基于遗传算法的函数优化拟下降算法

在传统优化算法中嵌入一拟下降步,改善了算法的收敛性质,用遗传算法计算下降步,提高了算法的全局搜索能力,又不改变原算法的收敛性,数值计算结果表明,所提出的算法结合了遗传算法和传统算法的优点,是一种查行的解决函数优化问题的混合算法。     

加速微种群遗传算法及其在结构优化设计中的应用

将微种群遗传算法与基于启发式模式移动的局部寻优方法和Aitken Δ^2加速策略相结合,给出了一种加速微种群遗传算法．算法中利用Aitken Δ^2加速策略改进当前种群,利用基于启发式模式移动的局部寻优方法改进子代群体．利用3个数值优化算例测试了算法的性能,表明本文算法具有较好的收敛性和计算效率．最后将其用于桁架结构截面优化设计,10杆平面桁架和25杆空间桁架的优化结果表明,本文算法的计算精度和计算工作量均优于传统的遗传算法．     

基于拟满内力遗传算法的方钢管混凝土桁架结构拓扑优化

为了解决方钢管混凝土桁架结构离散变量拓扑优化问题,通过遗传算法随机生成初始拓扑构形,采用启发式算法检查并修正拓扑构形;以方钢钢管截面型号、拓扑变量、混凝土强度等级为优化变量,以结构造价最低为优化目标,建立基于独立拓扑变量的拓扑优化数学模型,提出一种基于拟满内力遗传算法的方钢管混凝土桁架结构拓扑优化方法;拟满内力遗传算法初始总群中部分个体由拟满内力算法的优化解产生,并且将拟满内力算法作为算子加到遗传操作后运行;同时对传统遗传算法的罚函数进行改进,提高遗传算法运行效率;通过算例对12杆桁架结构优化前、后模型及拓扑优化结果进行对比。结果表明：相对于拟满内力算法与遗传算法,所提出的方法应用于方钢管混凝土桁架结构拓扑优化总造价更低;拓扑优化后的结构杆件较少,并且各杆件均已充分发挥承载能力,拓扑优化效果明显改善。     

解平面四杆机构约束优化问题的改进遗传算法

以平面四杆机构约束优化设计这一实际问题为背景,针对传统遗传算法(GA)存在的问题,提出了一种新的将柯西机(CM)和遗传算法相结合的改进遗传算法(MGA)．数值计算结果表明,该算法避免了GA算法中的早熟收敛问题,可获得四杆机构参数优化问题的最优解,并且还具有收敛速度快等特点．     

遗传算法求解非线性方程组的应用研究

针对传统非线性方程组解法的初始点敏感、收敛性差等问题,结合遗传算法和拟牛顿法的优点,提出了一种用于求解非线性方程组的混合遗传算法.该算法具有遗传算法的群体搜索和全局收敛性,有效地克服了拟牛顿法的初始点敏感问题;同时引入拟牛顿迭代法对精英个体进行局部强搜索,克服了遗传算法收敛速度慢和精度差的缺点,使得算法具有较高的收敛速度和求解精度.选择了几个典型非线性方程组,从收敛可靠性、计算成本和适用性等指标分析对不同算法进行了比较.计算结果表明所设计的混合算法有着可靠的收敛性和较高的收敛速度与精度.     

大规模参数优化算法及其在R-R模型中的应用

研究并建立一种参数优选的改进遗传算法．该方法是一种隐并行非数值算法,它能较好地处理非线性、多峰、非凸的寻优问题．利用该算法对流域降雨－径流模型的九个参数进行优化,能克服传统优化方法把降雨径流物理过程割裂开来的缺陷;同时可求出产汇流过程参数群的值,实现整体优化．计算结果表明,该算法效果令人满意．     

