同优势与特性的基础上,将遗传算法与传统数学优化方法相结合引入局部搜索算子实现快速搜索,提出了一种求解电力系统经济负荷分配问题的改进遗传算法·同时,应用多点均匀交叉算子提高遗传算法的全局收敛性能,将种群逐步向最优点进行引导·实例研究结果验证了方法的有效性·     

基于改进自适应遗传算法的层合板铺层顺序优化方法

针对复合材料层合板的铺层顺序优化,设计随适应度自适应变化的变异算子和交叉算子,提出了一种改进的自适应遗传算法。通过铺层顺序优化算例证明:与标准遗传算法相比,改进的自适应遗传算法在组合优化方面具有更好的稳定性、收敛性和运行效率。针对不同的设计变量个数,变异算子和交叉算子应选取不同的参数;当设计变量较多时,自适应遗传算法选取P_(c1)=0.9,P_(c2)=0.6,P_(m1)=0.19,P_(m2)=0.01具有更优的收敛效率。     

利用优化的遗传算法解决饲料配方设计问题

 利用改进和优化传统遗传算法的选择策略、搜索空间,自适应调整交叉率和变异率提高了计算效率,并在遗传进化过程中用优秀个体群来逐步缩小搜索空间,提出了求解饲料配方设计问题的一种改进方法(GA+).应用该方法对3个经典非线性测试函数进行了仿真,在收敛速度和全局优化方面好于现有的遗传算法.结果表明,GA+较好地保持了种群的多样性,精度高、收敛速度快,对求解饲料配方设计问题非常有效.