An Exact Logarithmic-exponential Multiplier Penalty Function

In this paper, we give a solving approach based on a logarithmic-exponential multiplier penalty function for the constrained minimization problem. It is proved exact in the sense that the global optimizers of a nonlinear problem are precisely the global optimizers of the logarithmic-exponential multiplier penalty problem.     

双参数精确罚函数求解约束优化问题的拟牛顿算法

对于含约束不等式的最优化问题,给出了一种双参数罚函数形式和这种罚函数的精确罚定理,提出了一个求解这种罚函数无约束优化问题的拟牛顿算法,研究了它的收敛性,数值实验表明了该算法是可行的.     

模糊逻辑系统的一种自适应参数学习算法

根据自适应模糊逻辑理论以及基于导数的参数优化方法,分析了模糊逻辑系统常规参数优化算法存在的不足,从改善模糊系统的参数训练步长的角度着手,对其常规的最速下降算法进行了改进,提出了一种新的自适应模糊逻辑系统参数学习算法,并对该算法的推导过程进行了具体的分析和描述。最后,针对一非线性函数逼近问题,对该算法进行了验证,仿真的逼近精度和收敛速度都获得了提高,表明本文提出的模糊逻辑系统自适应参数学习算法是可行和有效性的,且能够克服常规参数优化算法中存在的某些不足。     

An Exact Penalty Function Method for Linear Static Stackelberg Problem with Multiple Leaders and Multiple Followers

ＡｎＥｘａｃｔＰｅｎａｌｔｙＦｕｎｃｔｉｏｎＭｅｔｈｏｄｆｏｒＬｉｎｅａｒＳｔａｔｉｃＳｔａｃｋｅｌｂｅｒｇＰｒｏｂｌｅｍｗｉｔｈＭｕｌｔｉｐｌｅＬｅａｄｅｒｓａｎｄＭｕｌｔｉｐｌｅＦｏｌｌｏｗｅｒｓＬＩＤｅｎｇｆｅｎｇ；ＣＨＥＮＳｈｏｕｙｕ（Ｄｅｐ...     

一种增强型基于失败者淘汰的多模态烟花算法

提出一种增强型基于失败者淘汰制的多模态烟花算法。该算法采用一种新型的考虑位置特征的映射规则,把超出爆炸空间上边界的爆炸火花映射到爆炸空间上边界附近的区域、把低于爆炸空间下边界的爆炸火花映射到爆炸空间下边界附近的区域。所提算法引入了自适应调整爆炸火花数量参数的策略,以更好地平衡算法的全局和局部搜索能力。选取CEC2013标准测试函数集中的28个函数进行测试,实验结果表明所提算法具有更优的搜索性能。     

An Inverse Power Generation Mechanism Based Fruit Fly Algorithm for Function Optimization

As a novel population-based optimization algorithm, fruit fly optimization(FFO) algorithm is inspired by the foraging behavior of fruit flies and possesses the advantages of simple search operations and easy implementation. Just like most population-based evolutionary algorithms, the basic FFO also suffers from being trapped in local optima for function optimization due to premature convergence.In this paper, an improved FFO, named IPGS-FFO, is proposed in which two novel strategies are incorporated into the conventional FFO. Specifically, a smell sensitivity parameter together with an inverse power generation mechanism(IPGS) is introduced to enhance local exploitation. Moreover,a dynamic shrinking search radius strategy is incorporated so as to enhance the global exploration over search space by adaptively adjusting the searching area in the problem domain. The statistical performance of FFO, the proposed IPGS-FFO, three state-of-the-art FFO variants, and six metaheuristics are tested on twenty-six well-known unimodal and multimodal benchmark functions with dimension 30, respectively. Experimental results and comparisons show that the proposed IPGS-FFO achieves better performance than three FFO variants and competitive performance against six other meta-heuristics in terms of the solution accuracy and convergence rate.     

采用非固定多段映射罚函数的非线性约束优化差分进化算法

采用非固定多段映射罚函数法处理问题的约束条件,提出了一种用改进差分进化算法求解非线性约束优化问题的新方法.结合差分进化算法两种不同变异方式的特点,引入模拟退火策略,使算法在搜索的初始阶段有较强的全局搜索能力,而在后阶段有较强的局部搜索能力,以提高算法的全局收敛性和收敛速率.用几个典型Benchmarks函数进行了测试,实验结果表明,该方法全局搜索能力强,鲁棒性好,精度高,收敛速度快,是一种求解非线性约束优化问题的有效方法.     

基于遗传算法的Cobb-Douglas模型参数的灰色辨识

运用ＧＭ（０,ｈ＋１）模型方法,同时应用改进的遗传算法,提出了基于遗传算法的Ｃｏｂｂ－Ｄｏｕｇｌａｓ生产函数模型参数的灰色辨识方法,并建立了Ｇｒｅｙ－Ｃｏｂｂ－Ｄｏｕｇｌａｓ生产函数模型。通过实例的拟合检验表明,应用提出的方法是有效的。     

基于改进小生境演化算法的多峰函数优化算法

传统演化算法在求解复杂多峰函数优化问题时经常会出现早熟、收敛速度慢等问题,特别是对于有多个最优解的函数,往往只能找到个别的最优解.针对这些问题,提出了一种基于膈离机制与排挤机制相结合的小生境演化算法.利用隔离机制增强引导进化能力,利用排挤机制保证种群的多样性,同时,采用反序交叉算子进一步加强局部寻优能力.实验表明,使用该改进小生境演化算法求解函数优化问题能更有效地克服传统演化算法存在的收敛速度慢和容易陷入局部最优解等缺点.     