基于改进遗传算法的电力系统最优潮流

电力系统最优潮流问题（OPF）是多目标、多控制变量的混合非线性优化问题,能否实现离散变量的精确处理,将直接影响其计算。结果是否真正符合电力系统的实际状况．能否指导实际电网运行方式的规划问题。遗传算法是解决多目标混合优化问题的全局优化算法,可以实现离散变量的精确处理,其不足是优化时间长、易于收敛于局部极值点等。为解决传统遗传算法的搜索时间长,易落入局部极值点的不足,本文对传统遗传算法的一些遗传操作做了一些改进,经IEEE30节点标准电网数据计算分析,证明其优化结果比传统遗传算法更优。     

基于人机结合算法的布局优化研究

在研究并行遗传算法的基础上,提出了解决家电产品布局设计优化问题的人机结合并行遗传算法．该算法将人工个体与算法个体共同构成解群,在计算过程中通过人机交互,实现对算法的有效干预,避免算法的缺陷出现．对比试验表明,采用“人机结合”的并行遗传算法能够较好地解决家电产品布局设计的优化问题．     

解非线性方程组的拟牛顿混合遗传算法

利用熵函数将非线性方程组转化为一个极小值优化问题。结合拟牛顿法和遗传算法的优缺点,提出了一种求解非线性方程组的拟牛顿混合遗传优化算法。该方法不仅有效发挥了遗传算法在进化初期的群搜索能力,而且利用了拟牛顿法的局部精搜索性能,克服了遗传算法在后期易陷入局部收敛的缺陷,提高了算法整体寻优效率。计算机仿真表明,该算法对非线性方程组的求解具有较好的稳定性和较高的收敛精度。     

双链式智能体遗传算法用于数值优化的研究

针对传统智能体遗传算法全局优化计算精度不够高、时间较长的不足,提出了一种改进的双链式智能体结构,并基于此设计了一种新的智能体遗传算法--双链武智能体遗传算法.该算法采用了多子群并行搜索的模式,闭合链式智能体结构和循环链武智能体结构,可实现多机并行优化,具有优化时间短、优化精度高的特点.为了验证本文算法的优越性,采用国际标准的测试函数对该算法性能进行测试,并与智能体遗传算法(MAGA)相比较.实验结果表明,该算法在全局优化精度、优化收敛速度方面均优于MAGA.     

基于进化算法的拟可行方向法及其收敛性

在传统优化算法中嵌入一拟步骤 ,改善了算法的收敛性质 ;并用进化算法计算拟步骤 ,提高了算法的全局搜索能力 ,又不改变原算法的收敛性 .且研究了参数变化对算法的影响 ,并对算法进行了数值实现     

用混合遗传算法求解物流配送路径优化问题

为了改善物流配送路径优化问题的运算质量,提出一种将遗传算法和模拟退火算法相结合的混合遗传算法。通过仿真 实例验证,证明混合遗传算法的解优于单纯使用遗传算法和模拟退火算法所得到的解,同时混合遗传算法与传统优化算法相 比收敛速度更快,分配结果更优良,具有很好的应用价值。     

Optimization of vertical well placement by using a hybrid particle swarm optimization

Locating wells is an important step in oil exploitation.This paper proposes a novel approach,which first combines particle swarm optimization,genetic algorithm,and a reservoir simulation evaluation tool to optimize the locations of vertical wells.Simulation results show that the convergence efficiency of our approach outperforms traditional genetic algorithm and overcomes the disadvantage of particle swarm algorithm that would be easily trapped into best-at-local solution so that its optimization result has been significantly improved.     

一种新的自适应步长果蝇优化算法

针对基本果蝇优化算法(FOA)易陷入局部最优、寻优精度低和后期收敛速度慢的问题,提出了一种自适应步长果蝇优化算法(ASFOA).该算法在运行过程中根据上一代最优味道浓度判断值和当前迭代次数来自适应调整进化移动步长,使算法在初期的步长大而避免种群个体陷入局部最优,到后期果蝇移动的步长变小而获得更高的收敛精度解,并加快收敛速度.通过6个标准测试函数对改进算法进行仿真测试,结果表明ASFOA算法具有更好的全局搜索能力,其收敛精度、收敛速度均比FOA算法及参考文献中其他改进果蝇优化算法有较大的提高.     

