求解大规模优化问题的改进狼群算法

针对狼群算法(wolf pack algorithm,WPA)求解大规模问题时存在解精度低、收敛速度慢和易陷入局部最优的缺点,提出了一种改进的狼群算法(improved wolf pack algorithm,IWPA).采用深度神经网络进行初始化狼群个体提高种群多样性;借助遗传算法挑选首狼提高算法寻优能力;设计距离优化因子以协同狼群算法个体的探索和开发能力;构建尺度系数改进围捕行为避免算法陷入局部最优,减少运行时间.选取18个大规模(100维,200维,500维和1000维)标准测试函数进行性能对比,结果表明,IWPA算法在求解精度和收敛速度上优于其他对比算法.     

基于改进狼群算法的柔性作业车间调度研究

将一种改进的狼群算法用于解决柔性作业车间多目标调度优化的难题。以工件的最大完工时间和机器能耗为优化目标建立了多目标柔性作业车间调度模型；针对传统狼群算法容易陷入局部最优的缺点提出了一种改进的狼群算法，通过对狼群算法智能行为的改进，从工序和机器2个层面设计个体编码，引入POX (precedence operation crossover)交叉操作，保证解的合法性，提高算法的全局搜索能力；通过对2个车间实例的对比实验来验证改进狼群算法的有效性。实验结果表明，提出的改进狼群算法不仅具有良好的全局搜索能力，寻优能力较其他算法也有所提升，能够为制造业提高生产效率提供新的解决思路。     

求解0-1背包问题的二进制狼群算法

狼群算法(wolf pack algorithm, WPA)源于狼群在捕食及其猎物分配中所体现的群体智能,已被成功应用于复杂函数求解。在此基础上,通过定义运动算子,对人工狼位置、步长和智能行为重新进行二进制编码设计,提出了一种解决离散空间组合优化问题的二进制狼群算法（binary wolf pack algorithm, BWPA）。该算法保留了狼群算法基于职责分工的协作式搜索特性,选取离散空间的经典问题--0-1背包问题进行仿真实验,具体通过10组经典的背包问题算例和BWPA算法与经典的二进制粒子群算法、贪婪遗传算法、量子遗传算法在求解3组高维背包问题时的对比计算,例证了算法具有相对更好的稳定性和全局寻优能力。     

求解无容量设施选址问题的拉格朗日狼群算法及其应用

无容量设施选址问题(UFL)是应用于诸多领域的经典组合优化难题。首先,结合UFL问题的具体特征,重新定义了狼群算法中狼群协作捕食的智能行为,提出了求解该问题的狼群优化算法;其次,将狼群算法与拉格朗日松弛相结合,设计了一种求解UFL问题的拉格朗日狼群算法;最后,将本文提出的狼群智能优化算法及拉格朗日狼群算法用于UFL基准问题库中部分算例的求解,并将其求解结果与混合蚁群算法、半拉格朗日松弛方法以及优化软件CPLEX的求解结果进行比较。结果表明：拉格朗日狼群算法较狼群优化算法、混合蚁群算法及半拉格朗日松弛方法具有更好的求解效果,而且在一定程度上缓解了CPLEX求解时间长,消耗内存大的缺点,拥有良好的求解性能。     

一种新的群体智能算法——狼群算法

基于狼群群体智能,模拟狼群捕食行为及其猎物分配方式,抽象出游走、召唤、围攻３种智能行为以 及“胜者为王”的头狼产生规则和“强者生存”的狼群更新机制,提出一种新的群体智能算法---狼群算法（ｗｏｌｆ ｐａｃｋａｌｇｏｒｉｔｈｍ,ＷＰＡ）,并基于马尔科夫链理论证明了算法的收敛性。将算法应用于１５个典型复杂函数优化问 题,并同经典的粒子群算法、鱼群算法和遗传算法进行比较。仿真结果表明,该算法具有较好的全局收敛性和计 算鲁棒性,尤其适合高维、多峰的复杂函数求解。     

基于改进对数正态误差恒模算法的MIMO判决反馈

对数正态误差恒模算法误差曲线收敛速度快,但均方误差较大.针对这一问题,提出了改进的对数正态误差恒模算法,并将此算法应用于接序串行干扰消除MIMO判决反馈算法中.利用改进的对数正态误差恒模算法来得到前馈数据向量并将其合并到反馈数据向量中,然后按序将已检测并判决出的信号进行消除,避免了已判决出的信号对接收数据向量的干扰.在多散射物的无线通信环境下进行仿真,结果表明与迭代最小二乘按序判决反馈算法相比,所提算法检测性能提高,误码率显著下降.     