函数优化的量子蚂蚁算法

借鉴蚁群算法的进化思想,提出一种求解连续空间优化问题的量子蚂蚁算法.该算法主要包括全局搜索、局部搜索和信息素强度更新规则.在全局搜索过程中,利用信息素强度和启发式函数确定蚂蚁移动方向.在局部搜索过程中,提出了基于Delta势阱的量子搜索,以改善寻优性能,加快收敛速率.通过实例验证表明了该算法的有效性.     

模糊C均值算法参数仿真研究

通过对制造单元构建领域的20组文献数据的仿真实验,研究了不同参数对FCM聚类性能的影响,得出了面向制造单元构建的FCM最佳参数组合。实验结果表明:(1)随着模糊度指数m的增加,成组效果降低,聚类时间减少;(2)随着停止参数ξ的减小,不可行方案数量增加,聚类时间增加;(3)FCM的最佳参数选取为模糊度指数等于2,停止参数等于0.01。     

人群搜索和樽海鞘群的混合算法优化PID参数

为解决在优化全局时人群搜索优化算法(seeker optimization algorithm,SOA)容易过早收敛的问题,提出了一种新的基于人群搜索和樽海鞘群(salp swarm algorithm,SSA)的SOA-SSA混合算法。基于双种群进化策略,种群中的部分个体由人群搜索优化算法进化,其余个体由樽海鞘群算法进化。SOA和SSA的个体都使用信息共享机制实现协同进化,增加了种群的多样性,避免了算法过早收敛。实验结果表明：该算法在高维函数和PID参数优化方面都是可行的。与其他算法相比,SOA-SSA算法的收敛速度快、精度高、鲁棒性强,有更好的优化性能。     

一种可修正激励函数的BP算法

以往的ＢＰ算法调节神经元网络的权值，其网络的隐层结点数、网络学习快慢程度及网络的泛化能力都与网络的激励函数有关的。为此，本文提出了一种带可以修正激励函数的ＢＰ算法，其特点是它能更好地模拟人脑神经元的特性。通过仿真验证此方法是非常有效的。     

基于免疫粒子群算法的飞行控制器参数寻优

提出了一种免疫粒子群混合优化算法.该方法将免疫算法中的基于浓度的抗体繁殖策略与粒子群优化算法相结合.对浓度低的粒子进行促进,对浓度高的粒子进行抑制,因而保持了粒子的多样性,克服了PSO算法易于陷入局部最优点的缺点,寻优速度快.将该方法用于飞行控制器的参数优化设计.仿真结果表明：使用该方法进行参数优化设计获得了优良的飞行控制效果,能够较大地提高飞行控制器参数的设计效率.     

超短波信道中多簇散射参数估计算法

在超短波通信环境中,散射物大多非均匀分布,集中趋向于某个区域,信号在传播过程中经过多次反射、散射,到达接收端的多条路径在时间和空间上会形成簇。对同一簇内多径信号的空间传播特征,可以用来波方向波达角的中心波达角(均值)和角度扩展(或者方差)两个统计参数描述。针对实际信道环境中存在多簇散射波,提出了使用广义旁瓣对消框架下的多级维纳滤波和粒子群搜索算法,来进行这两个统计参数的估计。仿真实验表明该算法可较精确地实现这两个统计参数的估计,并且该算法具有较强的鲁棒性。     

基于遗传算法和最速下降法的函数优化混合数值算法

在遗传算法中嵌入一个最速下降算子，并定义适当的适应度函数和子代个体的选择算子，从而可结合遗传算法和最速下降法两者的长处，得到既有较快收敛性，又能以较大概率得到全局极值的新的用于连续函数全局优化的混合数值算法。数值计算结果表明了本文方法显著优于求解函数优化的遗传算法和最速下降法.     

MINIMAX INVARIANT ESTIMATOR OF CONTINUOUS DISTRIBUTION FUNCTION UNDER LINEX LOSS

In this paper we consider the problem of estimation of a continuous distribution function under the LINEX loss function. The best invariant estimator is obtained and proved to be minimax for any sample size n ≥ 1.     

一种自适应ESPRIT算法

运用特征子空间方法的关键在于信号或噪声子空间的估计.实际上有些信号的统计特性通常随时间变化,为得到参数的实时估计值,需要随时根据新的阵列接收数据对信号或噪声子空间进行更新.首先建立了用于信号到达主向(DOA)估计的SVD-ESPRIT算法,然后利用受限摄动分析提出了一种子空间跟踪算法.将该跟踪算法与SVD-ESFRIT算法相结合,得到的自适应ESPRIT算法可用于对时变的信号DOA进行跟踪估计.仿真计算结果验证了该算法的有效性.     

多峰函数优化的免疫混沌网络算法

针对多峰函数优化问题,借鉴混沌遍历特性和免疫网络理论,提出一种免疫混沌网络算法。算法利用混沌运动的自身规律在不同的峰值区域内搜索最佳抗体,增强了算法的局部搜索能力;采用网络抑制策略,保持了种群的多样性;通过网络补充机制自适应地调节抗体群的规模,提高了算法对不同类型多峰函数的适应能力。仿真结果表明该算法能有效地改善种群的多样性,较好地保持全局搜索和局部搜索的动态平衡,具有更强的多峰函数优化能力。     

基于GA的n维空间优化参数的搜索算法

n维空间中函数优化、模式分类判别函数的确定等问题均可转化为n维空间优化参数的搜索问题。采用人工神经网或梯度爬山算法均存在对优化函数形式有限制及陷入局部最优等局限性。提出一种基于遗传算法的n维空间优化参数的搜索算法,它采用对变化方向和长度的编码以及分层由粗到粗的搜索,能实现全局寻优和改善搜索效率,有效地应用于工业优化、数据挖掘、模式识别等领域,二个实例验证了算法的有效性。