用群体智能原则控制群机器人搜索

用群机器人搜索定位矿难幸存者,可为人工施救提供决策参考.群机器人系统的建模基于个体有限感知和局部交互等群体智能原则,将机器人抽象为封闭2维空间的运动粒子,机器人与控制器综合抽象为一阶惯性环节.给出了机器人的感知函数、邻域结构及初始化区域的定义,以此为基础进行虚拟多agent搜索.针对机器人的最大运动速度和质量惯性等约束,交替施加螺旋控制以发现信号线索;施加扩展微粒群控制进行目标搜索.通过改变通信距离和感知范围进行了仿真实验,结果表明了控制策略的有效性.     

模拟细菌菌落进化过程的群体智能算法

针对常规群体智能算法缺乏进化能力,存在易于陷入早熟收敛的不足,将问题的解空间视为细菌培养液,在其中放置单个或少量细菌个体,模拟细菌菌落的生长进化过程,提出一种新的群体智能算法.该算法本身具有进化机制,并且能够自然结束,从而为优化算法提出了一种新的结束准则.通过仿真实验验证了算法的有效性,同时仿真实验结果还表明通过简单改进,算法可以达到全局最优.     

基于一种快速搜索策略的图像匹配

基于灰度相关的图像匹配法,因匹配概率高而广泛应用于各个领域,但传统灰度相关算法的搜索策略是遍历性的,匹配速度较慢。为提高图像匹配速度,提出一种全局并行爬山搜索策略,实现了非遍历性搜索,并能快速找到最优匹配点,并引入了一个搜索路经表对已搜索过的点作标记,以防止对某些点的重复搜索。实验结果表明了该算法的图像匹配具有快速性和较高的准确性。     

基于遗传算法的对潜螺旋搜索

针对应召反潜中敌潜艇直线型规避行为,提出了一种基于遗传算法的对潜螺旋搜索方法.首先建立每段搜索路径中的搜索概率模型,再利用遗传算法对此模型进行优化,选取满足搜索概率最大的搜索器转向角.在搜索任务中要利用上一阶段的探测情况来实时地确定下一阶段的搜索路径,不断地排除敌潜艇不存在区域的角度,具有在短时间内搜索范围大、搜索效率高的特点.与传统螺旋搜索法相比,较好地提高了搜索概率.     

基于空间活跃度网络的搜索策略研究

基于具有时变特性与空间特性的空间活跃度网络模型,研究了时变网络中的搜索问题。结合空间活跃度网络的特性,引入了搜索时间、搜索路径长度和等待时间3种搜索策略的评价指标,提出了最大活跃度搜索策略、改进的贪婪搜索策略和最大活跃度最小距离搜索策略。利用这些策略在空间活跃度网络中进行搜索,研究发现和其他的搜索策略相比,改进的贪婪搜索策略与最大活跃度最小距离搜索策略具有较好的搜索性能,能够很好地适用于这种类型的时变网络,从而优化了目标搜索的过程。     

两种基本搜索策略的计算机模拟与评估

介绍用Lotus Improv的Spreadsheet 进行多靶搜索模拟,比较了系统搜索和随机搜索模式的搜索效率,结果表明当视觉敏度高时(或搜索仪器的分辨率高,光照条件好,目标清晰)时,系统搜索比随机搜索效率要高;而当视觉敏度较低时,二者几乎是等价的。这个结果验证了Kraiss等的推论。     

基于多策略搜索的出租车服务仿真模型

为更细致、精确地描述出租车服务规律,提出一种依据历史信息和路网供求信息模拟出租车空车搜索行为的动态仿真模型,出租车根据以往的驾驶经验和对路网供求信息的掌握程度决定空车时如何寻找新乘客.仿真结果表明,向出租车提供路网供求信息不能有效提高出租车的空车效率,但有助于缩短乘客平均等待时间;依据平均历史信息的搜索策略能够有效提高空车效率.模型有助于城市交通管理部门更有效地规划和管理出租车运营系统,为其决策提供参考依据.     