面向本体的SOA构件定位机制与算法研究

针对基于构件开发的构件间相互通信。互操作和检索组装自动化等问题,以及基于Internet软构(网构软件)的大量的问题都需要解决,首先分析OWL-S和WSMO的异同以及SOA构件库构成条件;接着提出基于本体的SOA构件库定位机制,其构造一种最小二乘法最优估计的自动验证的指标体系、构件服务质量,以及构件反馈机制。建立一种定位的SOA构件库寻址和刻面分类的定位构件树模型,在此基础上,采用小生境蚁群退火遗传算法求解定位的构件树,从而最大限度实现构件自动化组装,以及实现构件的关注点分离和层次粒度的重用,最后通过实验仿真分析了定位算法的有效性。     

一种适用于无线传感器网络定位的新方法

针对无线传感器网络,提出了一种基于恒模算法(constant modulus algorithm,CMA)的新定位方法(CMA-MAP)以及它的一种增强型算法(CMA-MDS)。其中CMA-MAP算法利用通信节点间距离的恒模性质,通过计算求出满足网络拓扑结构的多个局部最优解,并通过比较获得全局最优解。增强型算法(CMA-MDS)则是恒模算法与多维尺度分析技术相结合的一种新方法,模拟表明CMA-MDS可以提高估计的精度,且具有很强的鲁棒性。     

基于协同Memetic自适应QPSO算法的传感器目标分配问题求解

对复杂防空作战环境下的传感器目标分配(sensor target assignment,STA)问题进行了研究,建立了基于识别、跟踪、定位多阶段综合作战效能〖JP3〗的分配模型。针对该模型,首先基于粒子群聚集度和进化度判断,对传统量子粒子群(quantum particle swarm optimization, QPSO)算法进行了改进,提出了自适应QPSO算法。然后,结合多粒子群协同和Memetic搜索策略,提出了基于协同Memetic自适应QPSO算法的STA求解方法。同时,为使粒子位置矢量反映分配方案,依据不同战场环境设计了两种特殊的粒子编码方案。最后通过仿真实验验证了所提算法的有效性。     

求解混合流水车间调度的改进贪婪遗传算法

针对最小化最大完工时间的带有不相关并行机的混合流水车间调度问题,提出了改进贪婪遗传算法。首先,该算法染色体编码采用基于工件加工顺序的编码,解码提出了两种设备分配方案,并考虑到不同阶段加工设备配置不同对算法的影响,采用了正序解码和逆序解码加再调度并用的解码策略。其次,提出贪婪交叉算子和贪婪变异算子,这些算子不仅承担改进种群,增加种群多样性的功能,同时还具有较强的局部搜索能力。最后通过正交实验确定算法的参数设置,与已有算法对已知案例的求解结果进行了比较,说明了该算法的有效性。同时实验表明了正序和逆序解码策略的必要性以及正序或逆序解码的时机。     

利用改进的二进制狼群算法求解多维背包问题

(1. Materiel Engineering College, Armed Police Force Engineering University, Xi’an 710086, China; 2. Materiel Management and Safety Engineering College, Air Force Engineering University,  Xi’an 710051, China;3. Air Traffic Control and Navigation College, Air Force  Engineering University, Xi’an 710051, China)     

考虑子系统执行能力的多无人机协同任务规划

任务分配是提高无人机运维效率的关键技术之一。针对子系统执行能力约束条件下的无人机蜂群协同任务分配问题, 提出一种融合拍卖机制的改进狼群算法。首先, 定义子系统能力矩阵以实现无人机异构性和任务执行能力的统一描述。其次, 对个体狼采用矩阵编码, 针对违反攻击次数的非可行解, 提出基于拍卖机制的修正策略, 以进行处理。然后, 在个体狼位置更新过程中融入遗传算法思想, 在探索阶段和围捕阶段分别进行相邻行交换操作和间隔列交叉操作, 以实现快速寻优。最后, 将第三优狼引入到狼群更新过程中, 从而增强种群的多样性。仿真实验结果表明, 所提方法能够有效求解子系统执行能力约束下无人机蜂群协同任务规划问题; 且相比于其他改进进化算法, 所提方法具有更好的寻优性与收敛速度。     

