求解物流配送中心选址问题的改进鸽群算法

为了提高鸽群优化算法求解物流配送中心选址问题的优化效果，减少物流配送成本，提出了一种改进的鸽群优化算法。该算法在基础鸽群优化算法上，引入灰狼优化算法在寻优过程中的捕食策略，能够有效地提高鸽群优化算法的局部搜索能力、增强算法的寻优性能。由函数测试实验可得，该算法在求解测试函数最优值上具有寻优速度快、收敛精度高的特点。最后，将其应用到求解物流配送中心选址问题中，实验结果表明：改进的鸽群优化算法更适合求解高维物流配送中心选址问题。     

基于莱维飞行和布朗运动的鲸鱼优化算法

针对鲸鱼优化算法存在的求解精度不高、收敛速度较慢和易陷入局部最优等缺点，设计了一种基于莱维飞行和布朗运动的鲸鱼优化算法.先利用莱维飞行方法对鲸鱼种群进行初始化，以增加初始种群的多样性；再根据布朗运动原理对鲸鱼种群的位置更新进行随机扰动，以避免算法提前陷入局部最优.将改进的鲸鱼优化算法与鲸鱼优化算法、粒子群优化算法、遗传算法和蚁群优化算法在7个不同的基准测试函数上进行对比测试，结果表明，改进的鲸鱼优化算法在求解精度、收敛速度方面均优于其他4种算法.对初始化阶段采用莱维飞行策略的改进鲸鱼优化算法与采用随机搜索策略的鲸鱼优化算法的初始解探索范围进行仿真对比实验，结果表明，改进鲸鱼优化算法一定程度上可以避免陷入局部最优.     

局部阴影下光伏阵列最大功率点跟踪算法的研究

传统的最大功率点跟踪(MPPT)算法在光伏阵列多峰情况下容易陷入局部最优，蝴蝶优化算法有全局优化能力，但由于收敛精度较低而没有被广泛使用。提出了一种改进蝴蝶优化算法与扰动观察法相结合的MPPT算法，引入混沌映射理论和动态切换概率改进蝴蝶优化算法。先通过蝴蝶优化算法的全局搜索能力定位最大功率点范围，后切换小步长扰动观察法精准定位最大功率点。混合算法结合了蝴蝶优化算法和扰动观察法的优点，通过Simulink仿真实验，与传统蝴蝶优化算法、粒子群算法作对比，改进后的算法能够适应复杂多变的光照环境，且在收敛精度和速度方面均有一定优势。     

基于双模式更新五行环算法的多目标冷链配送

针对生产运输中广泛存在的冷链配送问题，建立了以配送成本最小化和顾客满意度最大化为目标函数的多目标冷链物流优化模型。基于五行环优化(FECO)算法，提出了双模式更新个体的五行环优化算法(FECO-DMUI)，并对多目标冷链物流模型进行求解。将FECODMUI算法与FECO算法、NSGA-II算法、鲸鱼优化算法和灰狼优化算法进行比较，结果验证了本文模型和算法的有效性，同时验证了FECO-DMUI算法在多目标冷链配送问题中能更加高效地获得路径优化的最优解集。     

基于Apriori优化算法的IDS模型研究

Apfiofi算法是数据挖掘技术中关联规则的经典算法，为了解决在入侵检测系统中使用Apfiofi算法进行模式匹配的低效率问题，提出了针对Apfiofi算法的优化，提出一种基于基于事务压缩和项目压缩的优化算法，该优化算法比Apriori算法具有明显的效率，提高了模式匹配的精度．     

基于改进算法的移动机器人路径规划

机器人路径规划问题通常采用不同算法来对其进行规划，为发挥算法中改进遗传算法和鲸鱼优化法的优势，弥补遗传算法出现优化准确率和收敛度不高等问题，将改进遗传算法和鲸鱼优化法融合，增强移动机器人路径规划对动态环境的适应性能。对算法适应度函数进行优化，改善了基本遗传算法、提升了原算法对函数的求解效率。通过遗传算法、对遗传算法进行改进的算法、改进遗传算法与鲸鱼算法相融合的算法所运行的路径长度与运行时间进行比较，结果表明融合改进优化算法可以有效获取最优算子，减少运算时的迭代次数，同时提升算法的规划准确率。     