组合优化问题的混沌搜索策略

针对组合优化问题,提出了一种混沌优化策略。首先定义了两种解矩阵的变换操作:交换操作和移位操作。然后在寻优过程中,对解矩阵不断执行这两种操作,并利用混沌搜索方法确定所进行操作的矩阵位置,从而完成组合优化问题的求解。对于规模较大的组合优化问题,可结合模拟退火思想来进一步改善算法的寻优性能。仿真结果表明,该方法的搜索效率要明显高于其他优化方法,并可用于解决多种实际工程问题。     

编队协同对空目标探测及搜索力的最优分配

为探索编队空战中快速有效地搜索空中目标的理论和方法,将搜索论引入到编队对空中目标协同探测研究中.将雷达发现目标概率密度作为对空目标连续探测程度的量化指标,通过首次发现目标的概率,导出了无先验信息条件下编队协同搜索的概率计算式.考虑到雷达对目标探测的不确定性,提出了利用3机协同搜索确定空中目标位置和速度方向的几何方法.根据目标位置划分搜索空域,建立了预警机指挥下的编队搜索力最优分配模型.通过示例验算表明,所提方法是有效的,并且用Lingo软件求解较大规模目标搜索力分配问题可满足实时性要求.     

具有混沌搜索策略的萤火虫优化算法

萤火虫算法是一种新颖的仿生群智能优化算法,分析了算法的仿生原理和局限,提出一种改进萤火虫局部搜索能力的优化算法。通过逻辑自映射函数产生混沌序列,引入到萤火虫算法中对精英个体进行混沌优化,同时动态收缩搜索空间以加快收敛速度。改进算法有效结合了基本萤火虫算法的局部搜索能力和混沌算法全局优化能力,对典型函数的仿真测试表明,改进算法显著提高了优化性能,在收敛速度和寻优精度方面优于基本萤火虫算法,适合复杂函数优化问题。     

求解非线性双层规划问题的混合变邻域粒子群算法

针对非线性双层规划难以获得全局最优的问题,汲取粒子群算法的快速搜索能力及变邻域搜索算法的全局搜索优势,提出了求解非线性双层规划问题的混合变邻域粒子群算法.首先利用Kuhn-Tucker条件,将非线性双层规划转化为一个单层规划问题,然后由粒子群算法得到一个较优的群体,通过审敛因子判断陷入局部最优的粒子,并进一步利用变邻域搜索算法的全局搜索能力对陷入局部最优的粒子进行优化,从而得到全局最优.测试函数的仿真实验对比分析证明了该算法的有效性.     

求解约束优化问题的改进粒子群算法

针对高维复杂约束优化问题,提出了一种基于平滑技术和一维搜索的粒子群算法(NPSO)。该算法使粒子的飞行无记忆性,结合平滑函数和一维搜索重新生成停止进化粒子的位置,增强了在最优点附近的局部搜索能力;定义了不可行度阈值,利用此定义给出了新的粒子比较准则,该准则可以保留一部分性能较优的不可行解微粒,使微粒能快速的找到位于约束边界或附近的最优解;最后,为了扩大粒子的搜索范围,引进柯西变异算子。仿真结果表明,对于复杂约束优化问题,算法寻优性能优良,特别是对于超高维约束优化问题,该算法获得了更高精度的解。     

基于粒子群-遗传的混合优化算法

提出了一种基于实数编码的粒子群优化和遗传算法的混合优化算法,该算法首先由粒子群优化进化一定代数后,将最优的M个粒子保留,去掉适应度较差的pop_size M个粒子。然后以这最优的M个粒子的位置值为基础,选择复制得到pop_size M个个体,并进行交叉、变异等遗传算法运算。最后将保留的M个粒子位置值与遗传算法进化得到新的pop_size M个体合并形成新的粒子种群,进行下一代进化运算。该算法在进化过程中能进行多次信息交换,使两种算法互补性得到更充分的发挥。通过5个函数优化实例与其他多种算法的对比研究,表明该算法收敛性能好,运算速度快,优化能力强。此外,还研究了最优粒子保留规模M以及粒子群优化进化较少代数规模对算法性能的影响。     

基于变邻域分布估计算法的数传资源配置优化

分析了地面站数传资源分配中的影响因素, 建立了问题的约束优化模型, 提出了变邻域搜索与分布估计相结合的优化算法. 算法在概率模型和种群个体两个层次分别设计了邻域结构, 以提高算法的全局搜索能力和局部优化能力, 并避免优化过程陷入局部极值. 构建了变邻域分布估计算法的优化流程, 推导证明了算法的收敛性. 利用仿真算例分别对算法性能及控制参数选择进行了分析, 实验结果表明, 算法能够有效地解决数传资源配置优化问题, 且求解精度较高.     

