基于动力学的多父体杂交算法

多父体杂交算法将种群中多个个体张成一个空间,然后在此空间中进行空间搜索,该算法具有很强的解搜索能力和较快的运行速度.动力学演化算法根据粒子群的统计物理特性,模拟粒子群在空间中的运动,提出了一种基于统计物理的粒子选择机制.数值实验表明,动力学演化算法是有效的.结合动力学演化算法的选择策略和多父体杂交算法的遗传操作,提出一种新的基于动力学的多父体杂交算法.该算法对多父体杂交算法中的替换策略进行改进,有效地提高了算法的求解能力,数值实验表明新算法可以很好的收敛,能够快速的找到问题的最优解.     

解决位置管理问题的混沌混合差分进化算法

位置管理问题是移动计算环境中的一个重要问题.提出了一种解决位置管理问题的混沌混合差分进化算法,给出了将浮点编码的种群个体映射为问题解的方法,给出了解决标准差分进化算法早熟收敛问题的混沌搜索算法.仿真结果表明,混沌混合差分进化算法能有效解决移动计算中的报告小区规划问题,且算法的搜索质量优于遗传算法、禁忌搜索算法、蚁群算法和传统差分进化算法.     

求解连续空间优化问题的量子差分混合优化算法

借鉴量子计算的相关原理和差分进化思想,提出一种用于连续空间优化问题的量子差分混合优化算法。算法的核心是构造由决策向量的分量和量子位概率幅为等位基因的实数编码染色体;采用依据染色体的具体形式设计的互补变异进化部分优秀个体,以加快算法的收敛速度;利用差分进化思想进化部分随机选取个体,以保持算法的全局搜索能力和鲁棒性。对Benchmark函数测试表明,该算法具有寻优能力强、搜索精度高和稳定性好的特点。应用该算法求解路基沉降预测模型参数估计问题,能够有效提高实测沉降数据的拟合精度.     

双倍体差分进化粒子群算法在VRPSDP中的应用研究

针对粒子群算法和差分进化算法的不足,根据生物遗传学规律,提出了双倍体差分进化粒子群算法,并将其用于具有集送货需求车辆路径问题的求解中.个体有显性隐性两种状态,显性状态执行粒子群优化规则,隐性状态执行差分进化规则,通过比较适应度显性隐性可以互换.根据算法和问题特点,提出了一种实数编解码方案,使用启发式算法修正和改进算法结果.通过仿真实验,分析讨论了算法的参数,并与其他算法进行了比较,表明该算法是求解具有集送货需求车辆路径问题的有效方法.     

基于改进差分进化算法的水文模型参数多目标优选研究

在差分进化算法的基础上, 受马尔可夫链蒙特卡罗方法的启发, 建立了differential evolution adaptive metropolis (DREAM)算法. DREAM 算法融合了马尔可夫链蒙特卡罗方法和差分进化算法的优势, 较好地解决了马尔可夫链蒙特卡罗方法中搜索步长的恰当取值以及搜索方向的准确定位问题, 并能有效解决差分进化算法的群体多样性和收敛速度问题. 在 DREAM 算法基础上, 引入多目标优化思想, 提出了一种基于改进适应度分配策略和外部存档方案的多目标 DREAM 算法, 并应用于岷江流域 CMD-3PAR 降雨-径流模型参数优选研究. 结果表明: 多目标DREAM算法能够找到一组范围宽广、分布均匀且数量充足的 Pareto 最优解供决策者评价优选.     

带时间窗的车辆路径问题的改进差分进化算法研究

研究带时间窗口的物流配送车辆路径问题(VRPTW),主要考虑车辆容量、时间窗口、最大距离等约束,且完成配送所需的车辆数目不确定,要求在车辆数目最少的条件下再使总的行驶路径最短.提出了该问题的混合整数规划模型,运用改进差分进化算法求解该问题.算法采用序数编码,设计辅助算子解决变异问题,差分进化的交叉率随进化代数自动更新.应用MATLAB语言编程进行仿真计算,得到了最优解,结果表明该算法是求解带时间窗的车辆路径问题的一种有效方法.     

