一种有效的基于实数编码的多目标遗传算法

针对实数编码遗传算法提出了一种通用的基于决策变量的复合交叉算子,并将之用于多目标优化问题的求解,算法效果良好,一定程度上解决了高维多目标优化问题在用遗传算法求解时收敛性差这一难题.通过实验首次揭示了交叉点数对多目标遗传算法性能的影响.     

结合免疫机制的并发定位与建图多目标进化算法

由于基于进化算法的移动机器人并发定位与建图问题本质上具有多目标特性,因此将该问题转化成为多目标优化问题进行处理.为了有效地提高基于多目标进化算法的移动机器人并发定位与建图方法的效率,提出了结合免疫机制的局部搜索方法.为此,构造了称之为关键点栅格吸引操作的局部搜索方法,它运用了所针对问题的领域知识.通过移动机器人物理实验证实了所构造算法的计算代价比其他基于进化算法的单目标优化方法少,获取的地图准确性更高.     

基于多处理机系统实时调度算法的飞机排班问题研究

提出了一种新的基于多处理器系统的实时调度算法有效求解飞机排班问题的方法.该方法以EDF算法和多处理机动态分配方法为基础,建立了航班队列模型,提出了基于多处理机实时调度的多目标的飞机实时分配算法.模拟实验表明,针对不同优化目标的飞机分配算法执行效率均比遗传算法和分支定界算法高至少一个教号级.     

基于Pareto Front的多目标遗传算法

多目标优化是非常重要的研究课题，基于Pareto Optimum的多目标遗传算法非常适合于求解多目标优化问题．本文讨论了不带参数的多目标遗传算法，提出了用排除的办法来构造进化群体的非支配集，同时给出了新群体的构造方法。实验结果表明，本文所讨论的方法比较国际上已有的方法具有更快的收敛速度。     

一种求解H2/H∞控制问题的局部正交多目标遗传算法

针对H2/H∞多目标控制问题的求解,提出一种新的混合多目标遗传算法,以解决遗传算法局部搜索能力差的不足.此算法首先运行多目标遗传算法,以便使解集快速地达到Pareto最优解附近,然后运用一个新的局部优化算法对先前得到的外部Pareto解集进行进一步的局部优化.实例仿真表明,此算法有较强的全局和局部搜索能力,可以提高搜索的效率,适用于绝大多数H2/H∞多目标问题的求解.     

基于动态区域划分的多种群进化算法

针对多种群进化算法中解空间无法准确划分的问题,在进化过程中利用云模型估计优化问题.根据云估计与原问题的差异动态划分解空间;采用聚类算法构建多个子种群,并设计异构进化策略;对区域划分的有效性进行理论分析,证明划分方法能准确缩小搜索空间.实验分析表明:所提出的划分策略既可降低优化问题难度,又能提高算法的有效性与可行性.     

改进的多目标遗传算法及其在PID优化设计中的应用

该文提出一种多目标遗传算法,采用新的拥挤距离计算方法,改进非支配性的比较方法,并引入双重精英策略,提高了进化效率和解的质量,更有效地保持了解的多样性. 将该算法应用于PID优化设计,使系统可同时兼顾快速性、稳定性和鲁棒性,决策者可根据当前工作需求在所得的Pareto解集中选择最终的满意解. 仿真结果表明提出的设计方法有效.     

飞机环控/发动机系统多目标优化

提出一种改进的多目标粒子群优化算法,应用于飞机环控/发动机系统的综合优化. 将不同飞行阶段系统总熵产最小视为不同的目标函数,建立了多目标优化模型. 进而在基本多目标粒子群优化算法基础上,引入跳转操作、族群概念和一种全局最优位置分配方法,提出了一种改进算法,测试结果表明该算法性能良好. 采用该算法对多目标优化模型进行计算,得到收敛且分布均匀的非劣最优解集,为飞机系统综合优化提供一种新思路.     

一种新环境选择策略的多模态多目标优化算法

为了获得多模态多目标优化问题较优解集，本文针对差分进化算法提出了一种新的环境选择策略，一方面通过保留种群中非支配解确保目标空间的收敛性，另一方面通过和参考向量关联获得目标空间分布性较好的种群，通过同时考虑目标空间收敛性和决策空间多样性来选择下一代父代个体。在11个多模态多目标测试函数上的结果表明，本文算法在求解多模态多目标优化问题上是有效的。     

基于混沌思想的粒子群优化算法

为克服粒子群优化算法容易陷入局部最优的缺点,根据混沌运动的随机性、遍历性特点,提出一种基于混沌思想的粒子群优化算法(CPSO).该算法利用种群适应度方差进行早熟收敛判断,实现对进化过程的监视,当发现种群陷入局部最优时,对种群进行混沌初始化,帮助种群摆脱局部最优点.对4种典型测试函数的仿真结果表明,改进算法明显减少了种群陷入局部最优的可能性,其全局寻优能力明显强于标准粒子群优化算法.     

