无约束优化加速搜索法及其在模型参数估计中的应用

提出了一种直线和曲线线性加速搜索的方法,并给出了算法的具体计算步骤。将其应用于控制系统的模型参数估计,计算结果表明参数优化过程的收敛速度得到很大改善,符合工程实际需要。     

基于混沌搜索和模式搜索的混合优化方法

混沌搜索能够有效跳出局部极小,然而其细搜索能力不足;模式搜索具有很强的细搜索能力,但是其搜索结果的好坏在很大程度上依赖于初始点的选择.为了提高基于混沌搜索的优化方法的搜索精度,基于混沌搜索和模式搜索,本文提出了一种混合混沌模式搜索方法.该方法在混沌搜索的基础上再进行模式搜索得到最终的搜索结果.混沌搜索结果的精度不需要很高,却可以为模式搜索提供有效的初始点,避免搜索陷入局部极小,只需要简单搜索即可得到理想的最优解.仿真结果表明混合混沌模式搜索方法简单、高效.     

基因算法及其在最优搜索上的应用

本文对一种新的搜索算法——基因算法进行了基本研究。基因算法是对自然界生物进化的一种模仿,它包含三个基本的算子:再生、交叉和变异。本文对基因算法的过程作了描述,并对其参数设计进行了简单的定性分析。最后还将基因算法用于一维、二维和三维的函数寻优,给出了许多试验的结果。     

非线性系统辨识的递推-迭代方法

所提出的辨识新方法,以递推最小二乘(RLS)参数估计与非线性规划(BFGS)为主体。其测量数据的部分新息由RLS利用,而另一部分新息则通过BFGS加以采用。通常RLS只能递推地得到“粗略的”参数估计值,而BFGS则迭代地精确化参数的估计值。该辨识算法用于线性系统时,可以提高参数估计值的精度,改善收敛性。另外,该算法中的非线性迭代最优化过程可以克服非线性效应,参数估计值的精度和收敛性可以得到改进,这已由数字仿真验证。     

基于混沌搜索的优化方法的研究进展

混沌是非线性系统中的一种较为普遍的现象,混沌现象具有随机性、遍历性和规律性的特点。在优化设计领域中,混沌现象的遍历性特点可以作为搜索过程中避免陷入局部极小的一种优化机制。目前混沌已经成为一种新颖的全局优化技术,基于混沌搜索的优化方法的研究受到了人们的重视。通过改进混沌搜索方法本身或是结合模拟退火、遗传等算法,优化性能获得提高。该文在大量文献的基础上,对基于混沌搜索的优化方法及其研究进展进行了总结。     

无约束优化问题线搜索方法的收敛性

在较弱条件下给出了5种线搜索准则下的线搜索方法的收敛结论,这些结论对于构造快速有效的收敛算法是十分有用的。表明了搜索方向在这些方法中起主要作用,同时步长在一定条件下保证了算法的全局收敛性。说明了算法可用于求解更广泛的无约束优化问题。     

在Armijo线搜索下WYL方法的全局收敛性

提出一种新Armijo型线搜索,并证明了在此搜索下一种新共轭梯度算法具有全局收敛性.新Armijo型线搜索能够使新的共轭梯度算法找到合适的初始步长,从而使它能够更好地运行.数值试验表明在新Armijo型线搜索下的该方法是有效的.     

高阶反馈型神经网络及其在优化计算中的应用

本文用神经网络来求解多元函数的极值.针对 Hopfield 网络的局限,提出了一种高阶反馈型神经网络,并从数学上证明了这个网络具有良好的稳定性.当阶数为2时,功能类似于 Hopfield 网络,但比它稳定.本文还给出求解多元高次函数全局最优解的方法.最后给出了该网络的计算机数值仿真.     

一种采用随机数直接搜索方法的应用及其改进

应用随机数直接搜索的单纯形最优化方法，将系统高阶模型简化为低阶效模型，并对控制系统调节器参数进行在线寻优，在保留方法原有优点的基础上对搜索范围的变化规定了改进，即依据目标函数值的大小来改变收缩系数，以达到搜索参数快速收敛于最优点的目的。     

非线性微分方程迭代算法及其在物理学中的应用

本文研究了形如(θ) N∑n=0 anθn=0 的非线性微分方程,给出一种可以求解这类方程的迭代方法.并将物理学中单摆运动方程,通过适当的变化成为上述方程的形式,从而利用迭代法求解.     

多目标模糊优化方法及其在工程设计中应用

应用多目标模糊优化方法,以工程设计中桥式起重机箱形主梁设计为实例,建立了桥式起重机箱形主梁多目标模糊优化设计的数学模型,构造了模糊目标集,确定了多目标函数的模糊性和约束的模糊性,并应用最优水平截集法实现了模糊约束到实数论域上的集合转换,从而用遗传算法寻求到子目标函数在可行域空间的最优解和约束最优值.优化结果表明,在工程设计中应用多目标模糊优化方法是可行和有效的.     

