组合式全局寻优算法研究

分析了当前用于连续变量全局优化的各种智能算法的特点，指出他们互相融合发展的趋势，提出了一种体现大融合思想的组合式全局寻优算法，将目前各种智能优化算法有机组合在一起，使它们能够共享优化信息，协同寻优，从而形成最丰富的寻优机制，达到最强的全局寻优能力。最后用一个算例验证了该算法的有效性。     

几种随机搜索算法的比较研究

常用的随机搜索算法主要包括模拟退火算法、遗传算法、进化策略。由于这些算法求解时不依赖于梯度信息,其应用范围较广,尤其适用于传统搜索方法解决不了的大规模复杂问题。本文首先介绍了三种算法的思想,然后对它们进行了比较,探讨了其并行实现方案,并指出了需进一步研究的方向。     

电子商务中订单配送优化模型及两阶段算法

针对电子商务环境下订单配送问题的特点,建立了以最小化车辆行驶费用及订单惩罚费用为目标的数学模型.设计了两阶段启发式求解算法.第一阶段用禁忌搜索算法求解在作计划日当天已到交货期的订单的基本配送问题;第二阶段考虑了订单的未来信息,用基于评价值的贪婪插入算法将未到交货期的订单与已有的配送方案进行整合配送,该方法能够提高车辆的使用率及配送企业的配送效率.实验结果验证了模型的合理性及算法的有效性.     

开放式车辆路径问题的蚁群优化算法

研究了开放式车辆路径问题,该问题中车辆在服务完最后一个顾客点后不需要回到车场,若要求回到车场,则必须沿原路返回.提出了一种混合蚁群优化算法,该算法主体是一个在超立方框架下执行的MAX-MIN蚂蚁系统,算法混合了禁忌搜索算法作为局部优化算法,同时算法集成了一个后优化过程来进一步优化最优解.基于标准测试问题,最后给出了算法同文献中其它算法的性能比较结果,计算结果表明本文提出的算法是一个有效的求解开放式车辆路径问题的方法.     

用于连续域优化的蚁群算法及其收敛性研究

蚁群算法作为一种新的智能计算模式,由于其离散性本质而在组合优化问题上取得巨大成功,但这也限制了它在连续问题求解中的应用.为此,提出一种用于连续域寻优的改进蚁群算法.算法的局部搜索基于解决离散问题的经典蚁群优化思想,全局搜索利用Ant Walk和Ant Diffusion技术, 且每代寻优结束后均采用"精英策略"把本代最优个体保留到下一代中.最后在理论上对其进行了收敛性分析,证明可较快地收敛到全局最优解,并用几个基准函数对算法做了仿真测试,均取得良好效果.     

单亲遗传算法与传统遗传算法的比较研究

通过对单亲遗传算法（PGA）和传统遗传算法（TGA）的编码方式、遗传算子、运行过程和适值计算等方面的比较分析,指出尽管PGA采用单亲繁殖方式,其遗传操作与TGA有着本质的区别,但PGA的基因重组算子隐含了序号编码TGA的交叉算子的功能,PGA的子代个体保留了父代个体的大部分遗传特征,因此PGA仍属于遗传算法的范畴。     

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。     

基于蚁群禁忌混合算法的成品油多舱配送路径优化研究

依据油品运输策略的不同,成品油二次配送可划分为两种模式:同一加油站的不同油品需求可拆分配送和不可拆分配送.在两种模式的基础上,根据带时间窗的成品油多舱配送基本模型,衍生出两类配送子模型;综合考虑蚁群算法较强的全局搜索能力和禁忌搜索算法的局部搜索能力,设计蚁群禁忌混合算法(ACO-TS),并提出相应策略用于两类子模型的求解.采用12组不同类型的算例进行数值实验,实验结果表明,混合算法能有效的求解两类配送子模型,并且针对第二类子模型设计的特有邻域能够加快算法求解速度;此外,两种配送模式中,同一加油站不同油品需求可拆分的模式在降低配送成本的同时,能够大幅提高车载率,减少车辆使用量。     

一种求解连续空间优化问题的改进蚁群算法

蚁群算法是近几年优化领域中新出现的一种启发式仿生类并行智能进化算法,该算法采用分布式并行计算和正反馈机制,易于与其它方法结合,目前虽然已经在离散空间优化领域中得到了广泛应用,但是在求解连续空间优化问题方面的研究相对较少。在介绍基本蚁群算法机制原理和数学模型的基础上,提出了一种用于求解连续空间优化问题的改进蚁群算法。将连续空间优化问题的解向量分解成有限个网格,同时构造了一个与蚁群转移概率相关的评价函数,并借助相遇搜索策略对蚁群算法进行了改进,将各条寻优路径上可能的残留信息素数量限制在一个最大最小区间,以提高改进后蚁群算法的全局收敛性能。仿真实验表明,提出的改进蚁群算法较文献[11]所提出的自适应蚁群算法能更快地找到连续空间优化问题更优良的全局解,从而为蚁群算法求解这类问题提供了一条可行有效的新途径。     

不确定车辆数的车辆路径问题模型和混合算法

提出用遗传算法(Genetic Algorithms,GA)和禁忌搜索算法(Tabu Search Algorithm,TSA)结合求解不确定车辆数的车辆路径问题.首先描述了带有能力约束的VRP的数学模型,由于车辆数不确定,因此提出另一目标函数,即最小化车辆数,与最小化距离同为目标函数建立了双目标数学规划模型.在车辆数不确定的情况下,把聚类和排序有机地结合起来,并用GA和TSA相结合的混合算法对问题进行求解,即以GA为主,把TSA用在GA的变异操作中,增强算法的爬山能力.实验结果表明,混合算法获得的最好解、平均装载率和计算成本都比较令人满意.     