改进二分粒子群优化算法的阵列方向图综合

针对粒子群优化(particle swarm optimization, PSO)算法收敛速度慢、寻优精度低、计算量大、容易陷入局部最优解等问题,首先提出了一种无需越界检测的归一化粒子群优化(normalized particle swarm optimization, NPSO)算法,NPSO算法具有比PSO算法更佳的有效性和稳定性,其优化速度和收敛精度要远远优于PSO算法,且其计算量要比常规PSO算法采用越界检测调整小。其次,结合狼群算法(wolf pack algorithm, WPA)中的游走行为,在二分粒子群优化(dichotomy particle swarm optimization,DPSO)算法的基础上,通过对二分粒子赋予不同的探索方向,提出了一种WPA-DPSO算法,WPA-DPSO算法具有3层寻优的功能,不仅有效加强了粒子的搜索范围,避免了算法陷入局部最优解,而且有效提高了DPSO算法的收敛速度、优化精度、稳定性和有效性。在NPSO算法和WPA-DPSO算法的基础上,提出了一种混合型PSO算法(WPA-NDPSO),从而有效克服了PSO算法早熟收敛、搜索范围不大、容易收敛到局部极值、计算量大等问题。均匀线阵方向图综合实验表明:WPA-NDPSO算法不仅具有较优的收敛速度和优化精度,而且具有较强的稳定性和较高的有效性。     

基于改进蚁群优化算法的客运专线旅客出行方式选择

客运专线建成后客运通道内的旅客出行选择有更多的方式,根据出行时间和费用对旅客出行选择的影响,采用改进蚁群优化算法建立旅客出行方式选择的概率转移模型.用信息量对出行时间和费用进行描述,将通道内城市问各种运输方式线路上的信息量看作是对旅客出行选择的吸引强度.通过引入武汉-广州客运通道进行实例分析,得出不同出行距离的旅客选择各种运输方式(客运专线、既有铁路、公路、航空)的概率.     

A NEW CONJUGATE GRADIENT METHOD AND ITS GLOBAL CONVERGENCE PROPERTIES

1.Intr0ductionConsidertheunconstrainedminimizationproblemminf(x),xER",(1)wheref:R"-R1isacontinuouslydifferentiablefunction.Inthispaperwerestrictourselvestostudyingtheconjugategradientmethodoftheformwherex1isagiveninitialp0int,dkisthesearchdirection,crkistllesteplengtllalongdk,gk=g(xk)isthegradientoffatxkandPkisasuitablescalar.Thewell-knownibrmulasforgkaretheFletcherandReeves(FR)formulaReceivedN0vemberRevisedMarchl4,l997.*Thisresearchissupp0rtedbytheNati0nalNa1lraIScienceF0undationofChi…     

基于PEV准则的I-UMOP问题求解方法

针对传统方法在求解不确定多目标规划问题过程中存在的不足,提出了该问题在新准则下的求解方法。首先,提出了求解方法的基本框架,并通过引入不确定变量之间的序关系定义了不确定多目标规划的帕累托有效解;其次,根据线性加权或理想点法将原问题转化为不确定单目标规划问题,再利用期望方差准则将不确定单目标规划问题转化为确定的单目标规划问题;再次,通过相关理论推导证明了在该准则下转化后的问题求得的最优解是原不确定问题的帕累托有效解;最后,设计了决策变量分别为连续型和离散型的数值算例对该方法的有效性加以说明,考虑算例的复杂度,分别采用遗传粒子群算法和二进制狼群算法进行了求解。     

面向预警卫星调度问题的改进粒子群算法

针对预警卫星调度问题的特点,提出了改进型粒子群算法。首先构建了粒子整数编码和解码机制,使粒子编码对应资源分配方案;其次,采用基于优先级的粒子群初始化机制,提高算法对可行解空间的遍历效率;其次对运算符进行重定义,解决基本粒子群算法无法处理离散变量优化问题。最后将改进的离散分群粒子群算法应用于预警任务—资源的调度问题中,实验结果表明,同其它算法相比,该算法具有较高求解性能。