基于仿射算法的确定性全局优化算法

针对传统区间算法求解全局优化问题耗时长、空间复杂度较高及收敛速度较慢的缺点,引入仿射算法及局部优化算法,给出了一种全局优化求解的仿射算法.由局部优化算法和各求解区间上待优化函数的仿射运算得到全局最优解的一个上界,再依据对各区间仿射运算的下界与全局最优解上界的比较来确定相应区间的去留,通过对不含全局最优解的子区间的删除来确定最优解所在的子区间,并最终找到全局最优解.数值实验表明,该算法相对于传统的区间优化算法有较高的收敛速度,且占用的系统资源较少.     

一类无约束离散minimax问题的区间斜率方法

进一步讨论了一类由一阶连续可微函数构成的无约束离散minimax问题。利用区间斜率方法和区域二分原则，构造了极大函数的区间扩张和无解区域删除检验原则，建立了区间斜率算法；对算法进行了数值实验，并给出了数值算例，结果表明：该方法可以同时求出问题的最优值和全部全局最优解，是有效和可靠的。     

无约束线性二层规划问题的区间算法

利用区间分析研究无约束线性二层规划问题的数值方法.通过建立目标函数的区间扩张和构造无解区域删除检验原则,建立区间算法,证明了算法的收敛性,并进行数值实验,给出数值算例.该算法可以同时求出二层规划的最优值和全部最优解的区间值.算例结果表明该算法是可靠和有效的.     

基于二项式交叉改进的人工蜂群算法

为了克服人工蜂群算法容易过早收敛和在接近全局最优时搜索速度变慢、疏于开发的缺陷,提出一种基于二项式交叉改进的人工蜂群算法.改进算法引入全局最优值,通过二项交叉将邻域搜索的最优值与全局最优值进行比较,以加快算法的收敛速度,提高算法在最优解附近的开发能力.通过7个基准函数进行仿真测试发现:和标准的人工蜂群算法相比,改进的人工蜂群算法有较好的收敛速度和收敛精度,有效提高了原算法的全局寻优能力,且并未大量增加算法的复杂度,是一种有效的优化算法.     

结合区间和符号方法的多变元多项式的混合全局最优化方法

提出了一种求解带边界约束的多变元多项式全局最优解的混合方法.混合是指在优化的过程中结合了区间方法、符号方法和数值方法.一方面通过区间方法在舍入误差存在的情况下得到包含最优解且满足要求的任意小区间;另一方面通过符号方法解决当Jacobi矩阵在区间内某点奇异时区间牛顿法无法验证驻点的存在性与惟一性的问题;同时,利用数值优化方法(如BFGS方法)来有效克服区间方法运算速度慢的缺点.此外,文中的算法非常有利于并行化,因此可以进一步提高算法效率.     

一类带约束min-max-min问题的区间算法

建立了一类带约束Min-Max-Min问题的数值方法，其中目标函数和约束条件均为Lipschitz连续函数。利用区间分析方法，基于罚函数法和区域二分原则，针对问题及目标函数约束条件的不可微的特点，构造了罚函数的区间扩张和无解区域删除原则，建立了区间算法，证明了该算法的收敛性。对算法进行了数值实验，并给出了数值算例，结果表明：该方法可以同时求出问题的最优值和全部全局最优解，是有效和可靠的。     

求解一般D.C.规划的全局最优解

给出一种求解一般D.C.规划非孤立全局最优解的算法. 该算法克服了目前一些逼近算法在计算过程中有时得到的解为不可行解、 甚至远离真正全局最优解的问题. 数值结果表明了算法的有效性.     

改进的混沌优化算法及其在函数优化中的应用

针对基本混沌优化算法在求解三维以上的多维函数时不易求得全局最优解的局限性,通过引入解向量的优选,提出了一种改进的混沌优化算法,主要思路是通过多次可行解向量的混沌优选,将可行解定位到最优解的附近,再用二次载波进行搜索找出多维函数的全局最优解.仿真计算表明:该算法对三维以上函数可以显著提高搜索精度,收敛性能好,容易找到全局最优解.     

基于Fuch映射的混沌蝙蝠算法

为了改善基本蝙蝠算法(bat-inspired algorithm,BA)的求解性能,提高其搜索效率,避免其搜索过程陷入局部最优,利用Fuch映射对基本蝙蝠算法的局部最优解的邻域和蝙蝠的频率变化区间进行混沌遍历搜索,提出了一种新型混合蝙蝠算法——Fuch混沌蝙蝠算法(FCBA).仿真计算结果表明:与BA相比,FCBA具有较好的收敛性能,能够较快地收敛于测试算例的全局最优解.     

