基于莱维飞行扰动策略的麻雀搜索算法

为了解决麻雀搜索算法存在迭代后期搜索多样性不足、容易陷入局部最优等问题,提出了一种基于莱维飞行扰动策略的改进麻雀搜索算法.首先借鉴Sin混沌搜索机制,改进种群初始化策略.然后在麻雀种群觅食搜索过程中引入莱维飞行扰动机制,牵引种群移动适当的步长,增加空间搜索的多样性.最后对14个典型高维测试函数进行实验的结果表明:所提出...     

利用基于分区搜索的自适应遗传算法求解TSP问题

为了提高用遗传算法求解旅行商问题（TSP）的收敛速度，结合自适应算子和父子竞争策略等优化思想．提出了基于分区搜索的自适应遗传算法．该算法将整个搜索区域分成若干个较小的搜索区域，先进行局部搜索．在得到局部较优的基因组合后，再进行全区域搜索，不但提高了遗传算法的收敛速度，而且改进了变异算子的操作性能．通过TSP问题的求解表明，基于分区搜索的自适应遗传算法是一种稳定、高效的优化算法。     

一种改进的全局和声搜索算法求解线性互补问题

给出求解线性互补问题的一个新方法。将线性互补问题等价地转化为绝对值方程,进而转化为一个不可微优化问题。提出了一个改进的和声搜索算法,算法使用位置更新和小概率变异策略。实验结果表明,本算法具有较强的全局搜索能力、数值稳定性好、参数少等优点。本方法对矩阵M无限制,适用于各类线性互补问题。     

改进人工蜂群算法求解多目标连续优化问题

多目标连续优化问题是实际应用和科研中最普遍的问题之一,也是学术界研究重点之一.根据人工蜂群算法求解过程,修正算法中的不足之处,改进算法中存在的盲目搜索,减少丢失算法中的优秀个体,以人工蜂群算法作为进化策略,整理改进方案.改进方案包括有:第一,针对基本人工蜂群算法中变异算子对整体基因搜索的不足,提出基于人工蜂群算法算子和变异算子相融合的自适应搜索算子,在一定程度上可以根据基因优良程度自动调整搜索范围,提高人工蜂群算法搜索行为的准确性.第二,利用搜索数据结果形成新的基因个体,在一代搜索结束后,剩余的个体与新个体的组合成新的种群,使得人工蜂群算法在进行过程中最大程度的保存下优良的基因.通过研究比较发现,改进的人工蜂群算法在求解多目标连续优化问题中具有比较好的收敛性和分布性.     

基于二次A算法的复杂环境下车辆导航路径规划方法

在部队作战或演习中,复杂且未知的野外环境给作战车辆的路径规划造成了极大的影响。针对车辆无法在环境信息未知的复杂野外环境下快速到达目的地的问题,通过改进搜索策略来提高车辆的机动性,同时提出一种加入预处理的二次A~*算法来提高车辆实时避障的能力。首先,针对A~*算法的搜索策略进行改进;其次,通过预处理算法明确目标区域的环境信息,规划得到全局最优路径,当行进过程中突然出现未知障碍物时,根据车辆的实时位置以及障碍物确定局部规划区域,再一次应用A~*算法进行局部最优路径规划;最后,进行实验验证。实验结果表明,车辆在不同地形条件的行驶过程中尽管牺牲了一部分搜索时间和路径长度,但行驶时间分别减少了26.6%、29.5%、32.4%和35.2%。随着地形条件的复杂程度不断变大,算法使车辆的行驶时间减少更多,极大地提高了车辆的机动性,具有重要的现实意义。     

基于疯狂自适应鱼群算法的认知无线电频谱分配

针对目前认知无线电网络中频谱利用无法满足指数级增长的通信需求、人工鱼群算法保持种群多样性差、全局搜索能力弱的问题，对图论频谱分配模型的人工鱼群算法进行了改进，得到了网络效益函数最优情况下的频谱分配.首先自适应调整视野和步长，保证算法前期较强的全局搜索能力和后期的收敛精度；然后在随机行为模式下引入疯狂算子，产生扰动以增加种群多样性.仿真实验对比了4种不同算法在相同模型参数下的系统总效益，同时对可用频谱和认知用户分别设置控制变量法测试算法性能.结果表明：改进后的人工鱼群算法全局搜索能力较强，具有较强的鲁棒性.     