基于莱维飞行扰动策略的麻雀搜索算法

为了解决麻雀搜索算法存在迭代后期搜索多样性不足、容易陷入局部最优等问题,提出了一种基于莱维飞行扰动策略的改进麻雀搜索算法.首先借鉴Sin混沌搜索机制,改进种群初始化策略.然后在麻雀种群觅食搜索过程中引入莱维飞行扰动机制,牵引种群移动适当的步长,增加空间搜索的多样性.最后对14个典型高维测试函数进行实验的结果表明:所提出...     

基于模拟退火思想的优化k-means算法

鉴于典型的基于划分的聚类算法——k-means算法中存在局部最优和算法执行速度慢等问题,提出了基于模拟退火思想的优化k!means算法.该算法将模拟退火思想用于对k-means算法的优化,是一种具有全局最优解和较高执行效率的算法.针对聚类算法典型数据集和随机产生的数据集,在不同情况下进行对比实验.实验结果表明,优化k-means算法优于基本的k-means算法。     

多模态函数优化的小生境克隆选择算法

分析了传统用于多模态函数优化问题小生境遗传算法的特点和不足,基于免疫系统的克隆选择原理,提出一种解决多模态函数优化问题的小生境克隆选择算法(NCSA),通过3个典型的多模态函数寻优问题的仿真实验,说明实现了小生境克隆选择算法在解决多模态函数的优化问题时的有效性.     

基于混沌免疫进化规划的计算机通信网最优流量分配

结合混沌优化方法和免疫进化规划的特点,提出一种新的混合优化方法--混沌免疫进化规则,应用于求解计算机通信网的最小网络时延和流量分配问题,缩短了计算时间,显著地提高了计算效率.     

动态环境下基于混合记忆策略的遗传算法

为了有效地处理动态优化问题,提出一种短时记忆与长时记忆相结合的混合记忆策略. 被记忆的信息由最优个体与种群概率向量组成. 短时记忆作用于进化过程中的每一代,对记忆中的信息进行提取并构建下一代的种群;长时记忆仅在环境发生变化时产生作用,取新环境中最优的一组信息对短时记忆进行赋值. 该文首先构建了动态环境下基于混合记忆策略的遗传算法,然后在非周期、周期和带噪声周期动态环境下进行算法的性能验证. 实验结果表明,新算法处理动态优化问题的能力优于同类算法.     

基于Floyd方法的最短路径算法优化算法

最短路径算法在各领域广泛应用,传统研究方法主要集中在算法应用及单一优化,将两种优化方法集于一体的算法很少.以兰州—北京的铁路运输系统实例,利用Floyd与Dijkstra算法结合、代码优化的方法优化传统Floyd算法.结果表明:优化后的算法在很大程度上减少了运算次数和时间,提高了算法的时间及空间复杂度,算法效率较高.     

具有对偶知识的文化算法

传统文化算法的知识对于进化过程的影响是统一进行的,而知识的趋同性导致算法易早熟收敛于局部最优解. 为此,提出一种新的由当前种群最优个体及其所在区域,以及当前个体共同确定的对偶知识. 当对偶知识指导个体进化时,不同个体的进化方向由相对应的对偶知识所确定. 对复杂函数进行了测试,所得数据表明该算法有良好的全局收敛能力及解决高维优化问题的能力.     

一种新的K-均值动态聚类算法

针对K-均值算法易受孤立点影响、对初始中心点选择敏感、易陷入局部最优的问题,对K-均值算法进行了改进,提出了一种自适应优化选择初始中心点的K-均值算法。实验结果表明,改进后的算法不仅较大程度上弥补了传统K-均值算法的不足,并且提高了聚类的稳定性和准确率。     

粒子群优化的深海图像暗边缘检测优化算法

为解决深海资源探测图像识别难题,提出一种基于粒子群优化的图像暗边缘检测优化算法。该算法通过指数型线性单元和高斯误差线性单元改进激活函数,根据Marr-Hildreth算子检测结果并结合改进激活函数构建暗边缘检测算法,利用粒子群对改进暗边缘检测算法进行训练和优化。最后,采用不同算法对水下11个数据集进行比较的结果表明：改进算法的峰值信噪比、结构相似度和边缘保持指数最高,分别达到18.769 6 dB、0.660 7和0.834 5;图像均方误差最低,为3 750.225 3;平均检测时间为0.667 4 s,比其他对比实验中性能最好的算法缩短了14%。     

基于免疫聚类和遗传算法的RBF网络设计方法

基于人工免疫机制和遗传算法,提出了一种训练径向基函数(RBF)网络的混合算法.该算法采用了一种可以实现数据聚类的人工免疫机制根据输入数据集合自适应地确定RBF网络隐层中心的数量和初始位置;采用遗传算法训练RBF网络,能够使优化过程趋于全局最优.将该方法用于多用户检测问题的实验结果表明,采用这种混合算法训练的RBF网络结构精简,具有很好的抗多址干扰的性能.