混沌粒子群算法及其在桁架结构优化设计中的应用

文章提出一种基于混沌思想的粒子群优化算法，它利用粒子群优化算法收敛速度快和混沌运动遍历性、随机性等特点，对标准粒子群优化算法进行了改进。在算法的初始化阶段，对粒子的位置混沌初始化；在算法运行过程中，对粒子的位置进行混沌更新和粒子群更新相结合的更新方式，使全局收敛与局部收敛达到一定平衡。将该算法应用于桁架结构的优化设计，与标准粒子群算法优化的结果相比较，混沌粒子群算法提高了对多维空间全局搜索能力，可有效避免早熟收敛现象。     

BP网络计算机优化的实现

反向传播算法(B-P算法)，是数据挖掘算法中最基本的算法之一。面对大量的数据，怎样选择数据结构，怎样优化参数的设置，怎样优化处理过程，对于此算法的性能将会十分重要。本文主要提出了对该算法的若干改进和优化。实验显示，这些改进和优化都能够在整体上提高算法的效率，能够正确、有效、快速地实现B-P算法。     

改进蚁群与遗传融合算法的路径规划

针对传统遗传与蚁群融合算法在路径规划中出现的收敛慢、能耗高的问题，提出一种改进融合算法。改进基于启发函数和自适应挥发因子的蚁群优化算法，结合A^*算法提出回溯策略优化死锁问题；优化遗传算法种群初始化模式，提出通信机制交叉，调整适应度函数及交叉变异因子；将蚁群算法得到的次优解放入遗传算法优化后的种群中，形成新种群进行路径规划，采用删除算子对输出路径进行优化。仿真结果表明，改进融合算法对比传统融合算法在简单地图中迭代与转弯次数上优化57%和75%;在复杂地图中迭代与转弯次数优化70%和18%,搜索效率有所提高，改进的融合算法有效。     

基于模拟退火的进化算法性能对比研究

将模拟退火算法和遗传算法、粒子群优化算法分别进行结合，形成模拟退火-遗传算法以及模拟退火-粒子群优化算法，并作性能对比分析。研究结果表明，这两种算法都在进化代数和全局寻优能力方面有较大突破，在找寻最佳个体解的效率士，模拟退火-粒子群优化算法更突出。     

正布尔函数随机生成算法

层叠滤波器是一类新型非线性滤波器，生成正布尔函数是确定层叠滤波器的关键．在应用全局化优化算法，如遗传算法、模拟退火算法时，如果不能随机生成正布尔函数，则无法应用这些算法优化层叠滤波器，提出了一种随机生成正布尔函数算法，能随机生成正布尔函数，使应用全局化优化算法优化层叠滤波器成为可能．仿真结果表明，该算法可行．     

基于高斯扰动的反向蜉蝣优化算法

目的 解决蜉蝣优化算法收敛精度较低且易陷入局部最优解的不足。方法 将高斯扰动和混合反向学习策略与蜉蝣优化算法进行融合，提出一种基于高斯扰动的反向蜉蝣优化算法。该算法在雌雄蜉蝣种群中通过反向学习来扩大搜索空间，增加种群多样性；在迭代过程中对雄性蜉蝣的最优个体进行高斯扰动，防止算法陷入局部最优解。结果与结论将改进蜉蝣优化算法与其他7个对比算法在14个测试函数上进行数值实验，结果表明，改进蜉蝣优化算法具有更好的搜索能力和求解精度。     

基于传输代价最小原则的分布式数据库查询优化

分布式查询算法的核心部分是全局查询优化算法，将查询请求合理地优化分解为子查询任务，并尽量使子查询任务并行执行。分布式查询的优化需要权衡网络流量、响应时间、服务器负载、算法复杂性等多种因素。本着减少节点之间的数据传输量的目的，本文提出一个复杂度和延迟时间之间进行衡量的全局优化算法。本文就连接查询和复合查询进行了详细的分析，最后提出了一种基于半连接的查询优化算法，并分析了该改进算法的优缺点。     

平面绞链四杆机构的改进微粒群算法优化设计

文章介绍了微粒群优化算法的原理，提出了增加种群多样性和算法随机性的改进微粒群算法及实现过程，并把该算法应用于复杂机械优化问题。实例表明，该方法全局收敛性好，是解决工程设计中复杂线性优化问题的可行方法。     

