基于函数分解的可伸缩宏进算法

基于函数可分解性提出可伸缩的宏进化算法，宏进化算法以子函数的独立进化为竞争式进化内环，而以子函数间的协调进化为合作式进化外环，算法采用多父本杂交算子，从数学上初步分析了该算法收敛性与函数分解粒度数之间的指数级关系，指出宏观进化算法的效率高于传统进化算法，数值仿真与理论分析结果一致，表明宏进化算法的效率主要由函数的分解粒度决定，是一种可伸缩的进化算法，具有实际工程应用价值。     

变粒度协同进化设计算法及其在卫星舱布局设计中应用

采用进化算法求解复杂卫星舱布局问题时,算法容易陷入局部最优,且干涉计算复杂度高,计算耗时长.为提高对复杂解空间的搜索能力,基于协同进化算法,将问题分解为若干子问题求解;为减少计算耗时,子问题求解时采用了一种设计变量的变粒度策略.称上述方法为变粒度合作式协同进化算法(CCEA-CFG).卫星舱布局优化数值实验表明,与目前常用的几种布局求解算法(遗传算法、协同进化算法以及遗传/粒子群算法(QPGP))相比,CCGA-CFG(基于GA的CCEA-CFG)具有较好的计算质量、计算效率和计算鲁棒性.     

基于和图分解的三值电流型CMOS电路设计及算法研究

本文在分析了电流型CMOS电路的物理结构特点后,定义了适用于电流型CMOS电路设计的运算及电路结构.针对二变量三值电流型CMOS电路,引入了函数基本项及其和图.然后通过和图分解,将多值逻辑函数分解为适合电流型CMOS电路实现的子函数,从而得到对应电路.举例说明了分解过程和具体二变量三值电流型CMOS电路的设计过程.设计结果表明了该算法的有效性和可操作性.     

基于成绩标量函数搜索的分解多目标进化算法

基于分解的多目标优化算法在整个进化过程中由于种群规模和权向量保持不变,容易导致种群多样性下降和早熟收敛.针对这一问题,提出了一种基于成绩标量函数搜索的分解多目标进化算法.为使基于分解的多目标优化算法对决策空间均匀探索,首先通过分析当前种群的稀疏度,设计了一种自适应基于成绩标量函数的局部搜索策略,动态地增加种群规模和权向...     

基因表达式编程中的精英个体产生策略

为提高基因表达式编程(GEP)算法的进化效率,提出了一种用于产生GEP初始种群的精英个体产生策略.该策略通过逐步扩大染色体到目标值的距离,采用随机方式在较短时间内产生具有较高个体适应度的染色体,从而在初始种群中快速产生精英个体,使种群可以从一个较高的基础上开始进化,缩短了GEP算法的进化距离,从而提高了种群的进化效率.实验结果表明,在GEP算法挖掘函数的过程中,采用文中提出的策略,可以使GEP算法的进化效率提高17%.     

基于记忆策略的动态分解约束多目标进化算法

针对现有面向多目标优化问题的约束处理方法存在求解效率不足,基于分解策略的多目标进化算法受到约束限制导致求解性能低的问题,提出一种基于记忆策略的动态分解约束多目标进化算法.本文首先引入具有记忆功能的归档集,改进基于短暂忽略非容许解的约束处理方法,提高算法的求解鲁棒性.然后结合基于分解的多目标进化算法,设计一种动态分配搜索...     

爬山法与模式蚁群法混合的贝叶斯优化算法

针对传统贝叶斯优化算法进化效率低及收敛速度慢的情况,提出一种新型混合贝叶斯优化算法.该算法利用适应度遗传及个体的局部搜索方法,使种群个体趋向于全局最优解,提高了进化效率.为提高贝叶斯优化算法中贝叶斯网络结构学习的效率,提出一种爬山法和模式蚁群算法相结合的网络结构学习方法,同时对新型贝叶斯优化算法的收敛性进行了分析.利用典型的函数对提出的新型混合贝叶斯优化算法进行了仿真分析,证明了所提出的方法可以有效地加快算法的收敛速度和收敛精度.将该算法应用于目标分配问题中,仿真证明了所提算法的有效性和优越性.     

谐波合成法模拟随机风场的优化算法

为解决传统谐波合成法模拟多变量随机脉动风场效率低下的问题,首先将互谱密度函数矩阵分块,然后采用递归优化算法进行矩阵的Cholesky分解,同时引入矩阵乘法算法来代替传统算法的叠加过程,从而减少了互谱密度矩阵中元素生成的数量,加快了矩阵分解和脉动风场合成的速度.工程实例表明,上述优化算法可有效减少整个模拟过程的计算时间,提高模拟效率.     

精细空间可伸缩视频编码方案实现

提出了一种新颖的空间可伸缩视频编码方案-精细粒度空间可伸缩编码。这种编码方案为空间可伸缩提供了精细粒度特性。方案使用比特平面技术,可以获得图像质量从低分辨率到高分辨率的转换,从而得到粒度的增加。另外,所提方案提供了一种灵活的嵌入式比特流,这样视频流可以被解码成从低分辨率到高分辨率的任何速率点。这种特性提高了互联网上视频流的编码效率,适应了有较大带宽波动的互联网。     

基于目标空间分区的稳态高维多目标进化算法

针对高维多目标优化中Pareto非劣候选解所占比例很大,常用的先考虑收敛性再考虑分布性的多目标进化算法面临选择压力衰减的问题,提出一种先考虑分布性再考虑收敛性的高维多目标进化算法——基于目标空间分区的稳态高维多目标进化算法(SS-OSP).该算法先采用目标空间分区策略将种群按照权重向量分为多个子空间,在每个子空间中按照分解方法中的聚合函数选择个体;然后,考虑到常规的PBI聚合函数的罚参数在进化过程中一直保持不变的情况,提出一种自适应PBI聚合函数;最后,仿真实验结果表明所提出的算法与其他三种算法相比,具有更好的收敛性和分布性.     