基于模糊遗传算法的机组组合问题的求解

为求解机组组合问题,提出一种模糊优化与遗传算法紧密结合的新的模糊遗传算法.通过建立模糊推理规则,对交叉率和变异率进行模糊控制,从而提高了收敛速度,避免了不成熟收敛.将该模糊遗传算法应用于一工程算例中求解机组组合问题,与传统遗传算法相比,在同样的种群规模和终止准则下,采用该算法的收敛迭代次数减少,减幅最大达122次,而每次迭代计算时间最多仅增加约0.01 s;优化组合的发电成本减小,减幅最大时达总发电成本的0.73%.     

基于免疫遗传算法的物流运输求解

针对传统遗传算法的缺陷，提出了结合免疫系统原理和遗传算子自适应调整的方法，即免疫遗传算法．该算法可防止算法未成熟收敛、保证种群的多样性，在使用此算法搜索最优解时，可防止陷入局部寻优情况的出现．通过对一个运输实例的求解，证实算法可达到预期的效果．     

基于免疫进化细菌觅食算法的无功优化

针对传统细菌觅食算法在优化过程中步长一致、收敛速度较慢的缺陷,提出了一种免疫进化细菌觅食算法(IBFO),并将其用于电力系统无功优化问题上.这种改进的算法赋予了细菌对搜索空间的感知能力,利用灵敏度的概念来调节步长,加快收敛速度;将免疫算法中的克隆选择思想引入算法中,对精英细菌进行克隆、高频变异和随机交叉,提高收敛精度.将IBFO算法在IEEE 14、IEEE 30节点标准测试系统中进行了无功优化仿真,结果表明:新算法较其它算法具有较强的全局搜索能力,且收敛速度快、鲁棒性好,可以作为求解电力系统无功优化问题的一种新途径.     

一种改进遗传算法

针对遗传算法(Genetic Algorithm,GA)存在的未成熟收敛现象,本文提出一种改进的遗传算法(IGA),该算法采用双变异算子,即正交变异和多位点变异两种变异算子联合作用,提高了算法的全局寻优能力。仿真实验表明,对遗传算法的改进是有效的,改进后的算法与标准遗传算法相比具有更高的全局收敛性,并在一定程度上克服了未成熟收敛。     

基于粒子群优化算法的的分数阶系统二次型最优控制算法

目前,利用分数阶变分法和分数阶非变分法,解决分数阶系统的二次型最优控制问题时,存在数值算法的收敛效果不够好,近似化的步骤过于繁琐,且计算耗时长,以及在使用传统的梯度迭代优化算法解决分数阶系统的二次型最优控制问题时,对于优化函数要求较高等问题。本文针对一类Caputo定义下的确定性线性分数阶系统,首先,设计一种状态反馈控制器,考虑从优化角度去解决分数阶系统的二次型最优控制问题,然后,利用PSO求二次型性能指标的最优值,即系统的最优控制增益,最终,得到系统的最优控制律。仿真结果表明,PSO比传统的梯度迭代优化算法收敛效果更佳,通用性更好,获得的性能指标更小,验证了该算法有效可行。     

Memetic算法及其在分类中的应用研究

群体智能优化算法Memetic算法(Memetic Algorithm,MA)采用进化算法的操作流程,引入局部搜索算子,使其在问题的求解中保证较高收敛性能的同时又能获得较高质量的解,克服了遗传算法等传统全局优化算法易"早熟"的问题,同时避免陷入局部解。在MA框架基础上,提出了全局动态适应MA算法,采用遗传算法为全局搜索算子,k-means算法为局部搜索算子。使用Java语言实现算法并对UCI中分类实验数据集进行测试,结果表明,将遗传算法和k-means结合的全局动态适应MA在分类问题中具有较高准确率。