求解最短路径问题的一种改进的人工蜂群算法

针对传统算法在计算大规模路网的优化问题时所表现出来的计算时间长、存储空间大等缺点,提出了一种改进的人工蜂群算法来求解最优路径选择的方法．试验结果表明,对于有向图和无向图,该算法都具有较好的全局寻优能力,即能获得满足条件的最优路径．     

一类大规模系统的全局优化

讨论了可分非凸大规模系统的全局优化控制问题,提出一种三级递阶优化算法。该算法首先把原问题转化为可分的多目标优化问题,然后凸化非劣前沿,再从非劣解集中挑出原问题的全局最优解。建立了该算法的理论基础,证明了算法的收敛性。仿真结果表明该算法是有效的。     

基于人类进化算法的背包问题求解方法

背包问题是计算机算法中的一个NP完备类困难问题,使用传统的优化方法在求解较大规模的背包问题时,都存在计算量大、迭代时间长的缺陷．人类进化算法是模拟人类进化机理而建立的一种智能优化算法,本文阐述了人类进化算法的基本原理和实现方法．为提高背包问题的求解速度和精度,将人类进化算法应用于背包问题的求解,演示了算法的工作过程．试验结果表明,使用该方法求解背包问题是完全可行的和有效的,与众多优化算法相比,人类进化算法具有更高的求解效率．     

一种改进的量子遗传算法

针对量子遗传算法存在储存量大和易陷入局部最优解等问题,提出一种新的量子遗传算法。该算法采用角度编码方式表示染色体从而减少编码的存储空间;引入小区间方法初始化量子种群, 使量子染色体均匀分布于初值空间;利用改进的旋转门对种群进行更新操作;采用动态的量子步长调整策略实现自适应搜索;引入量子交叉和量子变异操作防止早熟问题。通过典型的多峰值函数优化实验表明该算法具有收敛速度快、全局寻优能力强和计算时间短的特点,可以用于多峰值函数优化问题。     

融合多种策略的改进粒子群算法及其在电子商务多级物流中的应用研究

为了提高粒子群优化算法(PSO)求解复杂优化问题的能力,本文对基于细菌趋化的粒子群优化算法(PSOBC)进行改进。PSOBC算法是PSO算法的一种新思路,可以有效地克服其易陷入局部最优、后期粒子多样性差的缺点,故将一般反向学习策略和自适应惯性权重与PSOBC算法相结合,得到一种改进的粒子群优化算法。改进的粒子群优化算法的开发能力和勘探能力都得到了很大的提高;在求解复杂性优化问题时种群能够在搜索范围内快速收敛到局部最优处,并且当种群密度足够小时,及时增大种群密度即进行去全局寻优。最后将改进后算法应用到电子商务多级物流中心选址及路径规划问题上。     

一类求解极小极大问题的算法

无约束非线性极小极大问题是最优化数值计算领域中十分活跃的研究课题之一,因此,对于无约束非线性极小极大问题,如何设计快速有效的算法一直都是优化工作者十分关心的问题.文中介绍了无约束非线性极小极大问题算法的研究意义及应用领域,分析了现有极小极大问题算法的研究现状,针对极大值函数的特性,给出了极大值函数的次梯度与ε次梯度之间及极大值函数的次梯度的凸锥与次梯度之间的一种包含关系,得到了计算极大值函数的ε次梯度的数值方法,从而构造出了一种求解极小极大问题的ε-算法,并且证明了算法的收敛性,初步的数值例子表明算法是有效的,且具有大范围收敛的特点.     

