基因算法在求解非光滑优化问题中的应用 (三峡地区资源环境生态研究)

本文考虑了基因算法在求解非光滑优化问题中的应用。非光滑优化方法致力于求解目标函数为连续不可微函数的数学规划问题。因为目标函数的不可微性,传统的以梯度为基础的确定性算法在求解非光滑问题时会遇到障碍,所以运用不需要梯度信息而只需要目标函数值信息的遗传算法来求解非光滑问题是一个不错的选择。遗传算法是基于自然界生物遗传变异过程而设计的一种优化算法,它首先对问题的可行解进行编码,编码方法有0-1编码,格雷编码和实数编码,然后运用交叉算子,变异算子和选择算子产生下一代种群。当种群迭代达到一定的次数后,种群中的最优染色体就会收敛到原问题的最优解。本文设计的基因算法基于实数编码,算子分别采用算术交叉算子,非一致变异算子,最佳选择算子。     

多流股换热器网络综合问题的优化算法设计

多流股换热器网络综合问题是一个混合整数非线性规划问题（MINLP），这类问题规模大、约束条件多，严重的非凸非线性使得目标函数存在多个局部最优解．传统的基于梯度的优化算法在求解时极易陷于局部最优．有鉴于此，本研究采用遗传算法解决此类问题，通过对遗传算法进行改进，针对简单遗传算法存在的早熟和运行参数难以确定的问题，设计了多样性保持算子和多种群进化的算法结构；计算时运行参数自适应确定，并把模拟退火算法思想引入遗传算法子代的生成中去．实例证明，采用所构造的算法可有效求解MINLP问题，并有利于寻求到全局最优解．     

嵌入共轭梯度算子的遗传算法

分析病态线性方程组的机理,将原线性方程组的求解问题转化为一个等价变分问题的极少值点寻优问题。在遗传算法产生的子代群体的个体以固定的概率采用共轭梯度法产生新子群,即采用共轭梯度法在局部进行搜索。将共轭梯度法局部搜索能力与遗传算法全局搜索能力有机结合,从而实现了混合算法的优化。算例结果表明,该算法对于病态方程组的求解效果明显优于一般的遗传算法和共轭梯度法。     

遗传算法工具箱在弧底梯形明渠正常水深计算中的应用

弧底梯形渠道断面的水力计算中,正常水深的求解无显函数形武的表达公式.为避免传统低效的经验试算法、图解法等,通过对弧形底梯形明渠正常水深计算的基本方程进行数学变换,将其正常水深计算问题可归结为一非线性优化问题,再运用MATLAB遗传算法工具箱求解.结果表明,MATLAB遗传算法工具箱具有计算精度高、求解速度快、程序通用性强、直观、方便等优点.     

遗传算法在信息论中的应用

信息论是近几十发展起来的一门新兴学科,他有许多问题尚待解决,任意离散无记忆信道的信道容量的计算问题就是一个较难的问题.遗传算法是一种非数值优化算法,其计算复杂度与问题规模无关,我们成功地将遗传算法应用到信道容量的求解上,后面的数值实验验证其高效性.     

基于遗传算法的凸多面体间碰撞检测算法研究

将两凸物体间碰撞检测问题归结为一个带约束条件的非线性规划问题．对该问题进行适当的处理后．利用遗传算法对该问题进行求解．实例表明，遗传算法对该问题的求解比用传统的方法求解具有更高的计算效率和更快的计算速度．     

应用遗传算法求解计算机通信网的最佳路由─—一种新的遍历匹配选择法

求解计算机通信网的时延和路由选择是一个多约束条件的非线性优化问题，采用遗传算法求解是目前比较有效的方法。本文以遗传算法的基本思想为基础，提出了一种新的遍历匹配选择法，通过实例计算，采用这一选择方式的遗传算法能快速求出问题的全局近似最优解，且具有较高的计算精度。     

基于遗传算法和粒子群优化算法的电力系统无功优化

从数学的角度分析,电力系统无功优化是一个多变量、多约束、非连续性的混合非线性规划问题,因此,优化过程十分复杂.以减少有功网损为目标函数建立电力系统无功优化计算的数学模型,基于遗传算法和粒子群优化算法,提出一种新颖的混合策略来求解无功优化问题.IEEE 6和IEEE 14节点系统的仿真计算结果表明:与单一的遗传算法或粒子群优化算法相比,该混合策略在优化效果方面具有明显的优势.     