求解二次双层规划问题的全局最优解

针对现有的一些逼近算法在计算过程中有时得到的解为不可行解, 甚至远离真正全局最优解的问题, 给出一种解二次双层规划非孤立全局最优解的算法. 数值实例结果表明, 该算法行之有效.     

一类连续型minimax问题的区间斜率算法

讨论了目标函数为一阶连续可微的无约束连续型minimax问题的区间算法.利用连续型极大熵函数和区间斜率法,通过建立区间扩张和无解区域删除检验原则,构造了求解连续型minimax问题的区间斜率算法,证明了算法的收敛性,并给出了数值算例.相关结论和数值结果都表明,其方法是可靠和有效的.     

基于区间算法的航天器再入轨迹优化

区间算法是近年来出现的一种新的全局优化算法,本文将其引入到再入轨迹优化中来。首先建立了航天器再入区间模型,选取总加热量最小为性能指标,控制量则选为功角和滚转角;然后讨论了区间算法在再入轨迹优化中的可行性以及优势;其次根据该算法的特点,构建了待优控制量功角、滚转角的区间解析表达式,以及给出了约束条件的处理方法;最后分析并解决了该算法在再入轨迹优化中应用的其余关键问题。仿真结果表明,该算法能够保证在再入轨迹优化中找到全局最优解,相比于其他优化算法具有某些优势。     

A novel hybrid vortex search and artificial bee colony algorithm for numerical optimization problems

Though vortex search (VS) algorithm has good performance in solving global numerical optimization problems, it cannot fully search the whole space occasionally. Combining the vortex search algorithm and the artificial bee colony algorithm (ABC) which has good performance in exploration, we present a HVS (hybrid vortex search) algorithm to solve the numerical optimization problems. We first use the employed bees and onlooker bees of ABC algorithm to find a solution, and then adopt the VS algorithm to find the best solution. In the meantime, we cannot treat the best solution so far as the center of the algorithm all the time. The algorithm is tested by 50 benchmark functions. The numerical results show the HVS algorithm has superior performance over the ABC and the VS algorithms.     

一类非光滑整体优化的区间算法

本文在区间分析基础上,通过定义一个特殊导数给出一类求解非光滑整体优化的区间算法．理论分析和数值例子均表明本文算法具有快速、安全等特点．     

蚁群算法求解旅行商问题若干改进策略的研究

蚁群算法是求解TSP问题的一个性能较好的仿生型的智能优化算法,但存在着运行时间长、容易陷入局部最优的缺点,导致停滞现象的出现,找不到全局最优解.实验表明,使用候选集合策略和局部搜索策略能提高算法所求得的解的质量,同时也会明显加快求解的速度.使用信息素变异和重新初始化策略,能增加路径探索的多样性,使算法对搜索空间的探索始终保持在一个合理的水平上,有效地避免算法陷入停滞状态,从而找到全局最优解.     

蚁群算法求解TSP问题若干改进策略的研究

蚁群算法是求解TSP问题的一个性能较好的仿生型的智能优化算法,但存在着运行时间长、容易陷入局部最优的缺点,导致停滞现象的出现,找不到全局最优解.实验表明,使用候选集合策略和局部搜索策略能提高算法所求得的解的质量,同时也会明显加快求解的速度.使用信息素变异和重新初始化策略,能增加路径探索的多样性,使算法对搜索空间的探索始终保持在一个合理的水平上,有效地避免算法陷入停滞状态,从而找到全局最优解.     

聚类分析在多极值函数优化中的应用

将聚类分析方法应用于经典的优化和遗传寻优过程当中，提出了一种求解多极值函数全局最优解的方法。在基于梯度的算法中，先取多个初始点，几次迭代搜索后做聚类分析。在每类取一点，将目标函数分为多个单极值函数，然后分别寻优，通过比较得到全局最优解。在遗传算法中，通过聚类分析在每类取若干个体作为代表个体，它们将始终参与遗传操作，从而有望达到全局最优。     

用改进的遗传算法实现网络计划优化

遗传算法的网络计划优化属于离散的非单调、欺骗性问题,较难得到全局最优解．而采用改进的遗传算法,并运用数据库,通过对大量实际运算结果的统计分析表明：改进后遗传算法,能显著提高全局最优解的成功率．研究中发现,该类问题适应度的动态缩放技术具有最好的效果,并就该类问题提出了合适的参数取值．