一种基于协同进化的随机微粒群算法

在多种群协同进化和随机微粒群算法基础上,提出了一种改进的多种群随机微粒群算法,将各个子种群度独立的按照随机微粒群去进化,周期性的更新共享信息,共同寻求最优解。其中采用了两种不同的更新策略,并对这两种不同的方法进行详细的分析和比较。实验表明:合理调整更新周期能提高算法的收敛性。     

基于梯度的随机微粒群算法

在随机微粒群算法和函数梯度信息基础上,文章提出了基于梯度的随机微粒群算法.该算法既有随机微粒群算法的优点,又有梯度法的较高收敛性和精度,数值计算表明算法对于求解连续可微函数的全局优化问题是非常有效的.     

微粒群算法在多物流选址中的应用

物流中心的选址是企业的一项重要战略决策,不仅影响到原材料和成品的运输费用,也会影响顾客服务水平和对顾客需求的响应速度,选择合理的物流中心对降低运营成本提高企业的竞争力有很重要的作用。文章研究带约束条件的多物流选址问题,根据所提问题的特点,建立模型,并根据模型维数较大、约束域狭小的特点设计了一个与表上作业法相结合的改进微粒群优化算法（TM-PSO）。最后通过实例验证了模型的可行性及算法的有效性。     

求解约束优化问题的改进微粒群算法

微粒群算法在处理约束条件时最常采用的方法是约束保持法,但该方法易使粒子在搜索中停滞不前,为了改进传统约束保持法的缺点,将微粒群算法与信赖域算法相结合,从而保持了粒子的多样性并使最优解在可行域内。另外,采用与信赖域搜索技术相结合的随机惯性权重,改善了算法的全局寻优能力,提高了算法的收敛速度和计算精度。实验结果表明：与标准微粒群算法和一些其他优化算法相比,改进算法具有较强的寻优能力和寻优效率。     

一种结合Rosenbrock算法的混合MIMIC算法及其应用

蜗杆传动设计是机械设计中的一种,在各个领域中有着广泛的应用,具有传动比大,工作平稳等优点。但是在制造蜗轮时,往往体积过大,造成有色贵重金属的浪费,为了节约有色贵重金属,将蜗轮齿圈体积最小作为目标函数,构建一个数学模型,对其进行优化。将全局搜索能力强的MIMIC算法和局部求精能力强的Rosenbrock算法相结合,提出一种新的算法——Rb-MIMIC算法,将新算法应用在蜗杆蜗轮传动优化中,利用改进后的MIMIC算法进行优化得到满足性能约束条件的蜗杆头数,蜗轮模数和蜗杆直径系数。优化结果表明,Rb-MIMIC算法可以快速的对蜗杆传动进行优化设计,与常规优化设计的结果相比,蜗轮齿圈体积减少31%,为蜗杆蜗轮传动优化提出一种新的思路和方法。     

一种基于罚函数的混合分布估计算法

分布估计算法是一种新型的基于概率模型的进化计算方法,已在许多领域得到了非常成功的应用.借签罚函数根本思想,把非线性约束优化转变为无约束优化,并利用多变量相关的MIMIC算法对所得的无约束问题进化求解,提出的新算法突破了传统基于约束保持法或可行规则法的约束处理,且分布估计算法是基于可行解的宏观层面的随机进化算法,具有较强全局寻优能力和较高的收敛率.数值试验表明该算法具有很强的全局寻优能力和有效性.