基于群交叉变异MPPSO的MIMO雷达发射波束形成

采用基于智能算法优化发射信号互相关矩阵的方法来形成所期望的发射天线方向图,实现多输入多输出(multiple-input multiple-output, MIMO)雷达发射波束控制。根据MIMO雷达数学模型构建了适合智能优化的代价函数,提出群交叉变异多相粒子群算法（swarm exchange and aberrance multiple-phase particle swarm optimization, SEA-MPPSO）,并将其应用于MIMO雷达发射信号互相关性的优化,实现了发射波束赋形。方法快速高效,能最大程度地逼近全局最优解。计算机仿真结果证明了方法的可行性和有效性。     

梯级水库短期发电优化调度的协进化粒子群算法应用研究

针对传统优化算法在求解高维、复杂的梯级水库短期发电优化调度时多约束条件难以处理、 计算机时长、易陷入局部最优解等缺陷, 提出了基于协进化的粒子群优化算法, 并建立了相应罚因子的评价机制, 在此基础上对协进化粒子群优化算法进行了改进. 通过实际算例验证了该方法的合理性和可靠性, 从而为高维、复杂梯级水库发电优化调度提供了一种新的求解途径.     

基于混合粒子群算法的多平台多武器火力分配研究

分析了火力分配的数学模型及求解算法的研究现状,建立了多平台多武器的火力分配模型,并提出了一种混合粒子群算法的求解方法。混合粒子群算法利用粒子群的个体最优和全局最优粒子,采用了交叉、变异和选择相结合的遗传操作得到粒子的新个体。通过对两个作战想定的多次测试,进一步表明了算法的可行性和有效性,尤其是在规模复杂问题中将更能体现算法的优越性。     

Analysis of the diversity of population and convergence of genetic algorithms based on Negentropy

1.INTRODUCTION Thediversityandconvergenceofgeneticalgorithms havegainedmoreattentionbymanyspecialistsinre centyears,althoughGAhasbeenwidelyusedin manyfieldsandobtainedsomesuccess,therestill isn’tasetofcompletetheorytoexplaintheprinciple ofGA,tosomeextent,itsdevelopmentisrestricted, evenmakingsomeonedoubtfulaboutit. Holland’smodeltheoremisthemaintheoryof GA,butitjustdisclosestheaveragechangeinthe evolutionarypopulation,notsuggestinganyinforma tionofindividualdistributionwithintheevo…     

基于创建解动态控制和局部搜索合并的蚁群算法

为了加快蚁群算法的收敛性和改善解的合理性,提出了一种改进的蚁群算法。该算法提出一种基于动态控制的策略,其目的是确保蚂蚁在搜索前期采用最大概率探索解,而在搜索后期,每只蚂蚁都在当前最优解附近搜索解,这在一定程度上提高了算法的收敛性能;其次,为得到更合理的解,对每只蚂蚁的局部搜索解中加入合并机制,这样集成了多个蚂蚁对最优解的搜索性能。实验结果表明:该方法性能优于传统的蚁群算法。     

基于排序机制的全序广播算法分类与性能分析

已有的全序广播和多播算法多达近五十种,为了便于人们根据需要从众多算法中进行选择,需要对这些算法进行明确分类。但现有的分类方法都存在着完备性较差,且难以理解等问题。基于排序机制,从全序广播和多播算法的通信记录、优先权、动态序列器、静态序列器和目的方一致五个方面,给出了一种针对全序广播与多播算法的新系统分类方法。同时,还从定性、定量两个方面对分类的各类算法进行了规范、应用模型环境以及性能的分析与评测。使用新的分类方法以及测评结果,可以在现实应用中很方便地从现有算法集中根据需要选择合适的算法。