基于离散灰狼算法的资源分配问题求解

针对标准灰狼优化算法(GWO)只适合求解连续优化问题,无法直接求解离散域上的资源分配问题,提出一种基于马太效应的离散灰狼优化算法(DGWO)来求解资源分配问题.首先,根据数学映射思想给出一种将连续空间转化为离散空间、实数变换为整数的编码转换方法;然后,对其中的不可行解采用基于马太效应的修复与优化方法处理;最后,将DGWO计算结果与遗传算法结果进行对比发现不论是收敛速度,还是求解质量,DGWO算法均优于遗传算法.实验结果表明了DGWO算法求解资源分配问题的可行性、正确性和优越性.     

基于混合算法求解ELSP问题的可行域分析

本文给出求解ELSP问题(Economic Lot Scheduling Problem)的可行域的特征、启发式规则和演化神经网络设计问题.经济批量问题采用基本时段方法表示,该方法产生两类决策变量,一种是表示基本时间段的连续变量,另一种是表示时间倍数的整数变量.在求解ELSP问题的算法设计中,可行域是判定启发式规则有效性的基础.为了给出可行域的特征,利用神经网络的演化计算,设计求ELSP问题的初值算法,设计演化参数函数、网络结构、演化函数、演化规则,并依此获得可行域的约束条件.对在可行域约束条件和启发式规则下设计的算法进行测试,并与用HGA和一般GA方法求解ELSP问题进行比较,求解效果明显提高,使得在满足可行性的前提下总费用减小.     

含阀点效应最优潮流问题的改进原始蚁群算法解

基于原始蚁群的猎食行为提出一种新型的算法，称为改进原始蚁群算法，用于求解最优潮流问题。新算法只考虑离散变量，以降低计算时间，同时使用序列：二次规划法求解连续变量。通过运用曲线分段的方法，使改进算法能处理含大母约束条件的各种目标函数并有效地搜索全局最优解。通过IEEE-30节点系统的仿真计算验证了该算法的有效性。     

基于混合遗传算法的多UCAV协同任务分配方法

针对多UCAV协同作战的控制决策问题,提出了多UCAV任务分配的多目标整数规划模型.将问题的启发性知识融合进遗传算法,提出了求解该问题的基于整数编码的混合遗传算法.将变量根据约束条件特点分为自由变量和非自由变量,仅对非自由变量编码,减小了染色体长度和变化要素,从而提高了算法的效率.设计了适于整数编码的交叉和变异算子,并巧妙地利用约束条件限制变异范围,以提高个体满足约束条件的概率.以UCAV的SEAD任务为想定,进行了仿真实验.实验结果表明混合遗传算法可以有效地解决大规模整数规划问题,在求解效率和提高约束条件满足率上优于标准遗传算法.     

船体双层底结构优化的粒子群优化算法

为优化船体双层底结构,在适于求解连续变量的标准粒子群优化算法(PSO)基础上,提出一种离散变量PSO算法,并利用标准PSO算法和离散变量PSO算法分别对测试函数和某大型油船双层底结构优化设计问题进行求解,该双层底结构的响应分析计算采用正交异性板计算模型实现.研究了不同取值的惯性权重和学习因子对优化结果的影响.通过对计算结果的对比分析,得出该离散变量PSO算法应用于船体板架结构优化设计时,其惯性权重和学习因子的最佳取值范围.     

模拟退火算法在军用桥梁优化设计中的应用

军用桥梁结构优化设计中包含两类设计变量：连续变量和离散变量,混合变量优化设计问题是军用桥梁界普遍关注的问题。介绍了一种新的优化设计方法——模拟退火算法,其突出的优点是可以求得全局最优解。以军用桁架桥为例,对军用桥梁结构设计中连续和离散混合设计变量的优化问题进行了分析,计算结果表明该方法是可行的。对算法在军用桥渡结构设计中的应用提出了几个研究方向。     

动态无功优化的混合智能算法

针对存在离散控制设备动作次数约束的动态无功优化问题,提出免疫遗传算法和非线性内点法的混合算法.首先忽略控制设备的离散性和动作次数约束,采用非线性内点法求解初始优化解;然后按照控制变量的性质将原问题分解为连续优化与离散优化2个子问题迭代求解.在离散优化问题中,保持连续变量不变,采用免疫遗传算法优化离散变量,通过特别的编码方式使抗体自动满足动作次数约束;在连续优化问题中,保持离散变量不变,采用非线性内点法优化连续变量.混合算法充分结合了免疫遗传算法和非线性内点法的优点,能较快求解动态无功优化的近似最优解.IEEE14节点系统的仿真结果验证了混合算法的有效性.     