求解混合整数规划的嵌入正交杂交的差分进化算法

针对混合整数非线性规划问题中同时含有0-1整数变量和连续变量,采用0-1二进制编码和实数编码的混合编码方案,将布尔逻辑运算中的异或(exclusive or, XOR)算子引入到差分进化的变异算子中,以处理0-1整数变量,将基于正交试验设计的正交杂交算子和差分进化的杂交算子相结合,来增强差分进化算法的系统探索能力。为了验证该算法的性能,测试了一些数值例子,并与其他算法作了比较。数值实验结果表明,提出算法具有良好的稳健性和有效性。     

自适应加速差分进化算法

差分进化算法是一种新的进化计算技术,具有良好的优化性能,但是对于高维多模态函数,算法易早熟收敛;其优化性能受差分进化模式类型及演化控制参数取值的影响较大.为此,提出自适应加速差分进化算法,该算法利用混沌的遍历性产生初始群体,以克服种群体初始化时的盲目性和随机性;其次随着搜索过程的进行随机自适应地调整缩放因子和选取差分进化模式,以减少人为因素影响,增强搜索能力.通过对多个函数进行仿真试验研究,结果表明该方法寻优效果显著,明显减少了迭代次数,提高了计算效率.     

基于随机邻域策略和广义反向学习的自适应差分进化算法

全局探索和局部开发能力之间的平衡以及对控制参数的整定是影响差分进化(differential evolution, DE)算法性能的主要因素。针对这两个问题, 提出一种基于随机邻域策略和广义反向学习的自适应DE算法。首先, 在每一代进化过程中, 算法从当前种群为每一个体随机选择相应的邻域, 其中最优个体作为基向量执行变异操作, 邻域中个体数量随进化动态更新。其次, 采用基于历史存档的自适应参数整定方法, 进化进程中根据“精英”信息动态更新算法各参数。最后, 在初始化和每一代进化结束阶段, 执行基于广义反向学习策略的种群初始化和种群“代跳”操作。通过基于27个标准测试函数的3组仿真实验, 验证了所提算法具有寻优精度高、收敛速度快、鲁棒性强的优点。     

运用ADE算法进行Wiener模型辨识

DE算法是一类基于种群的启发式全局搜索技术,该算法原理简单,控制参数少,鲁棒性强,具有良好的优化性能.首先利用DE算法对Wiener模型参数进行辨识,分析了算法中变异率F对辨识过程中的全局并行搜索能力和收敛速度的影响;其次运用一种自适应变异差分进化算法(ADE)进行Wiener模型参数辨识,该算法在初期变异率较高,种群具有多样性,避免过早收敛于局部最优解;在进化过程中,变异率逐渐变小,优良个体得以保留,避免最优解遭到破坏.运用ADE算法对Wiener模型的数值仿真结果表明了ADE算法在参数辨识问题中的有效性,以及较PSO算法更强的非线性系统辨识能力.与一般的DE算法相比较,ADE算法辨识到全局最优解的精度和概率有较大提高,对算法参数的敏感性降低.     

数值求解常微分方程初值问题的一类并行算法

本文给出了一类数值求解常数微分方程初值问题的并行算法，该类并行算法适用于ＭＩＭＤ型多处理机系统，具有良好的收敛性和数值稳定性，此类并行算法对Ｍｉｒａｎｋｅｒ和Ｌｉｎｉｇｅｒ１９６７年提出的一种构造思想做了圆满的解闷。     

差异演化算法的数值模拟研究

差异演化作为一种较新的演化算法，具有较强的寻优能力，但其优化性能受差异演化模式类型及演化控制参数取值的影响非常大。通过一组测试函数的数值模拟研究，给出了演化模式合理选取及演化参数（包括种群大小、交又概率及缩放因子）合适摹值的方法，解决了差异演化算法在应用时面临的一系列问题．此外，还基于演化能力较强的差异演化模式DE／rand／1／exp，提出了一种新的演化模式DE／rand2／1/exp，进一步提高了差异演化效率．     