一种混合遗传算法及其应用

给出一种结合梯度法和正交遗传算法的混合算法。实验表明,它通过对问题的解空间交替进行全局和局部搜索,能更有效地求解函数优化问题。     

基于遗传算法的网络优化技术在设备维修中的应用

遗传算法用于维修网络优化,是求解网络优化问题的一个新思路,实例证明,遗传算法用于机床维修网络优化,其计算结果比模糊网络规化得出的最优解更精确。     

混合谱梯度方法及其在医学图像弹性配准中的应用

 大规模优化问题一直是理论研究领域的研究重点,求解无约束最优化问题的混合谱梯度方法将多元谱梯度方法和谱梯度方法有效地 结合在一起,综合了二者的优势,引入非单调线搜索后,形成了全局收敛的混合谱梯度算法,并用于医学图像弹性配准B样条参数 模型的求解。医学图像弹性配准是医学图像处理研究的热点和难点,其中的参数模型往往转化为无约束优化问题的求解,当参数数 目较大时传统的方法求解费时,而混合谱梯度算法较多地利用梯度信息,避免了梯度计算的浪费,与层次B样条结合可以极大地提 高参数配准的优化速度和精度,算法中的非单调线搜索还有助于避免局部最优。     

遗传算法在非经性地下水经济管理模型中的应用

通常采用基于梯度的数学规划方法求解地下水管理模型,如线性规划和非线性规划。但对于高度非线性、非凸的优化问题,尤其是涉及到经济或环境的地下水管理模型,传统方法难以有效地寻找全局最优解。本文介绍了一种求解非线性地下水资源管理模型的遗传算法,并以山东羊庄盆地分布参数地下水系统非线性管理模型为例,给出了用遗传算法在求解这类问题的一般步骤。结果表明该方法能快速有效地找到全局最优解。     

遗传算法在工程爆破参数优化中的应用

工程爆破中的参数优化问题是个复杂的非线性规划问题。以矿山爆破参数优化数学模型为例，采用遗传算法实现了爆破参数的优化。结果证实了利用遗传算法进行爆破参数优化的可行性与高效性，为求解该问题提供了一个有效的新途径。     

修正的HS谱共轭梯度方法

本文研究了无约束全局优化问题的求解问题,结合谱梯度算法的优点给出了一类求解该问题的HS谱共轭梯度算法。在这类算法中我们利用非精确的线搜索,得到了一些算例,并给出了计算结果和典型算法的一些比较。     

离散变量模糊优化的组合形遗传算法及应用

为解决离散变量结构优化客观追求的应该是"满意解"的问题,提出离散变量模糊优化的模型,构造了离散变量模糊优化的对称解法.把离散组合形算法作为组合形操作算子融合到遗传算法中,构造一种离散变量结构优化算法-组合形遗传算法.在建立的对称模糊优化模型中,利用交模糊判决,将模糊优化问题转化成非模糊优化问题来求解,然后运用组合形遗传算法进行非模糊优化问题的求解.最后通过算例证明该方法具有良好的效果,为工程结构优化设计提供具有参考价值的理论依据.     

带有梯度信息的遗传算法在求解非线性方程组中的应用

提出一种改进的求解非线性方程组的遗传算法.将梯度信息引入遗传算法,通过改变高斯变异参数不断调整搜索范围,逐渐搜索到包含最优解的区域,利用梯度信息提高解的精度.数值模拟结果表明,改进后的算法具有较强的局部搜索能力和全局优化能力,能够提高求解的精度与速度.     

遗传算法的改进与应用

遗传算法不依赖于具体问题,作为优化方法用于决策支持系统有其明显优势．通常的遗传算法是一种求解非线性无约束优化问题的迭代自适应启发式概率性搜索算法,对于约束优化问题一般采用罚函数法将其化为无约束情形后再运用遗传算法求解．文中提出的基于浮点编码的改进算法,通过构造交叉与变异操作,可用来求解一类约束非线性优化问题．该方法已用于一个决策支持系统,取得了较好的效果     

区间方法在不确定非线性结构静态响应分析中的应用

采用区间分析方法针对目前还少有人研究的具有材料非线性的不确定结构系统进行分析计算,并针对计算结果易于扩张这一区间计算的主要缺陷,采用把区间函数计算和区间方程组的求解转化为以非确定参数为优化变量,以结构静态响应解为目标函数的全局最优化问题,进而得到静态解的区间边界值.计算中采用实数编码遗传算法求解全局优化问题.     

求解加权最小包容球问题的两种算法

研究在高维空间中的加权最小包容球问题,该问题是非光滑的凸优化问题.提出光滑逼近和非精确牛顿共轭梯度算法求解该问题,并证明其收敛性.此外,给出数值实验,比较这2种算法和经典牛顿共轭梯度算法的计算效率,其中非精确牛顿共轭梯度算法的计算效率更高.     

一个求解不可微非凸约束规划问题的算法

本文提出一个求解不可微非凸带约束规划问题的可实现算法,并证明其收敛性。这个方法为可行方向法,和非光滑优化中的绝大多数求解约束规划问题的算法不同,它在第 k 次迭代确定搜索方向时仅需利用至多 n+2个过去的 Clarke 广义梯度元的信息,这里 n 为问题中变量的维数,从而保证了算法关于广义梯度元存贮量的有限性,避免了诸如其他许多算法迭代到若干步后每次迭代具有非常大的计算复杂性的可能。