基于多准则寻优策略的差分进化算法

在差分进化算法的基础上,提出一种基于多准则寻优策略的改进差分进化算法。该算法可以动态调整变异因子和交叉概率,基于文中提出的多准则寻优策略,通过个体适应度、个体间距离等评价指标判断个体的优劣程度,并且可以降低种群的高密度程度,增强种群多样性。这种判断机制可以有效避免种群过早收敛,易陷入局部最优的风险。通过具体的测试函数对算法进行测试,并与标准差分进化算法进行比较,结果显示算法寻优效果较好,可以较快地得到全局最优解。     

一种用于车间调度的基于熵的混合遗传算法

为提高车间调度算法的寻优性能，通过对模拟退火遗传算法收敛图的研究，提出了评价算法种群有序性（差异性）的种群熵，基于种群熵，提出了改进的模拟退火遗传算法，该混合算法通过种群熵动态地改变算法的交叉和变异概率，使之适应种群的变化，提高种群的多样性，有效地克服算法的过早收敛，从而达到提高算法寻优性能的目的。仿真实例表明，所提出的算法的寻优性能有了显著的提高。     

选择策略对进化算法性能的影响

在进化过程中,可能会出现过早收敛现象,这主要是因为种群中出现了超级个体,按照一定的选择策略,该个体很快会在种群中占据绝对优势,从而使算法过早的收敛于一个局部的最优解,现在解决的方法有对超级个体的适应函数进行调整,从而控制该个体的选择概率,或增加个体的变异率来增加种群的多样性。同时,选择策略对算法性能的影响起到举足轻重作用。     

粗粒度并行遗传算法收敛性分析及优化运算

提出了一种新型的粗粒度并行遗传算法(CGGA)，该算法利用多个子种群基于不同的编码方式进行进化计算．首先各子群体独立进行交叉、变异和选择遗传操作，每代进化后迁移算子被引入用来进行种群问的信息交流，迁移算子将各个子种群的最优个体替换相邻种群最差个体后继续进化．基于时齐遍历马尔可夫链理论，给出了CGGA各个子种群的概率转移矩阵与其进化概率转移矩阵，证明了以概率1全局收敛．对典型的测试函数CGGA进行了求解．仿真结果表明，本算法的收敛性能优于经典遗传算法(CGA)，可以有效解决CGA的过早收敛问题．     

基于改进遗传算法的作业车间调度问题研究

为了解决遗传算法的早熟收敛问题,提出一种改进遗传算法.通过设定种群过早收敛指标,在种群出现过早收敛时,及时的对其进行优化.仿真示例说明了该遗传算法在求解Job-Shop生产调度方面的可行性和有效性.     

一种改进的自适应遗传算法

针对传统遗传算法存在的 "早熟"以及在后期搜索效率低的问题,分析了目前常见的几种种群早熟程度的评价指标,提出了一种新的种群"早熟"程度评价指标,并据此实现了一种改进的自适应遗传法算法.仿真结果表明,该算法不仅能加快遗传算法收敛速度,而且还能增强算法的稳定性.     

基于熵的混合粒子群算法在柔性调度中的应用

为了更好地求解大规模柔性车间调度问题,提高柔性车间调度算法的寻优性能,提出一种基于熵的混合粒子群算法.该算法把粒子群算法、遗传算法和模拟退火算法相结合,同时用种群熵自适应调节惯性系数和变异概率,以增强算法的寻优能力和克服算法的过早收敛.典型实例仿真结果表明,该算法能更好地求解柔性车间调度问题,与传统的优化算法相比,在优化精度上具有明显的优越性.     

一种基于小生境技术的两阶段分布估计算法

针对分布估计进化后期种群多样性降低,算法出现局部早熟的问题,把小生境技术引入分布估计算法,提出了一种两阶段估计的分布估计算法,利用小生境概率与种群概率相结合的方法产生新个体。仿真实验表明,该算法能有效防止早熟收敛,较大的提高了算法的全局搜索效率。     

一种提高遗传算法全局收敛性的方法

通过对遗传算法过早收敛原因的分析,认为遗传算法出现过早收敛主要与问题解的分布状况、种群个体的分布情况及遗传算子的应用有关,提高算法全局收敛性能的核心就是如何使算法科学地处理种群多样性及识别个体对全局收敛性能的作用·提出几类与遗传算法全局收敛性能关系较大的个体,并结合小生境进化共享函数思想,形成一种旨在提高遗传算法全局收敛性、求解全局最优解的遗传算法,仿真结果验证了这种算法良好的全局收敛性能·     

动态参数调整的多策略差分进化算法

针对差分进化算法在处理函数优化问题时存在的收敛速度较慢和过早收敛的问题,提出了一种动态参数调整的多策略差分进化算法.先将种群随机分为3个独立的子种群,分别采用3种不同的变异策略来避免种群陷入局部最优,并通过动态参数调整机制提高算法的收敛性能.经过一定代数的进化后,将种群中的优秀个体进行择优保留.采用CEC2005的25个标准测试函数对算法进行仿真,实验结果表明,新算法能够有效避免过早收敛,具有较好的优化性能.     

