改进差分进化算法及其在发酵优化中的应用

针对发酵过程的补料优化问题,提出一种改进的差分进化算法.为了克服基本差分进化算法在全局最优点附近搜索速度较慢、精度较低的缺点,引入单纯形加速算子以提高算法收敛速度,而针对算法易过早收敛的缺点引入混沌迁移算子,以提高算法种群多样度,增强算法跳出局部最优解的能力.对于有约束优化问题,利用3个准则进行选择操作,使求得的最优解满足约束条件.将改进的算法用于某一类补料分批发酵过程,提高了发酵最终产物产量,表明了该算法的有效性.     

基于宗族进行裂变选择的自适应遗传算法

提出了一种改进的自适应遗传算法,在选择算子中引入裂变选择的思想,避免种群中超级个体的出现,维持了种群的多样性。该算法改造了交叉算子和变异算子,提高了算法的收敛速度,避免早熟。同时,提出了在宗族中构造子代种群的思想,提高了算法的寻优效率。仿真函数优化的结果验证了该算法能有效地维持种群的多样性并迅速找到最优解。     

用改进的遗传算法求解作业调度问题

作业调度问题JSP(Job Shop Scheduling Problem)是典型的组合优化问题.文中用改进的遗传算法来解决作业调度问题,在遗传算法中设计了一种调整算子,并证明了算法能够收敛到全局最优解;同时提出一种新的求解JSP问题的双目标函数、双种群遗传算子.每个种群侧重一个目标,各从不同侧面深度挖掘问题的信息,用以优化问题的解,两个种群再通过混合交叉得到更好的解,较大地提高了算法的收敛速度.     

基于基因表达式编程的终端区飞机优化排序模型设计

终端区飞机排序是空中交通流量管制部门关注的热点问题,通过研究基因表达式编程在终端区飞机排序中的应用,设计了可回溯基因表达式编程的优化排序算法。该算法在染色体进化时使用改进的操作算子——最大区间约束倒置操作符,解决进化中出现的无效解和无用解问题;在种群繁衍时采用了回溯进化技术,为较优种群更好地保存,对回溯栈的操作改进为不...     

基于物种选择的遗传算法求解约束非线性规划问题

将信赖域思想和基于稳定进化策略思想相结合,提出一种基于物种选择的遗传算法.根据当前代最优点,采用稳定最优种群数目和收缩最优种群边界的方法将种群划分为最优种群和全局种群,并提出基于构造优化方向的一种新的交叉算子.研究结果表明:对这2种群按不同的策略协调进化,较好地平衡了种群的多样性和选择压力,兼顾了局部搜索和全局搜索;缺少合适的搜索方向是进化后阶段收敛速度慢的重要原因之一;本算法能有效地提高遗传算法的收敛速度,并具有比较好的鲁棒性.     

一种基于免疫变异算子的改进型量子遗传算法

基于量子遗传算法进化方向随机性大、易早熟等缺点提出了一种改进的量子遗传算法.该方法采用了自适应染色体长度和旋转角度,提高了优化效率;引入了免疫算子,淘汰繁殖率低的个体,并通过操作染色体编码实现量子变异,以增强种群中基因多样性,避免算法陷入局部最优.对若干基准测试函数进行实验,结果表明相对于标准量子遗传算法,该算法在收敛速度、精度、稳定性以及克服早熟能力方面都有了显著的提高.     

差分进化算法的改进及其应用研究

针对差分进化(DE)算法后期收敛速度变慢、收敛精度变低以及易陷入局部最优解的缺点,提出一种基于双种群自适应进化的改进差分进化算法。于算法初始化阶段同时初始化2个种群,2个种群分别采用不同的自适应变异算子、变异策略和交叉算子进行进化操作,在改进选择操作中选择2个种群的最优个体进入下一次进化过程。采用5个标准测试函数对改进算法进行测试,检验算法的改进效果。结果表明,改进DE算法比j DE算法与标准DE算法具有更好的全局收敛能力,更快的收敛速度以及更高的收敛精度。将改进DE算法与SVM算法结合应用于短期电力负荷预测,预测结果表明,改进DE算法比标准DE算法能够更好的寻找到SVM的最优参数组合。     

利用遗传算法求解装箱问题

遗传算法通过编码技术,运用繁殖、杂交和突变等遗传算子,对染色体组成的初始种群,进行适应度分析,构成优胜劣汰、适者生存的自然环境,产生出新的更加优良的种群.经过若干代的进化,最终求得适合问题的最优解.     

粗粒度并行遗传算法迁移算子的一种改进

给出粗粒度并行遗传算法对于子种群间迁移策略的一种改进,即每隔一定的进化代数,各子种群与公共池交换最佳个体和代表个体.改进后的迁移算子淡化了子种群间交换个体时的拓扑结构,提高了各子种群的多样性.对复杂非线性函数求极值的仿真结果表明,改进迁移算子后的粗粒度并行遗传算法相对于固定拓扑结构的粗粒度并行遗传算法,得到最优解的进化代数提前,并且最优解的质量有所提高.     

基于自适应搜索的人工蜂群算法

针对基本的人工蜂群算法(basic Artificial Bee Colony algorithm,ABC)收敛速度慢和容易陷于局部最优等不足,采用混沌算子和逆向学习算子相混合的初始化种群的方法,有效地改进了初始种群的多样性;在雇佣蜂和观察峰的位置更新上,提出了自适应搜索算子.改进后的算法(Improved ABC,IABC)测试了5个标准单峰或多峰函数,结果表明,IABC算法在搜索效率、最优解质量、稳定性均优于ABC算法.     