基于改进蚁群算法的智能小车路径规划仿真研究

提出一种改进的蚁群算法,解决传统蚁群算法在路径规划时容易陷入局部最优解的问题,改进的蚁群算法具备更优越的搜索最短路径的能力.MATALAB仿真实验表明,改进的蚁群算法能够节约寻找到最优路径的时间,加快收敛速度,具有更好的鲁棒性.     

多群落粒子群优化供应链数据中心任务调度

要：针对数据中心规模和任务需求不断增加带来的服务效率降低等问题，提出了一种负载均衡多群落粒子群优化任务调度方法。通过改进的适应度函数对任务的最大完工时间和各机器完工时间方差进行组合优化以提升集群的负载均衡性；利用新的自适应惯性权重函数改进粒子搜索效率，提升算法收敛速率；采取新的粒子初始化方法提高初始解的质量和多样性，并利用多群落粒子协同搜索使得最终结果更加接近最优解。在阿里巴巴数据中心的公开数据集上对算法性能进行了验证和对比，实验结果表明，该方法能够提高数据中心在多样化供应链环境下的任务调度效率。     

基于改进二阶振荡粒子群优化的 置信规则库推理方法

现有基于置信规则库(belief rule base, BRB)的推理方法的精度和效率受到系统参数设置以及规则库结构复杂度的影响为了寻找到最佳的参数值和最优的规则库结构，本文基于粒子群(particle swarm optimization, PSO)算法进行改进拓展，进而提出一种新的置信规则推理方法针对粒子群算法易早熟收敛和陷入局部最优解等问题，引入二阶振荡环节和自适应随机惯性权重来改进算法，并采用互不相同的参数取值来调节粒子群算法的全局和局部搜索能力在实验分析中，将该文方法应用于多极值函数拟合和输油管道检漏问题仿真实验，以收敛误差、收敛时间作为衡量指标，与其他传统方法进行了对比.实验结果表明，该文方法具有更好的推理效率和精度     

基于动态区域划分的多种群进化算法

针对多种群进化算法中解空间无法准确划分的问题,在进化过程中利用云模型估计优化问题.根据云估计与原问题的差异动态划分解空间;采用聚类算法构建多个子种群,并设计异构进化策略;对区域划分的有效性进行理论分析,证明划分方法能准确缩小搜索空间.实验分析表明:所提出的划分策略既可降低优化问题难度,又能提高算法的有效性与可行性.     

基于遗传算子改进阈值的遥感图像分割算法研究

针对复杂背景遥感图像分割准确率不高的问题,提出了一种基于遗传算子改进阈值的遥感图像分割算法。通过对遗传算法中选择、交叉、变异等算子的优化设计,增强变异的多样性,加快搜索的收敛速度,以获取遥感图像分割的最佳阈值。实验仿真结果表明:该算法降低了阈值搜索时间,同时取得了良好的图像分割结果。     

渐变式路径优化在GIS中的应用

为了解决传统算法收敛速度慢、搜索区域盲目等问题，提出了一种新的算法——渐变式路径优化算法该算法是结合Dijkstra算法和遗传算法的优点，采用启发式搜索和自适应禁忌等策略进行优化而形成的一种混合算法对新算法和传统算法进行了比较，同时将该算法应用于GIS路径规划中，对新算法中的关健参数σ、β因子进行了测试仿真结果表明该算法极大地加快了搜索速度，提高了搜索效率，取得了良好的效果     

基于改进遗传算法的Volterra核辨识研究

本研究提出了一种基于改进遗传算法辨识Volterra级数模型的方法.该方法根据Volterra核与系统输出的相关程度来调整模型结构,利用重启策略与自适应搜索范围解决进化停滞与算法早熟收敛等问题.通过仿真试验将改进遗传算法与标准遗传算法、量子粒子群算法进行比较.结果表明,该方法在辨识精度、收敛速度及抗噪性能等方面明显优于...     

