基于改进模拟退火算法求解TSP问题

对传统模拟退火算法的原理和不足进行分析,针对TSP问题的特点提出了改进的模拟退火算法.就传统模拟退火算法生成新解的随机性太强、参数设置不当不能搜索到全局最优解、容易丢失当前最优解等问题提出了新的初始解选择方案、新解生成机制和当前解的改良及增加记忆功能等方法.实验结果表明,新算法传统的模拟退火算法具有更快的收敛速度和更高的稳定性.     

含分布式电源配电网重构的改进混合型粒子群算法

建立了含分布式电源的配电网重构问题数学模型,重点研究了求解该问题的混合型粒子群算法.针对该算法稳定性差以及收敛速度慢等缺点,提出了改进算法的3个解环启发式原则.并利用一个实际算例对算法的改进效果做了检验.结果表明:针对该问题,改进后的混合型粒子群算法的稳定性和计算效率均有明显提高.     

一种基于能量有效性的反应式路由算法的研究

针对提高无线传感器网络的稳定性及其生存时间的问题,结合TEEN和DEEC方法,通过设置相关参数,提出了一种新的路由算法即改进的能量有效性算法EEER,并进行了仿真实验.结果表明,EEER算法可以延长网络的生存周期并提高网络的稳定性.     

隐式动力子结构试验的稳定性分析

探讨了当试验子结构是动力系统时等效力控制方法的仿真方法,提出了一种结合数值仿真确定算法放大矩阵的方法,运用谱半径法研究了等效力控制方法的算法稳定性.研究表明,随质量比、频率比的增大,算法的稳定界限减小;随阻尼比的比值、控制器增益Kp的增大,稳定界限先增后减.与显式方法相比,等效力控制方法的稳定性较好.     

基于时空信息的无迹变换滤波算法

提出了一种利用UKF算法实现对机动目标进行无源定位与跟踪的滤波方法.仿真结果表明,与扩展卡尔曼滤波器相比,UKF算法的滤波精度和稳定性都有了明显提高.该算法能更好地解决测量模型非线性问题条件下的单站无源定位跟踪问题.     

结构拓扑优化中水平集方法的快速初始化研究

水平集方法是求解结构拓扑优化问题中的一种有效方法,该方法主要缺陷是每隔一定时间需要重新初始化水平集函数.因此,本文提出了一种基于偏微分方程和快速步进法的初始化算法.所提出的算法能够区分任意形状的闭合曲线或曲面的内外部,改进了以往初始化算法的数值不稳定缺陷,从而使水平集方法的计算效率和稳定性有了显著的提高.最后,通过算例验证了该算法的有效性.     

模拟退火算法在钢桁架优化设计中的应用

将模拟退火算法应用于桁架结构离散变量优化问题,提出新的用于离散变量的退火邻域结构,进行了三杆和十杆桁架结构模拟退火算法优化计算,并与遗传算法和传统优化设计方法的优化结果进行了比较.结果表明模拟退火算法对桁架结构离散变量的优化问题更加有效,且新的邻域结构加快了算法的收敛速度,提高了算法的稳定性和有效性.     

基于粒子群算法的四足机器人静步态优化方法

针对四足机器人机身因实现平衡稳定而进行横向调整的静步态稳定性规划问题,提出了一种新的基于粒子群算法的四足机器人机身横向调整参数优化方法.算法以运动过程中机身的横向调整参数为设计变量,其目标函数综合考虑了四足机器人躯体稳定性、行走直线性等运动性能,并利用Matlab与Adams软件对所提出的优化方法进行了一系列仿真实验验证.仿真实验结果表明:所提优化方法可以快速有效地寻求全局最优参数,使四足机器人能够实现具有良好运动性能的静步态.      

改进的聚类算法在教学过程考核系统中的应用

为推进骨干教师教学激励计划的实施,开发了教学过程考核系统.该系统详细记录了教学过程的各个环节,以《计算机程序设计》课程为例,用K-means算法聚类统计该课程过程考核成绩时,针对随机选取初始聚类中心造成聚类精度和稳定性降低等敏感问题,提出了动态选取初始聚类中心的改进算法ICS-means.改进后的聚类方法减少了K-means算法对初值的依赖性,具有良好的稳定性,可对学生的学习效果做及时准确的反馈,促进教与学.     

求正定几何规划全局最优解的一种有效算法

对正定几何规划问题提出了一种确定型的全局优化算法,这类优化问题广泛应用于工程设计的稳定性分析等实际问题中.这种算法给出了一种构造目标函数及约束函数下界函数的新方法,从而建立了正定几何规划问题的松弛线性规划.通过对线性规划问题的可行域细分以及一系列的线性规划问题的求解,从理论上证明了该算法的全局收敛性.     

利用单调函数求线性乘性规划的全局最优解

对广泛应用于工厂布局设计、超大规模集成电路设计等实际问题中的线性乘性规划问题(LMP)提出了一种单调全局优化算法.并从理论上证明了本算法的收敛性.数值实验表明了提出的方法是可行的和有效的.     

