基于分布式免疫进化算法的函数优化

针对遗传算法在寻优过程和多峰值函数求解中出现的“早熟”问题以及免疫算法收敛速度较慢问题,将免疫算法和进化算法进行优势融合,并结合改进的进化算法的并行模型,提出一种新的算法--分布式免疫进化算法（distributed immune evolutionary algorithm,DIEA）。新算法主要包括记忆种群进化模块和子种群进化模块两个部分,子种群的主要功能是找出各个区间的局部最优解;主种群主要是进行全局搜索,寻找全局最优解。仿真实验表明,该算法具有很高的全局寻优能力和很快的收敛速度,适合求解复杂多峰函数优化问题。     

一种优化多目标的交互式路由算法

Qos路由的基本任务是寻找一条满足多个约束条件同时优化多个网络参数的路径。研究多约束条件下的多个线性目标优化的Qos路由问题。选取带宽作为约束条件，线性函数(时延和耗费徘为优化目标，建立了Qos路由选择的多目标缉陛整数规划模型。通过将多目标优化问题转化为线性单目标优化问题，证明了新问题的最优解是原问题的有效解，给出一种求解模型的交互式算法。该算法引入目标函数参考点概念，逐步调整目标函数参考点，压缩目标函数搜索空间来满足决策者和实时网络资源要求，并最终得到满意解。仿真实例表明了算法的可行性和可操作性。     

面向多峰函数的自适应小生境量子进化算法

为解决量子进化算法在多峰优化时只能找到一个最优解,无法找到所有全局和局部最优解的问题,提出自适应小生境量子进化算法。利用佳点集理论初始化种群,使种群均匀分布在整个搜索空间;提出中心地形信息小生境自适应识别方法,用于自适应的识别峰值所在区域,并建立小生境完善策略,提高小生境识别速度;借助量子进化算法的快速寻优能力精确寻找各个峰值点;采用动态种群调整策略,维持种群的多样性,自适应地调节种群规模。仿真实验结果表明,该算法具有较强全局优化能力和局部优化能力,且搜索到的每个最优解都达到了理想值。     

基于模型的多目标优化问题方法研究

基于模型的多目标优化方法目的是创新一种通过黑箱评估的多目标函数优化算法,该算法从解空间上的混合分布中迭代生成候选解,并根据采样解的控制数来更新混合分布,求解过程的搜索偏向于Pareto最优解的集合。算法在解空间上寻找混合分布,使得混合分布的每个分量都是以帕累托最优解为中心的简并分布,并且每个预计的Pareto最优解都通过一个阈值距离均匀地分布在Pareto最优解集上,实验通过几个基准函数和方法证明了该算法的性能。     

一种求解动态多峰优化问题的Memetic粒子群算法

很多现实的优化问题往往是动态和多峰的, 这就需要优化算法既能够发现尽可能多的最优解, 同时还要追踪到这些最优解在动态环境中的变化轨迹. 为了解决这种动态多峰优化问题, 本文提出了一种Memetic粒子群优化算法. 在提出的算法中, 利用一种新的species构造方法来保证其能够发现不同最优解所在搜索区域, 利用一种适应性的局域搜索算子来增强species追踪到最优解的能力, 利用重新初始化策略来进一步改善算法在动态多峰环境中的性能. 通过对一组标准动态测试函数--移动峰问题的仿真实验来检验所提出的 MPSO算法在求解动态多峰优化问题的有效性.     

多种资源在多项目间分配的两层决策方法

分析多种资源在多个项目间的最优分配问题，提出用两层决策方法建立该问题的数字模型。将遗传算法这种全局优化方法运用到最优解的搜索中，给出了具体的算法步骤。计算实例表明，本文建立的模型和提出的优化方法能有效地求解多种资源在多个项目间最优分配问题。     