群孔加工路径的优化方法

以最短加工路径为目标，建立了路径优化数学模型。在该模型的基础上，分析研究了多种典型优化算法，给出了具体实例的算法实现，对比了各类算法的实验效果。最后，根据理论分析和实验研究，针对算法评价指标复杂度、灵活度、局部最优概率、反馈信息利用率等及其权重，得到优化算法的模糊综合评价。     

三维后期重建中基于果蝇优化的点云数据配准研究

为了提高三维后期重建中的点云数据配准成功率，采用果蝇优化算法进行点云的最优变换矩阵和平移向量求解。首先，提取源点云特征，并结合模板点云特征构建点云配准目标函数。接着，建立果蝇优化算法点云配准模型，以点云配准目标函数作为果蝇优化算法适应度函数，并通过对最优浓度个体的搜索，完成最优变换矩阵和平移向量的求解。为了提高果蝇优化算法搜索精度，采用自适应气味浓度变换率参数，以增强果蝇优化算法对大规模点云的配准适应度。仿真结果表明，即使对源点云引入不同强度的噪声信号和不同规模的离群率干扰，果蝇优化算法的仍能够表现出较高的点云配准成功率和稳定性。相比常用点云配准算法，所提算法的旋转均方根误差和平移均方根误差更小，且配准的成功率更高。     

自适应变异的混合粒子群优化策略及其应用

提出了一种新的基于群体自适应变异和个体退火操作的混合粒子群优化（HPSO）算法．该算法将模拟退火过程引入到粒子群优化（PSO）之中，以PSO作为主体，先随机产生初始群体，并开始随机搜索产生新的个体．同时，使用自适应变异操作进行个体变异，对进化过的个体进行退火操作，以调整和优化群体．与模拟退火算法和基本PSO算法相比，HPSO保持了基本PSO算法简单、容易实现的特点，又能进行自适应变异．复杂函数优化和旅行商组合优化问题的实例验证表明，所提算法的全局收敛性较好，提高了摆脱局部最优的能力，有效避免了基本PSO算法的早熟问题．     

免疫算法用于直线阵优化设计的研究

采用免疫算法对直线阵进行优化设计，在克隆选择原理基础上讨论了该算法应用于等间距直线阵优化的基本问题，对旁瓣特定约束条件的八阵元等间距直线阵进行了数值实验．结果表明，免疫算法能够成功地应用于等间距直线阵优化设计，同时优化结果要优于基本遗传算法。     

非线性约束条件下的广义投影梯度法

对非线性约束条件下的优化问题提出了三个广义投影梯度方法。算法Ａ能够求解非线性不等式约束优化问题。在此基础上，又提出了能够求解非线性等式和不等式约束优化问题的算法Ｂ．进一步，通过简化算法Ａ，又给出了能够专门求解一般线性约束优化问题的算法Ｃ．并且在较弱的假设下，证明了三个方法的全局收敛性。     

基于优化EFD算法的风电行星齿轮箱故障诊断研究

行星齿轮箱作为风力发电机的关键核心部件，对其故障进行准确诊断能有效提升风力发电效能．行星轮系作为一种复杂的传动机械部件，其频谱表现异常复杂，且故障信息极易被无关成分或干扰成分淹没，而利用信号分解获取故障分量的方法在行星齿轮故障诊断中发挥着重要的作用．因此，针对经验傅里叶分解(empiricalFourierdecomposition,EFD)易陷入局部频谱分割的问题，优化改进了EFD的频谱分割算法，即在原频谱分割算法上引入边界阈值机制，优化频谱分割边界点的选择，有效限制边界频率陷入局部的问题．通过构造多分量仿真信号对比分析原频谱分割算法和优化算法，并逐步增加分量成分对比分析．仿真分析结果表明，原频谱分割算法随着分量成分的增加，其边界频率逐渐陷入局部，而优化算法却能准确获取边界频率，验证了优化EFD算法的有效性，表明优化频谱分割算法是在原频谱分割算法上的有效改进．最后通过对风电行星齿轮箱实验数据的分析表明，与EFD算法相比，优化EFD算法获取的边界频率不易陷入局部，可以更好地获取故障分量．在对风电行星齿轮箱的故障诊断中，能更有效地识别故障频率成分和确定故障位置．