一类线性比式和问题的全局优化算法

对许多工程设计中常用的一类带常系数线性比式和问题(P)提出一确定性全局优化算法.该算法利用等价问题和线性化技术,建立了问题(P)的松弛线性规划(RLP),从而将原非凸问题(P)的求解过程转化为求解一系列线性规划问题(RLP),通过可行域的连续细分以及求解一系列线性规划,提出的分枝定界算法收敛到问题(P)的全局最优解,且数值实验表明了算法的可行性.     

一类优化问题的确定性算法

对广泛应用于工程设计中的一类线性比式和问题(P)提出了一确定性全局优化算法,利用等价问题和新的线性化技术给出了问题(P)的松弛线性规划(RLP,)通过对(RLP)可行域的细分以及一系列(RLP)的求解过程,提出分枝定界算法收敛到问题(P)的全局最优解,最终数值实验表明所提方法的可行性.     

移动机器人全局动态路径规划融合算法

针对移动机器人全局动态路径规划效率较低的问题,提出一种基于安全A^*算法与双速度模型动态窗口法的全局动态路径规划融合算法.首先,通过安全A^*算法得到全局最优路径节点,将其作为临时目标节点,为动态规划提供全局信息,避免出现局部最优.然后,采用时间序列Bottom-Up算法减少路径节点数,从而减少迭代次数、计算代价和储存代价,提高算法效率.最后,采用双速度模型对动态窗口法进行改进,通过避障重规划机制,解决全局动态路径规划时移动机器人绕远甚至绕圈的问题,并通过MATLAB平台进行仿真实验.仿真结果表明:文中算法的规划效率可提高46.18%,保证了路径的安全性和移动机器人速度的平稳性,文中算法的路径质量和规划效率更佳.     

一个确定性的全局优化算法

对广泛应用于工程中一类比式规划问题(P1)给出了一个确定性全局优化算法.通过利用线性化技术,建立了问题(P1)的等价问题(P2)的松弛线性规划(RLP),通过对(RLP)可行域的细分以及一系列(RLP)的求解过程,提出的算法收敛到问题(P1)的全局最优解.最终数值实验表明了提出方法的可行性.     

基于改进免疫遗传算法的水电站优化调度应用研究

根据免疫算法的生物学机理,提出了一种改进的免疫遗传算法.该算法将微粒群算法作为免疫算法的全局搜索策略,提高算法的全局搜索能力;利用逐步优化算法对免疫算法的控制策略进行进化操作,提高算法的局部搜索能力;利用免疫算法本身基于浓度的自我调节机制,提高群体的多样性,避免算法过早陷入局部最优解.最后给出了该算法实现的具体步骤,并将其应用于水电站的优化调度中,取得了较为满意的结果,且与动态规划、遗传算法、免疫算法和微粒群算法等比较,验证了算法的有效性和优越性.     

一类非线性比式和问题的全局优化算法

针对广泛应用于工程设计、非线性系统稳定性分析等实际问题中的一类非线性比式和问题(P)给出了一全局优化算法.利用问题(P)的等价问题(Q)和线性化技术,建立了问题(Q)的松弛线性规划(RLP),通过对(RLP)可行域的细分以及一系列(RLP)的求解过程,从理论上证明了算法收敛到问题(P)的全局最优解.最后数值例子表明了本文算法的可行性.     

带指数的多乘积约束下多项式函数的全局最优解

对广泛应用于金融、证券投资等实际问题中的带指数的多项式函数的极小值问题(P1)提出了一种有效的全局优化算法.从理论上证明了本算法的收敛性,数值实验表明提出的方法是可行和有效的.     

变速率线性广播网络编码的通用全局编码核构造算法

针对单源有向无圈网络中,当信源速率变化时,线性广播网络编码需重新构造链路的全局编码核和非源节点的局部编码核问题.提出通用全局编码核的概念,并给出通用全局编码核的构造算法.利用该算法,以信源最大可行速率构造出各链路的通用全局编码核.当信源速率变化时,各链路的全局编码核可由通用全局编码核进行简单变形而直接导出,且非源节点的局部编码核无需改变.这样既保持了现有算法构造的各非源节点的局部编码核适用于不同速率的优点,又能方便地得到各链路对应于不同速率的全局编码核.最后基于线性信息流理论,对该算法的时间复杂度和记忆复杂度进行了论证,相对于基于递归向量构造全局编码核的编码算法,该算法的时间复杂度和记忆复杂度均大大降低.     

求解航天器最优交会问题的改进和声搜索算法

针对航天器最优交会问题,基于C-W模型建立一种燃料时间混合指标,并提出一种改进和声搜索(AHS)算法进行求解.在AHS算法中,提出一种全局均匀学习操作,利用了当前全局最优和声的指导作用,取代了原始和声搜索算法的基音调整操作,增强全局搜索和局部搜索的平衡,并对参数PAR进行了有效的动态调整,以更好适应算法的搜索进程.利用几个最优交会实例对AHS算法的有效性进行了测试,数值结果表明AHS算法能够取得满意的结果,并且优于其他算法.