一种求解复杂约束优化问题的文化算法设计

分析和设计了一种基于进化规划的文化算法,并研究了该算法在解决复杂约束优化问题中的应用.该研究的主要新特征是采用进化规划来对群体空间建模,并根据相应的群体空间,对信仰空间在进化过程中如何提取、存储和更新各种知识源进行了详细的分析和设计,并将所得到的新知识用来指导群体的进化过程.为验证算法的有效性,使用了一个典型的基准测试函数进行了仿真实验,并与目前其他较好的约束优化处理算法进行了详细比较,仿真结果表明,该算法具有更好的优化性能以及更低的运算代价.     

基于文化算法的投资组合规划问题求解

运用两种版本的文化算法对投资组合的非线性规划模型进行求解,并与进化规划算法进行了比较.仿真实验表明,与进化规划相比,文化算法的两个版本均能以更快的速度稳定地收敛到全局最优解,因此采用文化算法求解此类非线性优化问题更为有效.     

处理带约束的多目标优化进化算法

针对当前对求解多目标优化的遗传算法中主要考虑如何处理相互冲突的多个目标间的优化,而很少考虑对约束条件的处理的问题,提出一种求解带约束的多目标优化遗传算法,利用邻域比较与存档操作遗传算法处理多个相互冲突的目标之间的优化、利用不可行度选择操作处理约束条件和选用约束主导原理指导进化过程选择操作; 面向多目标约束优化算法,列举了2个难点典型问题进行仿真计算研究,仿真结果表明该算法能较大概率地获得多目标约束优化问题的可行Pareto最优解.     

云存储部署优化的进化算法设计

针对云计算环境下的云存储部署规划优化问题,全文研究和提出了一种进化算法并进行了求解.首先基于对象存储方法,设计了三层架构云存储模型.在建立的模型中,将云存储部署抽象为多目标优化调度问题,针对现有粒子群优化算法或遗传算法在解决这一优化调度问题过程中出现的收敛速度及调度效率等方面的不足,将2种算法进行有效融合,设计了混合进化算法来进行求解,讨论了进化算法的优化设计过程.同时,在云计算仿真平台CloudSim上,对所提出的优化算法进行仿真实验,并对云存储中负载均衡等性能指标的改善程度进行了检测.结果表明,所提出的混合进化算法有效实现了云存储的优化部署任务,与其他进化算法相比,能对性能指标实现更优配置.     

基于进化规划的文化算法

讨论了基于进化规划的文化算法,阐述进化规划如何嵌入文化算法以及信念空间用区间约束网的表示.用9个非线性约束优化实例进行测试,结果表明,约束数目越多,信念空间对问题的解决所起的作用越明显.     

求解约束优化问题的微粒群算法

微粒群算法(简称PSO算法)是一种新型的进化计算方法,已在许多领域得到了非常成功的应用。本文以约束优化问题为对象,首先介绍了采用罚函数法将约束优化问题化为无约束优化问题,和将约束优化问题转化为minmax问题,然后对无约束优化问题和minmax问题,采用PSO算法进行进化求解;在此基础上,以目标函数和约束满足分别为优化目标提出了一种双微粒群的PSO算法。仿真实验结果验证了方法的正确性与有效性。     

基于进化规划的文化算法

讨论了基于进化规划的文化算法，阐述进化规划如何嵌入文化算法以及信念空间用区间约束网的表示．用9个非线性约束优化实例进行测试，结果表明，约束数目越多，信念空间对问题的解决所起的作用越明显．     

基于物理设计约束的模拟电路尺寸设计的优化算法GMSGA

在模拟电路自动化尺寸设计方法中,基于仿真的方法精度高但耗时巨大.考虑到物理设计的约束,基于优化的模拟电路尺寸设计问题可以看作混合整数规划问题,然而利用传统的方法解决这类问题耗时巨大.为了解决该问题,本文提出一种新的优化算法:混合高斯采样贪婪算法(GMSGA).该算法首先基于混合高斯过程采样的方法获得约束侵犯和较小的良好的起始点,随后将混合整数规划问题近似地分解为整数规划问题和连续变量优化问题分别求解,其中:整数规划问题采用了一种贪婪算法,这极大地减少了仿真次数;连续变量优化采用序列二次规划算法,用来对结果进行局部优化.为验证算法的效率和可靠性,我们利用该算法了设计一个ADC中的运算放大器和E类功放.实验结果表明:相较于其他算法,该算法在相同的仿真次数下多次实验可以得到更好的优化结果.     

基于双群体的非线性约束规划进化算法

在求解非线性约束规划问题中,对其约束条件的处理是一个难点问题.本文提出了一个非线性约束规划的双群体进化算法,与以往存在的约束优化算法不同之处在于:定义个体对约束条件的函数值作为约束违犯度对群体中的个体进行度量,目标函数值作为最优解的度量.首先考虑了标准的约束规划问题,简单介绍了约束优化问题中约束条件的处理方法,给出了与这些方法不同的处理方法.针对约束违犯度,定义了两个群体,即可行群体与不可行群体.然后给出了双群体进化算法详细步骤,用5个Benchmark函数测试了此算法,并通过与其它已知算法对此5个函数的计算结果的比较,验证了算法的可行性和有效性.     

求解非线性约束优化问题的进化规划算法

给出一种求解带有非线性约束优化问题的进化规划算法,此算法能避免将约束问题转化为无约束问题,计算时间较短且算法稳定性强,通过数值计算得到最优解.