一种改进的和声搜索算法

针对和声搜索算法在处理复杂函数优化问题时容易陷入局部最优、收敛精度低的缺点,提出了一种改进的和声搜索算法,不同于已有的HS算法.整个和声记忆库被划分为一些小的子和声记忆库,每个子库适时地更新内部信息,然后将各子库中的最优解构成一个较优记忆库并进行搜索,这些子记忆库通过重组周期被反复重组,信息在这些子库中被交换,在算法的最后搜索阶段,为了表现一个更好的局部搜索能力,所有和声形成一个和声记忆库.同目前提出的一些HS算法相比,新算法有更好的优化性能.     

一种基于聚类预测模型的动态多目标进化算法

为了在动态环境中快速地跟踪变化后的最优解集,提出一种基于聚类预测模型的动态多目标优化算法.通过对种群聚类,提高预测解集的分布性与广泛性,为分段预测做准备,然后利用历史信息对每个子类的中心点和形状进行预测,在环境变化后,预测产生的每个子类共同构成整个新的初始种群,有引导性地增加了种群的多样性,使算法能快速跟踪新的最优解集.在标准动态测试问题上进行算法测试,实验结果表明所提算法能快速地适应环境的动态变化,所获解集具有较好的收敛性和分布性.     

元胞空间结构下的文化算法

针对以往文化算法种群空间没有地域的概念,信念空间缺少文化的进化机制,以及求解优化问题时寻优精度不高且易陷入局部最优等缺陷,提出一种新的基于元胞空间结构的文化算法. 将元胞空间网格分别嵌入文化算法计算框架中的种群空间和信念空间以模拟文化算法的双层进化体系;对于种群空间,将进化个体分布于下层元胞网格,并对网格进行地域划分,使每个地域内的个体均以差分进化算子独立进化;对于信念空间,将进化信息放入与种群空间地域对应的上层元胞网格当中,利用文化的扩散机制实现文化的进化. 实验结果表明,该算法具有收敛精度高以及全局搜索能力强等优点,在处理高维复杂优化问题时同样具有优势.     

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.     

基于混沌思想的粒子群优化算法

为克服粒子群优化算法容易陷入局部最优的缺点,根据混沌运动的随机性、遍历性特点,提出一种基于混沌思想的粒子群优化算法(CPSO).该算法利用种群适应度方差进行早熟收敛判断,实现对进化过程的监视,当发现种群陷入局部最优时,对种群进行混沌初始化,帮助种群摆脱局部最优点.对4种典型测试函数的仿真结果表明,改进算法明显减少了种群陷入局部最优的可能性,其全局寻优能力明显强于标准粒子群优化算法.     

基于自适应变异因子策略的混合蛙跳算法

由于基本混合蛙跳算法在对问题的优化求解中存在着收敛速度慢、优化精度低且容易陷入局部最优等问题,因此提出了一种新的混合蛙跳算法。对基本混合蛙跳算法的组内更新策略进行重新设计,引入自适应变异因子来控制青蛙的移动步长;在算法中将改进的粒子群优化算法有机地嵌入其中,这样算法在搜索过程中就增加了发现新解的概率,维持了种群的多样性,从而使算法不易陷入局部最优。通过对标准函数进行优化测试,结果证明其具有良好的优化性能。     

改进的蛙跳算法在库存匹配中的研究

针对生产订单库存匹配问题,提出一种改进的混洗蛙跳算法(SFLA)进行求解.采用随机分组策略,平衡各子群的寻优能力,保持种群多样性;打破最差蛙只向最优蛙学习的模式,引入Minkowski距离,使最差蛙借助更多同伴信息选择进化方向,增强种群适应性;针对最优蛙进化机会少,引入精英策略和变异思想更新其位置,避免陷入局部极小,加快收敛速度.仿真实验表明所建立模型的正确性和改进后算法的有效性.     

动态环境下混合生产的Makespan调度方法

针对动态生产环境下混合生产的最小完工时间(Makespan)调度问题,借鉴于预测控制的思想,用滚动优化的原理求解.提出可操作集的概念,将动态环境下的调度问题合理分解,并将所得的子问题规范化,并给出适用小规模问题的基于混合整数规划的算法,对于较大规模的问题给出快速收敛的启发式算法.仿真算例表明方法的可行性.     