交通运输网络的二叉堆索引及路径算法优化

交通运输网络的最短路径分析是地理信息系统网络分析最常见的应用之一.该文在二叉堆索引结构的基础上改进了计算最短路径的Dijkstra算法和A^*算法，采用了多种优化策略提高算法的运行效率.首先，应用二叉堆索引提高了交通运输网络存储结构的读取效率；其次，通过数据类型的低精度损耗简化和运算类型的简化，提高了算法的计算效率.另外，优化了A^*算法中估计函数的计算方式，有效降低了搜索空间，提高了Dijkstra算法和A^*算法的整体计算效率.实验结果表明Dijkstra算法的改进方法可使计算速度提高7倍以上，对A^*算法的改进可使计算速度提高200倍以上.     

改进遗传算法的传感器节点覆盖优化策略

针对当前传感器节点覆盖优化方法存在覆盖率低、节点部署不均匀等难题,设计了一种基于改进遗传算法的传感器节点覆盖优化策略。首先基于覆盖率、节点利用率等评价指标建立传感器节点覆盖优化目标函数,然后采用遗传算法对节点覆盖优化目标函数求解,并针对常规遗传算法存在的缺陷对遗传算子进行相应的改进,提高其搜索和收敛能力,得到最优传感器节点覆盖方案。最后与其他算法进行了传感器节点覆盖优化仿真对比实验。结果表明,改进遗传算法的传感器节点覆盖率更高,降低了传感器节点重复覆盖比例,使节点部署更加合理。     

基于ADCensus的改进半全局匹配方法

考虑到AD相似性测度对灰度信息及纹理丰富的区域的优势和Census变换对图像辐射差异具有鲁棒性的优势,将AD和Census算法融合替代单一匹配代价来改进半全局密集匹配算法,可有效提高算法的匹配精度和抗干扰性。同时用金字塔分层匹配策略来约束视差的搜索范围,实验结果表明,该方法在保证匹配精度的同时,减少内存消耗和运行时间,适用于无人机影像的密集匹配。     

一种高效的特征选择机制应用于入侵检测

基于数据集的wrapper型特征选择方法,通过去除原特征集中的冗余特征,不仅降低了对计算资源的耗用,而且在保持检测精度的前提下,提升了检测速度,有效改善了检测性能.在特征选择具体过程中,采用全局和局部搜索性能好的遗传算法和禁忌搜索混合搜索策略,针对网络数据的异构性,采用改进了的基于核函数的SVM作为评价特征子集分类性能...     

带有顶点权重约束的图划分问题研究

研究了带有顶点权重约束的图划分问题.首先基于矩阵的提升将原问题转化为半定规划松弛模型，利用半定规划内点法求解该模型，并在求解过程中给出了具体的初始点选取策略和步长选取策略.随后利用改进的随机超平面舍入算法和2opt启发式算法求得原问题的近似最优解.数值实验表明该文的算法可有效求解带有顶点权重约束的图划分问题，且对于稀疏图的求解表现出了良好的性能.     

一种基于混合差分策略的改进差分进化算法

对启发式优化算法中的差分进化算法进行改进,在进化过程中并行交叉采用DE/rand/1/exp和DE/best/1/exp差分策略,应用聚集度因子进行种群重构,缩小了种群重构后的搜索范围,有效避免了种群重构的随机性.仿真结果表明,改进算法与使用单一差分策略的差分进化算法及PSO算法相比,寻优能力得到了显著提高.     

一种带差分进化策略的多分布进化算法

结合分布估计算法的强全局收敛能力和差分进化算法的快速收敛性能,提出了一种带差分进化策略的多分布进化算法（multi-distribution evolutionary algorithm with differential evolution,MDEA_DE）。为了进一步提高算法的全局收敛性能,MDEA_DE采用了基于分布种群的多分布进化机制,并通过三种高斯分布模型生成具有较好多样性的高质量解种群。同时,利用搜索空间调整策略来提高高斯分布模型的精度,并执行解空间中的改进差分进化搜索以获得增强的局部开发能力。对基准测试函数的数值试验结果表明,MDEA_DE能够在全局探索和局部开发之间取得较好的平衡,能快速收敛到复杂优化问题的全局最优解。