一种混合混沌优化方法及其应用

利用混沌运动所特有的随机性、遍历性和规律性 ,以及禁忌搜索算法的智能性 ,提出了一种基于混沌的混合优化算法 (chaosandtabusearchoptimizationalgorithm ,CTSA)。用本方法对极小值函数优化问题作了数值试验 ,并与其它优化算法进行了比较 ,其效率明显高于其它算法。     

基于FR-TS法的企业过程模型并行优化技术研究

扩充禁忌区域的内涵,引入禁忌区域扩展与禁忌区域连接技术,有效地加速了全域范围寻优进程,从而改进和完善了FR-TS法,为其赋予了新的意义。采用C/S模型结构,开发出一种实用的并行优化算法及其软件支持环境,支持企业过程的动态优化,对企业进行企业过程重建(business process reengineering,BPR)和实施企业资源计划(enterprise resource planning,ERI,)管理有较大的指导意义。     

基于遗传算法的非线性参数估计器

提出非线性参数估计的遗传算法方法。遗传算法是一种基于自然选择和自然遗传学机理的全局搜索学习算法。文中介绍了遗传算法的基本原理和参数估计算法。仿真实例验证了该方法的良好特性。     

基于禁忌搜索的CDMA多用户检测算法研究

基于禁忌搜索 (tabusearch ,TS)的原理 ,提出了两种实现码分多址 (CDMA)系统的多用户检测 (MUD)的算法。一种是通过合理地选择初始解、当前解的邻域以及禁忌搜索表 ,构造禁忌搜索检测方法 ;另外一种是采用禁忌学习神经网络 (TLNN) ,通过神经网络状态方程的迭代完成最优检测目标函数的全局寻优。通过分析以及对同步和异步情况的仿真表明 ,这两种方法均具有多项式的计算复杂度 ,而TLNN比TS复杂度更低 ;它们优于传统、多级、Hopfield神经网络等方法 ,对远近问题不敏感 ,并且具有与最佳检测方法 (OD)接近的误码率性能。     

最短路径算法的比较

本文介绍了三种最短路径算法及其算法步骤，这三种算法分别被称为Ｄｉｊｋｓｔｒａ算法、ＰＳＰ算法和ＤＢＦＳ１算法。文中对这三种算法的比较，着重阐述了作为一种在计算机上非常优越的算法ＤＢＦＳ１算法的优越性及其原因。最后，给出了ＤＢＦＳＬ１算法的流程图。     

AN IMPROVED ANT COLONY ALGORITHM IN CONTINUOUS OPTIMIZATION

A modified ant colony algorithm for solving optimization problem with continuous parameters ispresented. In the method, groups of candidate values of the components are constructed, and eachvalue in the group has its trail information. In each iteration of the ant colony algorithm, the methodfirst chooses initial values of the components using the trail information. Then GA operations ofcrossover and mutation can determine the values of the components in the solution. Our experimentalresults on the problem of nonlinear programming show that our method has a much higherconvergence speed and stability than those of simulated annealing(SA)and GA.     

基于遗传算法的对潜螺旋搜索

针对应召反潜中敌潜艇直线型规避行为,提出了一种基于遗传算法的对潜螺旋搜索方法.首先建立每段搜索路径中的搜索概率模型,再利用遗传算法对此模型进行优化,选取满足搜索概率最大的搜索器转向角.在搜索任务中要利用上一阶段的探测情况来实时地确定下一阶段的搜索路径,不断地排除敌潜艇不存在区域的角度,具有在短时间内搜索范围大、搜索效率高的特点.与传统螺旋搜索法相比,较好地提高了搜索概率.     

Using Genetic Algorithms to Improve the Search of the Weight Space in Cascade－Correlation Neural Network

ＵｓｉｎｇＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍｓｔｏＩｍｐｒｏｖｅｔｈｅＳｅａｒｃｈｏｆｔｈｅＷｅｉｇｈｔＳｐａｃｅｉｎＣａｓｃａｄｅ－ＣｏｒｒｅｌａｔｉｏｎＮｅｕｒａｌＮｅｔｗｏｒｋ￥Ｅ．Ａ．Ｍａｙｅｒ，Ｋ．Ｊ．Ｃｉｏｓ，Ｌ．Ｂｅｒｋｅ＆Ａ．Ｖａｒｙ（...     

多目标优化的生长竞争蚁群算法

提出一种求解多目标优化的生长竞争蚁群算法。该方法将生长竞争规则引入蚁群算法,给出了在连续空间多目标函数优化的算法描述,定义了生长竞争规则及蚁群邻域的转移概率,并提出了实现算法的具体步骤。算法在MATLAB环境下,对一些典型的测试函数进行了求解和验证,实验结果表明该方法具有向真实的Pareto前沿逼近的效果,是一种求解多目标优化的有效方法。     

遗传——灾变算法及其在非线性控制系统中的应用

本文提出了遣传一灾变算法。在遗传算法的基础上，提出进一步模拟自然界中的灾变现象，以提高遗传算法的性能，尤其是解决重要的不成熟收敛问题。文中介绍了它的基本原理并将其应用于非线性控制系统的优化设计中。仿真实例验证了该算法的优良性能