多元优化算法可达性分析

提出了一种多元化群智能优化算法-多元优化算法。多元优化算法充分利用了现代计算机多核处理器,大内存的特点,通过多元化的搜索个体(元)对优化问题解空间进行搜索,并对历史信息进行选择记忆。该算法因搜索群具有分工不同的多元化特点而得名。搜索元按照职责不同而分为全局元和局部元,全局元负责在整个搜索空间进行全局搜索并找到潜在解区域,局部元负责在各个潜在解区间进行局部搜索以期望找到该区域更好的解。本文从理论上证明了该算法的可达性。基于标准函数的对比实验也验证了该方法在可达性方面优于其他几个参与比较的算法。     

一种基于相位比较的量子遗传算法

针对量子遗传算法不适于连续函数优化的问题,提出了一种改进的量子遗传算法。该算法直接将量子染色体与当前最优解相比较来确定旋转门的旋转角,种群中各个体以不同速率向最优解进化以同时实现全局搜索与局部搜索,引入变异操作以防止算法早熟收敛。对该算法及其全局收敛性进行了分析后,将其用于函数极值求解与PID控制器的参数优化,并与遗传算法和量子遗传算法进行比较。仿真结果表明该算法具有较好的寻优性能。     

加速混沌优化方法及其应用

对混沌优化算法进行改进，提高了混沌优化算法的效率，加速混沌优化算法利用混沌运动的性质，同时不断缩小变量的搜索空间，在混沌优化搜索过程中，以具有一定保证的当前最优解为中心，不断地缩小优化变量的搜索区间，调整细化参数，促使搜索能够更快，更有效地全局最优解收敛，仿真计算表明算法有效。     

求解带约束函数优化的两级自适应遗传算法

针对带约束的非线性函数优化问题 ,提出一个两级自适应遗传算法。根据待优化函数和约束构造拉格朗日对偶函数 ,在下级对给定的拉格朗日乘子 ,用遗传算法搜索变量的最优解 ;在上级针对拉格朗日对偶函数 ,用遗传算法搜索拉格朗日乘子的最优解。采用自适应的方法 ,根据个体的适配值和种群的适配值统计特性确定交叉概率和变异概率。计算结果表明 ,该算法是有效的。     

用于多峰函数优化的小生境人工蜂群算法

针对人工蜂群算法(artificial bee colony algorithm, ABC)在多峰优化时只能找到一个最优解,难以找到所有全局和局部最优解的问题,提出一种小生境ABC算法。利用小生境技术维持种群的多样性,使算法不再单单收敛于全局最优解;借助ABC算法具有较高寻优精度的特点精确寻找各个峰值点。对标准测试函数进行仿真,结果表明,小生境ABC算法能够准确、有效地找到多峰问题的全局和局部最优解,具有良好的多峰优化性能。     

受拟态物理学启发的全局优化算法

受拟态物理学方法的启发,就物理个体与理想粒子的特征异同,建立了拟态物理学方法与基于种群的优化算法的映射关系;通过设计个体质量为用户定义的其适应值函数、制定个体之间的引/斥力规则,利用牛顿万有引力定律定义个体之间的虚拟作用力,设计出一种求解全局优化问题的拟态物理学优化算法框架;构造和测试凸曲线、直线和凹曲线这三种曲线质量函数对算法性能的影响,结果表明了具有凹曲线质量函数的算法性能较好;同时,通过与四种典型优化算法的性能比较,说明该算法是有效的.     

用于多峰函数优化的免疫粒子群网络算法

针对多峰函数优化问题,借鉴粒子群优化特性和免疫网络理论,提出一种免疫粒子群网络算法。该算法利用粒子群的信息共享和记忆功能,通过加强粒子对自身经历的认知,提高算法的局部搜索能力;采用动态网络抑制策略,保持种群的多样性,自适应地调节粒子群的规模。多峰函数优化的仿真结果表明,该算法能有效地改善种群的多样性,较好地实现全局优化和局部优化的有机结合,具有更强的多峰函数优化能力。     

基于改进螺旋更新位置模型的鲸鱼优化算法

针对鲸鱼算法后期种群的多样性丢失问题,通过螺旋更新位置模型的改进并结合对立学习策略、随机调整参数、正态变异操作等已有方法改进鲸鱼优化算法.采用对立学习策略对鲸鱼种群初始化,为全局搜索奠定基础;利用随机调整控制参数的策略,避免了算法后期陷入局部最优;正态变异算子与改进螺旋更新位置对鲸鱼种群进行干扰,避免种群后期向某个最优区域靠拢,增大算法的全局搜索能力.选取文献[4]中23个国际标准测试函数,包括单峰、多峰以及固定维数函数,对改进的算法进行低维测试;选取文献[12]中的25个单峰和多峰国际标准测试函数,对改进的算法进行高维测试.结果表明,IMWOA算法在收敛精度、收敛速度上均明显优于原WOA算法且具有普遍适用性、稳定性和解决超大规模优化问题的能力.     