实数编码遗传算法离散重组算子分析

用组合数学分析了实数编码遗传算法的一点交叉、多点交叉和均匀交叉等三种离散重组算子的组合能力，算子的组合能力算子组合出新染色体数目的大小衡量，分析表明，对同一父染色体对交，一点交叉最多可组合出2(n-1)个新的染色体，多点交叉为2C^kn-1个，均匀交叉为2（2^n-1-1)个，函数优化实验研究表明，在算法中采用何种离散重组算子较为合适与算子的组合能力有关，也与优化问题有关。     

求解MSA问题的新型遗传算法

为了克服传统遗传算法求解MSA问题速度慢的缺点,提出了一种新型自适应遗传算法,不使用交叉算子,只使用变异和选择算子,提出了在算法初始化时引入种子的策略,用星比对算法生成一个种子,保证了解的质量,使用灾变算子来确保算法的搜索能力,该算法模拟了自然界进化的周期性,较好地解决了群体多样性和收敛深度的矛盾。     

虚拟区域法及其在流体力学中的应用

讨论了一类椭圆型算子Dirichlet问题的一种基于Lagrange乘子的虚拟区域方法;由此导出的鞍点问题用共轭梯度法迭代求解.为加速迭代收敛,构建了合适的预处理器.着重考虑了这种方法在不可压粘性流动数值模拟中的应用.通过基于算子分裂的劋laMarchukYanenko时间离散格式,将虚拟区域情形下的不可压NavierStokes方程分裂成非线性对流扩散方程、准Stokes方程和虚拟区域情形下的线性椭圆型方程三个子问题.给出了绕固定和运动圆二维流动的数值实验结果.     

具有差分进化算子的社会蜘蛛群优化算法

[目的]社会蜘蛛群优化算法 (SSO) 是一种新颖的元启发式优化算法,自从它被提出之后就受到该领域学者的广泛关注,并且也被成功应用到许多领域.但是由于社会蜘蛛群优化算法还处在算法的研究初期,该算法的收敛速度与收敛精度还需要进一步提高.[方法]将差分进化算子引入到社会蜘蛛群优化算法(SSO-DM)中,并将改进的算法应用于函数优化问题中,通过5个标准测试函数来验证基于差分进化算子的社会蜘蛛群优化算法(SSO-DM)的优化性能.[结果]差分进化算子增强了社会蜘蛛群优化算法的收敛速度与收敛精度.[结论]本研究中所提出的算法能够获得精确解,并且它也具有较快的收敛速度和较高的算法稳定性.     

Fuzzy集上基于一般蕴含算子的三I算法

由于三I算法中的蕴含算子都是特定的，选择适合某一特定问题的蕴含算子十分困难。将经典蕴含算子泛化后得到Fuzzy集上一般蕴含算子的定义，本文将三I算法推广到一般蕴含算子上，并给出了基于一般蕴含算子的三I算法通用的计算公式，分析了基于一般蕴含算子的三I算法的还原性，这为在特定问题中用其它优化算法选择合适的蕴含算子提供了可能性。     

基于改进的模拟退火算法求解0／1背包问题

提出了一种改进的具有变异和倒位算子的模拟退火算法,并将其用于求解0／1背包问题,其性能较标准模拟退火算法和贪心算法都有很大的改善．通过大量的数值实验,证明了文中改进的模拟退火算法求解背包问题的有效性和实用性．     

基于ULWGM算子和改进ULHGM算子的方案优选方法

 方案优选属于多属性决策问题。不确定语言多属性决策是一种研究与应用较多的多属性决策方法,决策的重点是对不确定语言变量的集结算法。决策过程中,需要对不确定语言变量进行对比排序。针对已有的排序方法存在误差的情况,给出了一种能够准确计算可能度的模型,该模型满足不确定语言变量的下标取值服从均匀分布的条件。在不确定语言变量的集结算法中,ULHGM算子适用性强,但它先考虑了数据自身的重要性程度,然后才考虑数据位置的重要性程度,这在一定程度上会造成评价信息的失真,影响集结结果的准确性。为此,对其集结过程进行了改进,根据赋予算子关联权重的初衷,直接对专家的原始评判数据赋予位置权重,然后赋予反映数据自身重要性程度的权重,最后再进行集结。ULHGM算子需要进行两次指数加权运算才能得出集结结果,而改进后的算子只需要进行一次指数加权运算,因此其集结算法更为简便。接下来,基于ULWGM算子和改进的ULHGM算子,建立了方案优选的模型。最后,以某舰炮维修性设计方案的评选为例,分别用IULHGM算子和ULHGM算子对专家的评价信息进行集结,得出了不同的方案排序结果,并对原因进行了分析。案例表明IULHGM集结算法更加准确、合理。     

多重调和算子△~p本征值的估计

设Ω是Rm（m≥2）中的一个有界区域,其边界足够光滑。研究任意阶调和算子△p的本征值问题,给出了算子△p本征值的一个下界估计,该下界估计仅与区域Ω的体积有关。     

基于进化规划算法的图像聚类研究

将进化规划算法应用于图像聚类问题,对问题的解进行符号编码,采用群体智能模式实现问题解的搜索.利用进化规划算法的变异算子和选择算子可以有效提高算法的全局搜索能力,采用高斯变异算子保证了优秀解的多样性,降低了进化操作的复杂性.仿真实验证明基于进化规划算法的图像聚类算法具有可行性和准确性.