求解全局优化问题的一个新的填充函数算法

构造了一个新的单参数且连续可微的填充函数,并将其与进化算法相结合提出了一个新的填充函数算法。该算法通过不断跳出局部最优解进入更优解所在区域的方式来提高优化效率,通过设置进化算法中种群均匀分布、增加种群多样性的方式增加了算法的全局寻优性能,并将该算法在标准测试集上进行了测试。结果表明,该算法简单有效,并且随着优化问题维度的提高而表现稳定。     

基于改进量子进化算法的稀疏特征提取方法

特征提取是进行模式识别的关键环节,利用稀疏分解将信号表达为具有一定结构特征的原子组合,为提取信号内部特征信息提供了一种有效途径.本文提出基于改进量子进化算法的稀疏特征提取方法,利用改进量子进化算法的并行性和全局搜索能力,使信号在过完备的原子库上实现快速精确的稀疏分解.对过完备的原子库进行量子比特概率幅编码,通过量子比特的交叉进化-变异操作更新原子库,以信号残差与原子的内积作为量子进化目标函数,筛选出最具信号结构特征的原子,凭借稀疏重构实现信号的特征提取.仿真信号和故障轴承振动信号的稀疏特征提取结果表明了所提方法的有效性和优越性.      

融合多种搜索策略的差分进化大规模优化算法

多峰、高维的大规模优化问题是当前优化领域的研究热点.文中以协同进化算法为框架,提出了一种融合多种搜索策略的差分进化大规模优化算法.基于分解的思想,该算法首先利用自适应差分进化算子对子问题进行局部优化求解;然后引入基于模拟退火的随机搜索机制提高算法的全局搜索能力,并结合局部搜索链对解空间进行深度搜索.采用大规模优化标准函数对算法进行测试,结果表明,文中所提出的算法相比现有算法在平均值和最优解上均取得了更好的优化结果.     

用QCEA优化的RBF神经网络及其在股市预测的应用

采用量子克隆进化算法(QCEA)对径向基函数(RBF)神经网络的参数进行优化学习,并通过对不同样本容量和量子旋转角的实验,将量子克隆进化算法优化的径向基函数神经网络应用于上证指数的预测分析中.仿真实验表明:经量子克隆进化算法优化的径向基函数神经网络将全局搜索和局部寻优有机地结合起来,收敛速度快、种群多样性好,并可有效抑...     

磁致伸缩导波技术在纤维增强塑料锚杆中的应用

为了提高纤维增强塑料(FRP)锚杆的缺陷检测精度,将磁致伸缩检测技术应用于FRP锚杆检测,通过镍带与FRP锚杆耦合的方式激发并接收磁致伸缩导波信号;为了解决磁致伸缩导波信号信噪比低、特征不明显的问题,利用变分模态分解(VMD)算法将信号分解为多个模态信号,对各层多模态信号进行滤波后重构,再通过最小均方误差估计(MMSE)增强算法提高信号信噪比。结果表明:经变分模态分解-最小均方误差估计(VMD-MMSE)算法处理后,可提升FRP锚杆反射回波信号的信噪比和信号特征;磁致伸缩导波检测技术可应用于FRP锚杆质量检测,可对有周向缺陷的FRP锚杆长度、缺陷位置进行精确判断。     

低维函数的快速优化算法

基于群体的进化算法是求解函数优化问题的常用方法,但存在收敛速度慢和易陷入早熟的缺点．提出了一个基于（1＋1）-ES分块进化的低维函数优化算法,采用分块进化,引入丢弃不重要分块和二次优化求精的策略,实现了全局搜索过程和局部搜索过程的分离．通过算法分析,表明了算法比较适合于低维函数．仿真结果表明了提出的算法的抗早熟能力和求解效率均优于FEP．     

一种基于Haar小波的塔式分解重构算法

基于Haar小波的尺度和小波函数定义与特性,经过一系列推导得到基于Haar小波的塔式分解重构算法,并给出了图例验证算法分解和重构过程的正确性.本文给出的相关算法可对离散化的信号进行分解和重构,从而进行信号的噪音滤除和数据压缩等分析处理.     

高维正交双向小波的分解与重构

将正交双向小波推广到高维情形,给出具有矩阵伸缩的高维正交双向小波的概念,研究了高维正交双向尺度函数的完全重构条件和频域表示,以及它的分解算法和重构算法。     

一个与Powell搜索相结合的混合免疫进化算法

提出一个求解无约束最优化问题的新的混合算法——Powell搜索法和免疫进化算法的混合算法.该算法不需要计算梯度,容易应用于实际问题中.通过对免疫进化算法的修正,使混合算法具有更加精确和快速的收敛性.利用4个基准测试函数进行仿真计算比较,结果表明新混合算法在解的搜索质量、效率和关于初始点的鲁棒性都远优于免疫进化算法,仿真结果表明了新算法是求解无约束最优化问题的一个高效的算法.     

全直线上热传导方程广义Hermite谱方法

以带伸缩因子的广义Hermite函数为基函数展开全直线上热传导方程的数值解,逼近热传导方程的正确解。给出算法格式和收敛性分析,数值例子表明所提算法格式具有有效性和高精度。所用方法也可用于求解其他同类问题。