Mercer Kernel图模型学习

文中提出一类学习图模型结构的算法,该算法是基于一种称为kernel generalized variance(KGV)的度量方法.此度量方法允许我们在由Mercer核产生的特征空间中处理高斯变量.进而我们能学习包含任意类型的离散和连续变量的图.文中还研究了该方法的计算性能,给出如何在线性时间内完成相关统计的计算.并用离散和连续变量进行测试.     

基因算法在求解非光滑优化问题中的应用 (三峡地区资源环境生态研究)

本文考虑了基因算法在求解非光滑优化问题中的应用。非光滑优化方法致力于求解目标函数为连续不可微函数的数学规划问题。因为目标函数的不可微性,传统的以梯度为基础的确定性算法在求解非光滑问题时会遇到障碍,所以运用不需要梯度信息而只需要目标函数值信息的遗传算法来求解非光滑问题是一个不错的选择。遗传算法是基于自然界生物遗传变异过程而设计的一种优化算法,它首先对问题的可行解进行编码,编码方法有0-1编码,格雷编码和实数编码,然后运用交叉算子,变异算子和选择算子产生下一代种群。当种群迭代达到一定的次数后,种群中的最优染色体就会收敛到原问题的最优解。本文设计的基因算法基于实数编码,算子分别采用算术交叉算子,非一致变异算子,最佳选择算子。     

离散猴群算法及其在输电网扩展规划中的应用

猴群算法(MA)是一种只适于求解连续变量优化问题的群智能算法.针对MA的局限并结合输电网扩展规划问题的特点,设计了能够求解含有离散变量优化问题的离散猴群算法(DMA).算法中提出的大、小2种爬过程解决了原猴群算法求解离散优化问题时爬过程失效的问题,合作过程和随机扰动机制的引入也提高了算法的计算效率.算例结果表明,DMA计算速度快,鲁棒性强,用很小的猴群规模就能够对不同维数的输电网扩展规划问题均达到很好的计算效果.     

Swarm intelligence for mixed-variable design optimization

Many engineering optimization problems frequently encounter continuous variables and discrete variables which adds considerably to the solution complexity. Very few of the existing methods can yield a globally optimal solution when the objective functions are non-convex and non-differentiable. This paper presents a hybrid swarm intelligence ap-proach (HSIA) for solving these nonlinear optimization problems which contain integer, discrete, zero-one and continuous variables. HSIA provides an improvement in global search reliability in a mixed-variable space and converges steadily to a good solution. An approach to handle various kinds of variables and constraints is discussed. Comparison testing of several examples of mixed-variable optimization problems in the literature showed that the proposed approach is superior to current methods for finding the best solution, in terms of both solution quality and algorithm robustness.     

化工过程综合混合离散非线性规划新算法

针对化工过程系统综合的混合离散非线性规划的一般模型，在综合非线性规划的爬山策略和组合优化的查点策略的基础上提出了一个改进的混合离散非线性规划的通用新算法。通过在设计空间直接对连续变量和离散变量进行搜索，得到问题的最优解。     

基于混合离散复合形法的工程优化设计

针对工程中大量存在的设计变量为离散型和连续型的混合离散变量优化设计问题,提出了连续变量及非均匀离散变量的均匀离散化处理方法,并借鉴离散变量的搜索优化法,在连续变量的复合形法基础上,探讨了一种求解有约束非线性混合离散变量的优化设计问题的方法———混合离散复合形法。算例表明,混合离散复合形法可用于工程结构优化设计中,其结果不需圆整,解题可靠性和效率大大提高。     