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D ijkstra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G IS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.     

基于当前最优解的反向差分进化算法求解函数优化问题

当最优解偏离目标函数定义域的几何中心时,反向个体容易远离全局最优解,基于反向差分进化算法的性能会大幅降低. 该文引入基于当前最优解的反向学习策略,并与差分进化算法相结合,求解函数优化问题. 当前代的最优解作为候选解和相应反向个体之间的对称点,能保证反向种群的利用率始终维持在较高水平. 实验结果表明,该算法可行而高效,且算法性能的提升完全是反向个体的贡献. 此外,提出一种增强的基于反向差分进化算法,展示出此类优化方法的最优效果.     

基于EMD优化NAR动态神经网络的地铁客流量短时预测模型

为了能够更加准确地实现地铁客流预测，提出了一种基于经验模态分解算法（empirical mode decomposition，EMD）优化非线性自回归（nonlinear auto regressive，NAR）动态神经网络的地铁客流量短时预测模型.分析地铁客流量数据后发现日客流量具有一定的变化规律，为此使用了基于时间序列的NAR动态神经网络，该网络具有优秀的非线性动态拟合能力和反馈记忆的功能.结合EMD经验模态分解算法优化NAR动态神经网络预测模型，以此来减少预测误差，提高预测精度.结果显示，EMD-NAR神经网络组合预测模型适用于地铁客流的短时预测，预测精度可达93%，具有较好的应用价值.     

基于混沌克隆的混杂多目标免疫优化算法

针对遗传算法求解高维多目标问题时易于早熟、陷入局部搜索等缺点.本文借鉴生物免疫系统的混沌现象及其自适应性和并行性,提出一种混杂多目标免疫优化算法(HMIOA).算法基于混沌映射产生初始抗体群并利用混沌规律克隆优秀抗体;根据抗体的被控度和抗体间的拥挤距离设计抗体的亲和力;算法在进化过程中对不同子群采取不同突变方式;借助Average linkage聚类法更新记忆细胞等.数值实验中,选取两种著名的多目标进化算法和一种克隆选择算法,应用于4种不同类型的高维多目标优化问题,比较结果表明:HMIOA所获Pareto有效面较大的控制其他算法所获Pareto有效面,且有效面的分布较均匀.     

离散变量结构拓扑优化协同混合遗传算法

针对离散变量桁架结构拓扑优化问题,提出了将拟满应力法与遗传算法相结合的混合遗传算法,并引入了拓扑和尺寸协同演化的思想,使得桁架拓扑和尺寸的演化能够相互独立又协同进行.并给出算例证明该方法是非常有效的     

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...     

一种求解代数方程组的混合遗传算法及工程应用

针对用遗传算法求解代数方程组时解的精度问题，提出了一种混合遗传算法，这种算法采用实数编码方法，在遗传算法的基础上，引入一种用适应度函数值构成动态变化的搜索步长的随机搜索算子，当遗传算法求解达到某一精度时，应用该搜索算子在最优个体附近进行随机搜索，使算法解较快地逼近到所要求的精度，实验表明用这种算法求解代数方程组，可以达到较高的求解精度，在工程中用于求解关节型机器人速度逆解，避免了矩阵求逆，取得了满意的效果。     

（F,K）-不变凸集与不变凸优化

实向量空间中（F,K）-不变凸集是E-不变凸集的推广.针对约束集为（F,K）-不变凸集的不变凸优化问题给出基于一维搜索的优化算法,与直接采用优化工具箱的函数计算相比,计算结果有显著改善,为非线性优化算法的改进提供了新思路.     

基于混合粒子群优化的巡航导弹低空突防航迹规划

将模拟退火算法嵌入到粒子群优化（partical swarm optimization, PSO）算法中,并对PSO产生的最优适应值进行重新评价,以此构成混合粒子群优化算法（PSO-SA）. 将PSO-SA 算法应用于巡航导弹的航迹规划,不仅可以避免PSO陷入局部最优,而且能快速有效地完成离线和在线规划任务,获得理想的三维航迹. 仿真结果验证了该算法的有效性,且对同一起始位置所规划出的航程较PSO算法短,可有效节约导弹燃料.