粒子群算法在求解优化问题中的应用

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.     

约束优化问题的一个最小二乘求解方法

本文叙述了一个用序列非线性最小二乘解法求解约束最优化问题的方法,该方法采用的控制参数迭代公式具有二次收敛性及数值计算上的稳定性.非线性最小二乘问题的求解采用具有超线性收敛的修正 BFGS 方法.为验正方法的有效性,文末给出了有关数值计算的结果.     

解全局优化问题的遗传算法的一些新进展

本文综述了求解全局最优化问题的遗传算法的一些新进展，提出了该方向进一步研究的问题。     

求解多目标最优化问题的一类极大熵评价函数法

构造出求解多目标最优化问题的一类极大熵评价函数法．这类方法可将多目标最优化问题转化成单目标最优化问题．通过求解所得到的单目标最优化问题，可得到多目标最优化问题的有效解或近似有效解．     

求解线性椭圆型优化控制问题的多重网格方法

针对线性椭圆型优化控制问题,基于有限差分法的离散提出了集体平滑多重网格方法和多重网格最优化方法.将这两种方法进行拓展和对比,并由数值试验说明了集体平滑多重网格方法求解椭圆型优化控制问题的速度更快且更加稳定.     

模糊专家系统中约束最优化问题求解

介绍了简化模糊推理方法,在此基础上提出了求解模糊专家系统中约束最优化问题的一般方法,通过对模糊约束最优化问题的实例研究,讨论了该方法求解不同问题的适应性。这为建造模糊专家系统提供了一个十分有用的工具。     

一类截断函数最优化问题的求解方法

研究一类截断函数的最优化问题，应用了启发式方法和ADMM方法的思想对该问题求解.此外，运用了这两种方法求解经验风险最小化问题(ERM),给出数值实验结果，表明两种方法都有效.     

解无约束优化问题的一个新的非单调信赖域算法

在传统信赖域方法的基础上,提出了求解无约束最优化问题的一个新的带非单调线搜索的信赖域算法.该算法采用非单调Wolfe线搜索技术获得迭代步长,新算法在每一迭代步只需求解一次信赖域子问题,克服了每次迭代求解信赖域子问题时计算量较大的缺点.在一定条件下,证明了算法的全局收敛性.数值实验结果表明该算法是有效的.     

基于粒子群优化算法的分散式废水处理网络的综合

基于分散式废水处理网络的超结构，建立了废水处理网络系统最优化的非线性规划模型和混合整数非线性规划模型．它们是具有非凸性的复杂非线性数学规划问题，用现有的方法进行求解不能保证得到全局最优解．因此，提出了应用新型随机型算法——粒子群优化算法求解上述复杂非线性最优化问题．算例问题的求解计算表明，提出的废水处理网络粒子群优化方法具有不要求初始可行点以及适应全局优化等优点，能够快速有效地解决废水处理网络最优化问题．     

约束问题修正BFGS方法的局部超线性收敛性

将Li—Fukushima提出的求解无约束最优化问题的修正BFGS法加以改进，应用于求解等式约束最优化问题。该方法的主要优点在于其迭代矩阵总保持对称正定。在一定的条件下，证明该方法具有局部超线性收敛性。     

求解一类不可微优化问题极大熵微粒群混合算法

针对一类不可微优化问题,本文提出了一个新的算法—极大熵微粒群混合算法.首先利用极大熵方法把带约束的不可微优化问题转换成无约束的单目标最优化问题,然后利用微粒群算法对其进行求解.利用4个测试函数对其进行测试并于其它算法进行比较,计算结果表明,本文提出算法在求解的准确性和有效性方面均优于其它算法.     

求解约束优化问题的微粒群算法

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。     

求解约束优化问题的改进微粒群算法

微粒群算法在处理约束条件时最常采用的方法是约束保持法,但该方法易使粒子在搜索中停滞不前,为了改进传统约束保持法的缺点,将微粒群算法与信赖域算法相结合,从而保持了粒子的多样性并使最优解在可行域内。另外,采用与信赖域搜索技术相结合的随机惯性权重,改善了算法的全局寻优能力,提高了算法的收敛速度和计算精度。实验结果表明：与标准微粒群算法和一些其他优化算法相比,改进算法具有较强的寻优能力和寻优效率。     

确定一组点中心的简单方法

本文所讨论的确定一组点中心问题是求平面上的一个圆环，它包含了平面上的一组给定的离散点，而使得圆环的宽度最小，这是一个非凸的不可微全局最优化问题，我们通过对其最优性条件的分析，说明此问题可由简单的穷举法来求解。     

吸引排斥机制求解全局优化问题

全局优化问题是现代优化设计方法的研究热点。本文在传统全局优化方法的基础上介绍了电磁场吸引排斥机制并将其应用在求解韦伯问题的优化问题中;然后,有效结合传统的优化方法和随机性优化方法,引出了类电磁机制算法,该算法具有收敛速度快、计算精度高的优点．可以实现整个解空间上的分布式信息搜索等特点：最后,试探性的指出类电磁吸引排斥机制目前存在的问题及其研究发展方向。     

基于PSO算法的求解热传导反问题的应用研究

给出了一类热传导反问题的数学模型,并采用粒子群优化算法对该热传导反问题进行了相变界面位置的反演求解.在标准PSO的基础上,研究了基于自适应PSO的热传导反问题的参数优化方法,并对粒子群优化算法中粒子数、粒子最大移动速度和加速系数的取值进行了讨论.仿真结果表明:在热传导反问题的优化求解中,PSO算法具有较高的精度和较好的收敛速度.     

An improved group search optimizer for mechanical design optimization problems

This paper presents an improved group search optimizer (iGSO) for solving mechanical design optimization problems. In the proposed algorithm, subpopulations and a co-operation evolutionary strategy were adopted to improve the global search capability and convergence performance. The iGSO is evaluated on two optimization problems of classical mechanical design: spring and pressure vessel. The experimental results are analyzed in comparison with those reported in the literatures. The results show that iGSO has much better convergence performance and is easier to implement in comparison with other existing evolutionary algorithms.     

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     

制动器试验台控制方法的优化模型

针对制动器实验台控制方法的优化问题进行了讨论.通过扭矩关系将电流的问题转化为角速度的关系.根据能量补偿的方法建立了制动器实验台控制方法的一个优化模型,并进行了定量分析及数值仿真,验证了能量补偿方法的有效性.     

基于改进莱维飞行的狼群算法及其在翼型气动优化设计中的应用

智能种群算法在翼型气动优化领域获得越来越多的关注。提出了一种基于改进莱维飞行的狼群算法,并对其寻优性能进行了测试和验证。为平衡算法的局部搜索和全局搜索能力,将局部搜索性能强但易早熟的狼群算法与莱维飞行相结合,在增加收敛速度的同时,保证算法的全局搜索能力。为克服原始莱维飞行效率低、精度差的缺陷,引入高斯核函数自适应调节莱维飞行的搜索步长,以增加其搜索效率;引入四元法,以增加其搜索精度;通过标准测试函数和标准翼型气动优化设计算例验证,表明改进算法在优化效率和全局寻优能力方面均优于原始算法。