原油蒸馏过程中的数据协调与操作优化

原油蒸馏过程是一个复杂的连续工业过程,其操作优化将为企业带来可观的经济效益,解决该问题的难点主要在于过程数据协调,过程建模及优化算法。针对某炼油化工有限公司原油蒸馏过程,进行了基于物料平衡的过程数据协调计算,建立了以过程严格机理模型为约束的轻油收率优化模型,并提出应用遗传算法求解上述高维非线性工程优化问题,取得了满意的结果。     

求解广义分配问题的拉格朗日蝙蝠算法

基于广义分配问题(GAP)自身的特点,将拉格朗日松弛算法(LR)和蝙蝠算法(BA)相结合,提出了一种高效的拉格朗日蝙蝠算法(LR-DBA)。首先,基于GAP的数学模型,在BA算法的基本框架上,重新定义了蝙蝠速度、位置以及局部更新公式,得出全新的求解GAP的离散蝙蝠算法(DBA)。其次,将其与LR相结合,设计出求解GAP的LR-DBA算法。最后,经过大量算例测试表明,对比DBA算法,LR-DBA混合算法在求解GAP时具有明显优势。     

复杂系统可靠性优化的混合万有引力搜索算法求解

复杂系统可靠性优化问题是一类有约束限制且目标函数具有多个局部极值的非线性优化问题.为求解该类问题,提出了一种混合万有引力搜索算法的求解方法.算法利用基于万有引力定律的寻优机制指导群体进行全局搜索,并采用序列二次规划算法进行局部搜索,避免基本万有引力搜索算法陷入局部最优,改善优化性能,加快寻优速度.通过实例计算,并与蚁群优化算法、微粒群算法、蜂群算法和基本万有引力搜索算法等进行比较,验证了算法的可行性和有效性.     

改进蚁群算法及在电力线路优化问题中的应用

电力线路优化在整个电力规划方案中占有很大比重.为节约投资,采用改进蚁群算法对电力线路优化问题进行求解,得到电力规划的最短路径.在改进算法中提出将启发因子α随着进化代数的增加而逐渐增至某一常值的方式,提高了算法的收敛速度.首先通过旅行商问题验证了该算法的有效性,然后应用到具体的电力线路优化问题中证实了该算法是优于基本蚁群算法的.     

改进蚁群算法及在电力线路优化问题中的应用

电力线路优化在整个电力规划方案中占有很大比重。为节约投资,采用改进蚁群算法对电力线路优化问题进行求解,得到电力规划的最短路径。在改进算法中提出将启发因子 随着进化代数的增加而逐渐增至某一常值的方式,提高了算法的收敛速度。首先通过旅行商问题验证了该算法的有效性,然后应用到具体的电力线路优化问题中证实了该算法是优于基本蚁群算法的。     

用改进的遗传算法实现网络计划优化

遗传算法的网络计划优化属于离散的非单调、欺骗性问题，较难得到全局最优解．而采用改进的遗传算法，并运用数据库，通过对大量实际运算结果的统计分析表明：改进后遗传算法，能显著提高全局最优解的成功率．研究中发现，该类问题适应度的动态缩放技术具有最好的效果，并就该类问题提出了合适的参数取值．     

学习贝叶斯网络结构的混合粒子群算法

 针对直接使用粒子群算法进行结构学习效率较低的缺陷,基于无约束优化,提出一种贝叶斯网络结构学习的混合粒子群算法。该算法首先构造并求解一无约束优化问题,其最优解对应的无向图中的边可为结构学习提供一搜索范围,缩小粒子群算法的搜索空间,然后在缩小的空间中完成对贝叶斯网络的结构学习,从而提高了粒子群算法的学习效率。仿真试验结果表明,该混合粒子群算法可以快速、准确地学习到最优贝叶斯网络结构。     

基于分布式神经动力学算法的微电网多目标优化

针对微电网多目标优化计算量较大的问题,提出了一种考虑需求响应的微电网分布式神经动力学优化算法.首先,考虑平均效率函数、微电网的排放、需求响应引起的不满意度以及总利润函数等因素建立多目标优化模型.其次,应用单目标积公式将多目标优化问题转换为单目标优化问题,并证明了最优解是原始多目标问题的帕累托最优点.再次,使用对数障碍物惩罚因子处理不等式约束,利用Lasalle的不变性原理和Lyapunov函数证明所提出的算法可以收敛到最优解.最后,通过仿真验证了本文算法可以在保证优化精度与收敛性条件下,大大降低计算成本.     

