基于自适应邻域选择的多目标免疫进化算法

在分析以往求解多目标进化算法中个体选择方法的基础上,给出了一种基于个体邻域的选择方法,分析表明这种选择方法可有效地维持群体的多样性,且个体的适应度在选择过程中将随着该个体邻域中所包含个体数目作自适应调整,文中称之为基于个体邻域的自适应校正选择方法。此外,由于每一个待求问题本身或多或少都有自身一些基本的、显见的特征信息或知识。因此,在求解过程中忽视问题本身的特征信息或舍弃可供应用的信息,有时并不是一个明智之举。基于以上考虑,在传统进化算法的基础上又引入免疫算子,其中免疫算子依次通过疫苗提取、接种疫苗和免疫选择3个步骤来完成,进而设计了一种基于邻域选择的多目标免疫进化算法。最后,用算法分别对2个变量和30个变量的双目标优化问题进行数值模拟的结果表明,算法都能够找到所给问题的分布较均匀且涵盖范围较宽广的Pareto最优解集,显示了算法的有效性及可行性。     

交互式仿真在光网络性能分析中的应用

从系统学和经济学的角度出发,分析了光网络拓扑设计、路由选择、波长分配分别对光网络性能的影响,指出光网络性能不仅取决于路由选择与波长分配算法,并且取决于光网络拓扑设计。进而指出在进行光网络性能优化过程中,以网络拓扑设计作为性能优化的基础,结合路由与波长分配算法、网络服务和市场价格等因素,建立了一种波分复用(wavelengthdivisionmultiplexing,WDM)光网络性能优化的数学模型。最后,给出了WDM光网络性能分析与优化的交互式仿真过程。     

基于边界元的分布参数最优控制共轭梯度算法

得到椭圆型分布参数最优控制问题对应的最优性方程组,在凸性条件下,证明了最优控制的唯一存在性问题.利用一阶最优性条件构造了基于边界元法的共轭梯度算法,给出算法的局部误差估计.最后,以算例验证算法的有效性.     

一种随机蚁群算法求解连续空间优化问题

通过将蚁群优化算法(ant colony optimization,ACO)与一种随机优化方法———Alopex算法相结合,提出一种随机蚁群混合算法(AACO)求解连续空间优化问题。该算法定义了蚁群在连续空间中的寻优方式以及新的信息素更新规则,并在局部搜索过程中嵌入改进的Alopex算法以提高搜索效率,有效地避免了优化算法陷入局部最优。基于多极值函数和非线性连续函数的仿真实验表明,该算法简单高效,具有良好的寻优性能。     

一种带预处理的离散系数滤波器设计方法

提出了一种带预处理的离散系数滤波器设计方法。该方法基于离散系数滤波器设计问题的{-1,1}二次规划模型,利用{-1,1}二次规划的全局最优性条件,提出了一种最优解元素的判断准则,得到了一个规模较小的离散系数滤波器设计问题。结合随机扰动方法,得到了求解离散系数滤波器设计问题的一种带预处理的随机扰动算法。与随机扰动方法相比,带预处理的随机扰动方法得到的次优解的性能更好,需要的时间也大大减少。     

多目标主从向量集值优化Benson真有效解的最优性条件

借助 Aubin的 Contingent切导数建立了可微多目标主从向量集值优化弱 Benson真有效元的Fritz-John型最优性条件.     

关于偏序集拟阵与闭包算子的关系

给出了偏序集拟阵的闭包算子和闭集的定义，并讨论了其相关性质，推广了拟阵理论中的有关结果，同时指出闭包算子和闭集在偏序集拟阵理论与拟阵理论中的区别和联系。     

黎曼流形上非可微多目标规划的必要最优性条件

在黎曼流形上建立非光滑函数分析工具的基础上, 把具有等式和不等式约束的非可微多目标数学规划问题扩展到黎曼流形上, 利用Ekeland变分原理, 推导出弱帕雷托最优解广义梯度形式的Fritz John型必要最优性条件.     

基于单纯形法进行局部优化的人群搜索算法求解绝对值方程

设计一种利用单纯形法进行局部优化的人群搜索算法求解一类形如Ax-|x|=b的不可微绝对值方程的新算法. 该算法通过引进单纯形算法, 提高基本人群搜索算法的局部搜索能力, 增加跳出局部最优解的概率, 从而有效改进人群搜索算法在计算后期易陷入局部最优的缺点. 实验结果表明, 该算法在求解绝对值方程时, 计算精度高、 鲁棒性能好.     

线性二阶锥权互补问题的非精确非单调光滑化牛顿法

针对线性二阶锥权互补问题, 提出一种新的非精确非单调光滑化牛顿法. 首先, 基于新的含参数光滑函数, 将线性二阶锥权互补问题转化为一个光滑方程组; 然后, 给出求解该方程组的新非精确非单调光滑化牛顿法; 最后, 在半正定矩阵假设下, 证明该算法全局收敛和局部超线性收敛. 数值结果表明, 该算法稳定、 有效.