基于改进DPSO非退出故障下多无人机任务规划

针对非退出故障下多无人机协同任务规划问题，提出了一种基于混合策略改进的离散粒子群算法。该方法首先采用Sobol序列进行种群初始化，提高解空间的覆盖率；然后，提出非线性时变策略，加快算法的收敛速度；并引入柯西算子,增强离散粒子群算法的搜索空间；同时，还提出自适应交叉学习策略，丰富种群多样性，进而提升算法的全局寻优能力。综合改进的离散粒子群算法不仅加快了收敛速度，并且解的最优性也得到了提高。此外，运用三次样条插值算法进行无人机航迹规划，最后，将改进算法在三维空间中进行无人机故障前后的对比仿真实验，结果表明所设计的算法具有显著的寻优有效性，为部分无人机发生轻微故障后，多机协同执行任务规划的问题提供了理论依据。     

基于改进烟花算法的以太网通信链路调度方法

针对工业以太网通信链路调度延时大及效率较低的问题, 提出一种基于改进烟花算法的实时周期消息任务调度(CVFWA)方法. 以降低网络传输时延为目标, 首先, 将传统烟花算法的连续解空间映射到实时周期序列调度问题的离散解空间； 其次, 为增加种群的多样性, 在高斯变异过程中引入变异系数； 最后, 采用基于中位数锦标赛的选择策略代替欧氏距离选择策略. 仿真结果表明, 该方法能使实时周期消息序列在最短时间内完成队列调度, 有效降低了网络时延, 提高了全局搜索效率.     

一种改进的遗传算法及其在结构优化设计中的应用

通过对遗传算法的二进制编码和实数编码的机理分析,结合2种编码的优点,从工程结构优化实际问题出发,提出了一种可以任意控制离散度的改进实数编码遗传算法.该算法利用实际工程结构问题中对尺寸设计变量精度要求的放松,在编码过程中加上"隐约束",缩小了搜索空间,减少了结构重分析次数,提高了收敛速度.该算法的优点是可以根据实际问题的需要任意选择变量的精度.实例计算表明,该算法对复杂结构的优化设计是有效的.     

基于改进哈里斯鹰优化算法的配电网动态重构

针对风光荷不确定性的配电网重构问题,建立分布式电源和负荷出力模型,以系统运行成本和电压偏移构建多目标函数。提出一种改进粒子群算法融合K-means(improved particle swarm optimization and K-means, IPSO-Kmeans)聚类算法来划分典型日负荷曲线,将改进哈里斯鹰优化(improved Harris hawk optimization, IHHO)算法应用于配电网重构,进行寻优计算。为了改善哈里斯鹰优化(Harris hawk optimization, HHO)算法种群分布不均、无法完整搜索到最优解空间范围、易于陷入局部收敛等问题,引入佳点集生成种群初始化,提高种群搜索空间的均匀性。将麻雀搜索算法中的探索者位置更新公式与哈里斯鹰优化算法探索阶段的位置更新公式结合,以提高算法的全局搜索能力。利用柯西-高斯变异扰动策略跳出局部最优解。最后在IEEE33节点配网系统仿真,结果表明所提方法的有效性。     

一类大系统的稳态递阶优化控制算法

充分利用线性稳态大系统这一特点,采用一种新方法在不破坏可分性的前提下对求解问题进行凸化．这种两级算法是：上级（协调器）固定协调变量;下级各局部决策单元并行求解Ｎ个子问题,再把结果送回协调器．这样,通过上、下级不断的信息交换就可得到原问题的最优解．由于该方法消去了子系统等式约束相应的Ｌａｇｒａｎｇｅ乘子,故没有扩大求解空间,提高了优化效率．仿真结果表明算法是有效的．     

基于文化混洗蛙跳算法求解连续空间优化问题

针对混洗蛙跳算法在求解高维函数时易陷入局部最优解的问题, 提出一种文化混洗蛙跳算法, 利用群体空间和信念空间的个体通过接受函数和影响函数完成 信息交换和全局寻优. 首先, 信念空间个体通过螺旋更新和随机游走的方式在较优个体附近寻找更优个体; 其次, 群体空间的最差个体通过借鉴不同知识平衡局部寻优与全局探索的关系, 进而提高算法的寻优精度并加快收敛速度; 最后, 将该算法与12种智能算法进行寻优对比, 对典型高维基准函数的测试结果表明, 该算法的收敛精度和计算速度均较好.