区间分解优化的遗传算法及其在Internet环境下实现

为解决遗传算法面对复杂多模态函数优化问题时易陷入局部极值的问题,提出一种区间分解优化思想。通过区间分解,可以找到问题的多个局部最优解和全局最优解。同时,将算法在Internet环境下实现,既减少了算法的寻优时间,又节约了算法的运行成本。实验表明,区间分解优化方案能有效克服遗传算法陷入局部极值,大幅度提高算法的寻优性能。     

改进二进制编码变异策略研究

由于是一种随机优化方法，标准遗传算法存在着一些不足之处，如局部搜索能力差，寻优精度不高，存在早熟收敛等。为了解决这些问题，提出了一种基于二进制编码基因住的变异策略，对编码串中的各个基因住赋予不同的变异率：在进化初期，赋予个体的高位基因以较大的杂交率，这样可以搜索到更大的解空间，提高算法的全局搜索能力；在进化后期已逼近最优解时，降低高住基因的变异率，减小较优个体被破坏的概率，同时提高低位基因的变异率，增强算法在局部范围的搜索能力。优化实例仿真结果表明，同标准遗传算法相比，改进算法具有寻优精度高，稳定性好，收敛性强等优点。     

An Inverse Power Generation Mechanism Based Fruit Fly Algorithm for Function Optimization

As a novel population-based optimization algorithm, fruit fly optimization(FFO) algorithm is inspired by the foraging behavior of fruit flies and possesses the advantages of simple search operations and easy implementation. Just like most population-based evolutionary algorithms, the basic FFO also suffers from being trapped in local optima for function optimization due to premature convergence.In this paper, an improved FFO, named IPGS-FFO, is proposed in which two novel strategies are incorporated into the conventional FFO. Specifically, a smell sensitivity parameter together with an inverse power generation mechanism(IPGS) is introduced to enhance local exploitation. Moreover,a dynamic shrinking search radius strategy is incorporated so as to enhance the global exploration over search space by adaptively adjusting the searching area in the problem domain. The statistical performance of FFO, the proposed IPGS-FFO, three state-of-the-art FFO variants, and six metaheuristics are tested on twenty-six well-known unimodal and multimodal benchmark functions with dimension 30, respectively. Experimental results and comparisons show that the proposed IPGS-FFO achieves better performance than three FFO variants and competitive performance against six other meta-heuristics in terms of the solution accuracy and convergence rate.     

STOCHASTIC PR0GRAMMING METHOD FOR MULTIPERIOD CONSUMPTION AND INVESTMENT PROBLEMS WITH TRANSACTIONS COSTS

Using the GARCH model to describe the risky asset's return process so thatits time-varying moments and conditional heteroskedasticity can be properly reflected,general multiperiod optimal investment and consumption problems with both fixed andproportional transactions costs are investigated in this paper. We model this kind ofdifficult problems as a dynamic stochastic optimization problem, which can cope withdifferent utility functions and any number of time periods. The procedure to solve theresulting complex nonlinear stochastic optimization problem is discussed in detail and abranch-decomposition algorithm is devised.     

集装箱多式联运系统装卸与运输一体化优化问题

集装箱多式联运（Container Multimodal Transport）是一种以实现货物整体运输的最优化效益为目标的联运组织形式。本文针对集装箱多式联运系统优化的一个核心问题——装卸与运输一体化作业优化问题，进行深入分析，提出一个分析模型，为该模型开发了实用优化算法，并通过与基准问题（benchmark problems）的对比实验显示了该算法实用性及有效性。