网格类型对流场计算效率和收敛性的影响

针对不同非结构网格类型对流场计算效率和收敛性的影响,在相同面网格尺寸和相同体网格单元数的前提下,比较分析了四面体、六面体和多面体网格剖分方法在CFD计算中计算效率和收敛性上的差异。结果表明:当面网格尺寸相同时,六面体网格的收敛性最好,同时计算所用时间和占用内存都最少,多面体网格收敛最快,计算效率上略低于六面体网格,四面体网格的计算效率和收敛精度最低;当体网格单元数相同时,六面体网格的收敛精度最高,四面体网格的稳定性好,多面体网格在与四面体网格收敛速度基本相当的同时,收敛精度更高,且收敛过程也比较平稳。综合比较,多面体网格在应用广度上优于另外2种网格。     

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.     

航空发动机非线性数学模型的遗传算法

针对发动机非线性数学模型数值解法的收敛性问题应用了浮点数编码遗传算法，提出了将遗传算法与Broyden法相结合的方法。数值仿真结果表明，单独使用遗传算法时运算效率不高，而将遗传算法与Broyden法结合使用可有效的克服各自的不足，使得模型在保持原有运算效率的情形下扩大了收敛范围。     

连续体结构拓扑优化的过滤变密度法

为了解决经典变密度法存在的灰度单元收敛过慢以及优化结果灰度单元过多问题,引入带灰度过滤函数的变密度法模型.根据过滤函数的性质,给出了2个带可调参数的过滤函数模型.通过经典MBB梁优化算例,比较过滤函数对灰度问题的改善效果,分析了参数对优化目标的影响并给出了合理的参数选择模式.计算结果表明了此方法的合理性和有效性.带灰度过滤函数的变密度法一方面使得优化结果具有较好的0—1清晰性;另一方面,过滤函数加快了灰度单元的收敛速度,从而减少了优化收敛所需的迭代次数.     

求解非线性方程的五阶收敛迭代法

导出了一种求解非线性方程的五阶迭代法,讨论了该迭代法的收敛性和误差估计式,并通过数值实验进行了验证,表明此方法具有较高的收敛阶数和效率指数.     

牛顿迭代与预测式迭代的算法复杂性

从算法复杂性出发，采用Ｏｓｔｒｏｗｓｋｉ给出过程有效性指标的概念，讨论了具有二阶收敛速度的牛顿迭代法和具有三阶收敛速度的预测式迭代法的有效性问题，给出牛顿迭代法的有效性指标为２１／３，预测式迭代法的有效性指标为３１／５，由此得到牛顿迭代法比预测式迭代法具有更高的有效性。     

基于克服过早收敛的自适应并行遗传算法

为了克服遗传算法中存在的主要问题即过早收敛（过早收敛使得一些优秀个体或基因过早地被排除掉,从而导致搜索范围缩小及局部最优,影响了进一步搜索）,从控制参数的改进着手,提出了多种群并行进化及自适应调整控制参数相结合的思想。克服了以往定常参数单种群进化的不足,综合了不同特性种群进化的长处,使得过早收敛问题得以缓解,同时又提高了搜索的范围和效率。     

粒子群优化算法收敛性分析

对粒子群优化算法的收敛性进行了分析，给出了收敛条件，数值试验计算验证了收敛性分析结果。讨论了粒子群优化算法参数选取的基本原则。     

基于幅相扰动的改进Memetic算法的波束成型算法

为了提高天线波束成型算法的收敛性能,基于改进的Memetic算法对幅相扰动最优权值的搜索,提出了一种新的上行MIMO-SDMA智能天线系统的波束成型算法。仿真结果表明,该算法具有很好的收敛性能和较高的效率,基于该算法的智能天线系统不仅能够对干扰方向进行自适应控零而且还能同时使最大增益主瓣与期望信号的方向一致,使系统的信噪比得到提高,很好地实现上行MIMO-SDMA。     

一种改进遗传算法

针对遗传算法(Genetic Algorithm,GA)存在的未成熟收敛现象,本文提出一种改进的遗传算法(IGA),该算法采用双变异算子,即正交变异和多位点变异两种变异算子联合作用,提高了算法的全局寻优能力。仿真实验表明,对遗传算法的改进是有效的,改进后的算法与标准遗传算法相比具有更高的全局收敛性,并在一定程度上克服了未成熟收敛。