混沌差分文化算法及其仿真应用研究

针时差分进化算法(DE)全局寻优能力差,无法有效的求解工程中复杂的高维非线性优化问题等缺点,提出一种混沌差分文化算法(CDECA).该算法模型将DE嵌入文化算法的框架作为主群体空间的进化过程,同时,引入具有较强局部搜索性能的混沌搜索来进行信念空间的进化,并通过设计一组联系操作实现文化算法模型中两个空间的互相影响互相促进,提高算法的寻优效率.几个典型测试函数的测试结果表明CDECA的搜索能力优于DE,将其应用于某大型水库的优化调度,也取得满意的效果.     

含风电电力系统动态经济调度的差分纵横交叉优化

由于风电具有随机性和波动性的特点，大规模风电并网使得电力系统经济调度更加复杂。结合参数自适应差分算法（ADE ）和纵横交叉优化算法（CSO ）各自的优点，提出一种自适应差分纵横交叉（ADE-CSO ）混合智能优化算法。为了满足负荷平衡等式约束和机组功率爬坡约束，提出一种启发式约束处理方法。在接入风电的5 机系统上对ADE-CSO 算法进行仿真，并与4 种其他智能优化算法进行比较。实验结果表明，提出的算法具有良好的优化性能和全局收敛性能，是一种求解含风电场电力系统动态经济调度的有效方法。     

求解常微分方程初值问题的并行块隐式Runge—Kutta方法

本文针对多处理机系统构造了一类并行块隐式Runge-Kutta方法。在S=2的情况下,给出了几个具有三阶精度的并行计算公式,并证明了这类公式具有A稳定性,数值结果表明该计算公式对求解刚性常微分方程是有效的。     

实现定点DSP汇编层反正切函数的差分进化算法

基于差分进化算法,提出一种在定点DSP汇编层快速实现高精度反正切函数的方法,并对该方法在确定精度范围内的正确性和实时性进行了测试。与传统方法相比,差分进化算法求得的逼近多项式精度高、阶数小,设计出的反正切函数实时性远优于C库函数。同时差分进化算法还可以用于其它非线性数学函数在实时环境中的高效实现。     

微分进化算法的研究综述

微分进化(DE)是比较新的基于群体的随机优化方法.它具有简单、快速、鲁棒性好等特点,已经得到广泛关注.不同于其它进化算法,它的变异算子是由种群中任意选取的多对向量的差值得到的.微分进化主要用于实参数优化问题,在非线性和不可微的连续空间问题上优于其它进化方法.近些年,微分进化的应用领域也是不断扩大.研究目的是总结微分进化的研究进展和应用领域,并对它的进一步研究进行展望.     

分段线性微分包含系统的最优控制设计

针对分段线性微分包含系统,根据Hamilton-Jacobi-Bellman(H-J-B)不等式将最优控制设计问题转化成最优控制性能上界的优化问题及性能下界的求取问题.其中性能上界的优化是一组以反馈增益为寻优参数的双线性矩阵不等式(bilinear matrix inequalities,BMI)问题,而性能下界是一组基于线性矩阵不等式(linear matrixinequalities,LMI)的半正定规划问题.结合遗传算法和内点法设计了一种混合算法对BMI问题进行求解.算例表明方法的有效性.     

基于果蝇算法的约束区域均匀实验设计方法

针对已有的基于差分演化算法的两阶段均匀实验设计方法仍存在种群在约束区域分布多样性不佳和局部搜索能力不强的问题,提出了一种基于果蝇算法的两阶段均匀实验设计方法(two phase fruit fly optimization algorithm, ToPFOA)。ToPFOA第1阶段运用融合差分算子的果蝇搜索策略、基于K-means聚类及外部文档更新类中心等方法,以动态改进种群在约束区域分布的多样性;在此基础上,第2阶段进一步使用自定义果蝇算子提高约束区域内局部搜索能力。实验结果表明ToPFOA在解质量和稳定性上均优于ToPDE和ToPDEEDA。