无约束优化问题的多重滤子线搜索信赖域方法

结合多重滤子、线搜索和非单调技术,对无约束优化问题提出新的非单调信赖域算法.当试验点迭代不成功时,采用多重滤子线搜索,尽量减少重新求解信赖域子问题的次数,从而降低了计算量.在一定的条件下,给出新算法的全局收敛性证明.     

人工免疫网络算法的改进及免疫优化应用

基于人工免疫网络算法(aiNet)模型,借鉴禁忌搜索算法(TS)的思想,提出一种禁忌搜索与人工免疫的混合算法,即人工免疫网络算法(TS-aiNet).在算法中引入禁忌表,禁忌那些在网络迭代中亲和度连续不再增加的细胞,并通过特赦准则赦免一些被禁忌的优良状态;增加1个记忆表,用于保存成熟的记忆细胞;重新定义高斯变异方式,以保证多样化的有效搜索.利用Markov链证明算法全局收敛性,通过对多个典型系统测试函数的仿真实验定量分析该算法的性能,并与经典克隆选择算法和opt-aiNet算法进行比较研究,分析特征参数对算法性能的影响.实验结果表明,该算法在多模态搜索空间中具有更强的全局收敛性、稳定性和寻找极值点能力,能够克服早熟现象,是一种有效的全局优化搜索方法.     

基于改进的网格搜索法的SVM参数优化

比较了现今应用比较广泛的3种支持向量机(SVM)参数优化方法.具体分析了网格法、遗传算法和粒子群算法在SVM参数优化方面的性能以及优缺点,提出了一种改进的网格法.先在较大范围内进行搜索,在得到的优化结果附近区域再进行精确搜索.实验表明改进的网格搜索法耗时短,更适用于有时间要求的说话人识别应用中.     

基于改进引力搜索算法的励磁控制PID参数优化

在引力搜索算法（GSA）基础上,结合PSO算法中粒子的运动特点,提出了改进引力搜索算法（IGSA）,并将其应用到励磁控制系统PID参数优化．IGSA嵌入了引力搜索和粒子群搜索,使其在保留引力搜索特点的前提下增加了信息共享及记忆能力,进一步提高了搜索能力．定义了同时考虑ITAE指标和超调量指标的加权目标函数,提出了基于混沌引力搜索的参数优化策略．将IGSA与传统群体优化算法进行了充分对比试验,验证了提出的励磁控制系统PID参数优化方法的有效性．     

改进的混沌优化算法及其在函数优化中的应用

针对基本混沌优化算法在求解三维以上的多维函数时不易求得全局最优解的局限性,通过引入解向量的优选,提出了一种改进的混沌优化算法,主要思路是通过多次可行解向量的混沌优选,将可行解定位到最优解的附近,再用二次载波进行搜索找出多维函数的全局最优解.仿真计算表明:该算法对三维以上函数可以显著提高搜索精度,收敛性能好,容易找到全局最优解.     

邻域搜索算法的统一结构和混合优化策略

邻域搜索算法的多样性和研究成果的分散性阻碍了算法的系统化研究与发展 ,因此建立统一的结构框架很有必要。论文通过对邻域搜索算法的流程和主要环节的分析与归纳 ,基于空间分解和进程分解的思路提出了邻域搜索算法的一种统一结构 ,为优化算法的系统化研究和新型混合优化算法的开发提供了可行途径。进而 ,基于统一结构 ,利用遗传算法和模拟退火算法在优化结构和优化行为上的互补性 ,将它们的优化机制和优化操作合理结合 ,提出了具有并行搜索和概率突跳特性的全局高效 GASA混合策略。     

一种自适应免疫遗传算法及其在系统辨识和参数优化中的应用

基于遗传算法与免疫系统的机理,提出了一种自适应免疫遗传算法(AIGA).该算法定义了选择、扩展与突变等操作,通过对选择比例、扩展半径、突变半径的约束和参数的自适应调节,提高了算法的全局与局部搜索能力.同时,将AIGA用于系统辨识以及PID参数的优化中,进行了仿真实验,取得了较好的结果,证明了该方法的有效性.     

求解连续函数优化的自适应布谷鸟搜索算法

为了提高布谷鸟搜索算法求解连续函数优化问题的性能,提出一种自适应布谷鸟搜索算法,改进算法利用解与当前最优解之间对应维上距离,实现随机游动步长的自适应调整。距离当前最优解对应维越远,维的随机游动步长越长,反之越短。利用解的适应度与群体平均适应度的关系自适应调整发现概率,使劣质解比优秀解更容易被淘汰。将自适应布谷鸟算法应用于8个典型测试函数,实验结果表明,改进算法有效改善求解连续函数优化问题的性能,尤其适合求解高维、多峰的复杂函数。与相关的布谷鸟搜索算法比较,自适应布谷鸟搜索算法更具竞争力。     

极值组合元素算法及其在全局查询优化中的应用

极值组合元素算法是一种新型的智能优化算法,该算法采用了极值组合的原理,并结合模式搜索、排雷策略等多种方法进行极值的优化,使优化的速度、精确性和全局性优于其他算法,并适用于各种范围的极值优化.该算法被应用于分布式系统中的全局查询优化处理,经模拟实验验证具有较好的效果.