悬臂压杆大变形的优化算法

提出一种解决几何非线性问题的优化算法,研究了悬臂压杆的几何非线性大变形问题.取悬臂压杆大变形后的平衡状态为研究对象,利用整体坐标系下的坐标关系式表示出自由端端点坐标,构建端点未知坐标的目标函数,确定悬臂压杆大变形的最优化问题,编制优化程序进行求解.通过分析典型算例,并同有限元方法计算结果相比较,表明本文算法在求解强非线性变形中的正确性,为处理复杂几何非线性大变形问题提供了有效的思想.     

MPLS网络中支持Diffserv流量工程的抢占算法

通过对MPLS网络中支持Diffserv流量工程的抢占策略的分析,基于抢占策略包括LSP的数目、LSP的优先级和抢占带宽三个主要抢占准则的思想,提出了一种优化的启发式算法。该算法基于回溯法的原理求解NP完全问题。仿真结果表明,与其它算法相比,该算法表现出更高的求解准确度,求解时间复杂度相当,适合实际的大规模网络的应用。此外,本文也考虑了在抢占策略下的路由方法。     

高压配电变电站的优化规划

旨在提出一种工程上实用的求解高压配电变电站优化规划问题的方法．该方法将高压配电变电站优化规划问题分为平面定位和组合优化两个子问题．交替定位-分配（ALA）法已被广泛用于求解平面定位问题，但其所得解往往依赖于初始位置的选择，针对此情况做出了改进，明显地提高了解的质量，针对组合优化子问题的非凸非凹性，采用分支定界法，以求得或接近全局最优解．同时，为提高分支定界法的效率，利用启发式规则剪去产生最优解可能性很小的分支．算例表明，该方法可以求得工程上的满意解，并且计算速度快，是求解高压配电变电站优化规划问题的有效方法。     

基于改进粒子群优化算法的结构元形态综合

结构元形态综合是与功能元形态综合类似的多最值组合优化问题,在软件中间件和控制算法功能块设计方面有重要的用途.为了解决问题规模较大时经典算法效率不高的问题,提出了一种改进粒子群优化算法.先采用了自然数循环编码技术对粒子位置和速度进行描述,然后在自然数循环编码技术的基础上采用贪婪策略把组合优化问题转化为单峰函数的优化问题.在搜索技术上,采用了分段惯性权重技术和保收敛算法改进算法的寻优能力,最后采用每轮记录多个全局最好值的方法获得多最值.给出了一个组合方案数为378 000的算例对所提算法的有效性进行了验证.算例表明,从多最值求解的角度来说,所提出的改进粒子优化算法要比生境技术简单,从寻优能力的角度来说,所提算法要优于基本的粒子群算法.     

基于混合模拟退火算法的内窥镜布局优化设计

工程中存在着大量的布局设计问题,很多都是NPC问题,很难求解。提出了以启发式方法和模拟退火算法相结合的混合算法,可用于带性能约束的布局优化设计问题。在实例中将胶囊式内窥镜空间布局问题转化为轴向截面和横截面两个平面问题分别求解,对于轴向截面的离散变量问题,首先采用启发式方法进行元件层初始序列的排布,再采用模拟退火算法进行布局优化;在横截面上对连续变量则直接进行优化。优化结果经验算合理有效,该算法也可供旋转舱等工程布局优化问题借鉴。     

动态自适应蚁群算法在二次分配问题中的应用

采用一种新算法--动态自适应蚁群算法解决二次 分配问题, 并引入3-opt方法对问题求解进行局部优化, 通过对二次分配问题的不同实例进 行实验, 结果表明, 该算法在求解二次分配问题上具有较好的能力, 可以很好地解决较大规 模的二次分配问题, 而以往的算法只适合于处理较小规模的二次分配问题.