基于改进的和声搜索算法的特征基因选择

针对基因表达谱高维、小样本、高噪声及高冗余等特点,提出一种基于改进的和声搜索算法的特征基因选择方法。首先,采用Kruskal-Wallis算法对原始基因进行初选,降低和声算法搜索空间维数,保证和声搜索算法的优化精度和收敛速度;然后,针对和声搜索算法易陷入局部最优问题,对当前种群中最优、最差和声分别进行进化;同时融合教与学优化算法中个体更新方式,设计一种改进的和声搜索算法实现特征基因选择。仿真实验结果表明,方法在优化精度、时间效率和稳定性等方面优于HS、IHS、EHS和GHS等算法。     

动态协同和声搜索算法及其在无线传感器网络覆盖中的优化

研究一种动态协同和声搜索算法,并对无线传感器网络的覆盖感知模型进行求解.该算法设计多种群动态协同进化策略,改善和声搜索算法的多样性.在和声记忆库考虑阶段,引入轮盘赌选择,提高搜索的有效性.同时,对算法参数进行动态调节,以提高算法的优化性能.无线传感器网络覆盖优化问题的优化仿真结果表明所提算法取得较优的结果.     

混沌的自适应和声搜索算法

和声搜索算法是一种启发式优化算法,针对现有改进的和声搜索算法(IHS)的不足,提出了一种混沌自适应和声搜索算法(CAHS)。在该算法中,首先采用混沌策略初始化种群,然后采用自适应的和声保留概率、音调调节概率和音调调节步长产生新解,每次迭代产生多个新解,充分利用和声记忆库的信息。如果算法停滞,则采用混沌变异机制。本文用5个标准的测试函数对该算法进行测试,结果表明该算法(CAHS)比IHS和AHSPSO算法有较强的寻优能力和跳出局部最优解的能力。     

多种进化算法混合解决约束工程优化问题研究

针对单一进化算法不适合解决所有优化问题的情况,提出了一种混合多种进化算法解决约束工程优化问题的算法.该算法混合了差分进化、粒子群优化和共生生物搜索等3种算法,首先利用差分进化算法产生和选择最优种群,然后利用粒子群优化算法寻找每一个最优解并进行更新,最后利用共生生物搜索算法对所有种群进行共生互动更新,选择出最优种群以进行...     

和声搜索算法在结构有限元模型修正中的应用

首次将和声搜索算法(harmony search algorithm,HSA)引入结构健康监测领域,并成功应用于结构有限元模型修正.首先介绍和声搜索算法的基本原理及其主要计算步骤;其次将结构有限元模型修正转化为一优化问题,建立目标函数,利用和声搜索算法求解该优化问题,得到结构修正后的有限元模型;最后通过对5层剪切型框架模型进行仿真模拟,验证该方法在结构健康监测领域应用的可行性.拓宽和声搜索算法的应用范围,为结构健康监测提供另一种思路.     

基于差分算子的和声搜索算法求解非线性l1模极小化问题

针对一类目标函数非光滑的l1模极小化问题,提出了一种改进的和声搜索算法.结合差分进化算法的变异策略,用差分向量算子取代和声搜索算法的音调微调.实验结果表明,改进后的和声搜索算法能够获得原问题的全体解.     

基于细胞型膜计算框架的和声搜索算法及其应用

和声搜索算法为一种元启发式算法，该算法具有参数少、可操作性强等优点，膜计算作为自然计算的一个分支，本身具有较大的发展潜力与完备的计算性.本研究将两者结合，提出一种基于细胞型膜计算框架的和声搜索算法，利用细胞型膜计算框架来构建算法的膜结构，并根据膜计算框架的结构，使用现存的和声搜索算法的迭代方式作为基本膜内的进化规则，设计通信机制使不同膜之间相互传递信息，有利于丰富种群的多样性与平衡算法的全局和局部搜索，并设置外部档案记录最优个体来控制种群进化的方向，从而提高算法的精准搜索能力.最后，在CEC基准函数下进行数值优化实验，仿真结果表明，HS-MC算法在求解数值优化问题上比其他算法具有更好的性能，并使用HS-MC算法优化Elman神经网络的权值和阈值来预测上证指数的开盘指数，预测结果表明，HS-MC算法具有较好的寻优能力和实用性.     

基于改进和声算法的TSP路径求解

为了提高和声搜索算法(HSA)的收敛速度和准确度,设计了一个基于动态调节概率机制的动态和声搜索算法(DHSA),并将其应用于旅行商问题(TSP)求解.为了验证DHSA的有效性,选取TSP数据集bayg29和ch150,通过Matlab软件将遗传算法(GA)、HSA与DHSA进行仿真实验.实验结果表明,DHSA收敛精度最...     

改进的自适应和声搜索算法

和声搜索算法是一种启发式优化算法,针对现有改进的和声搜索算法(IHS)的不足,提出了一种改进的自适应和声搜索算法(IAHS).在该算法中,采用自适应的和声保留概率、音调调节概率和音调调节步长产生新解,每次迭代产生多个新解,充分利用和声记忆库的信息.本文用了5个标准的测试函数对该算法进行测试,结果表明该算法(IAHS)有较强的寻优能力和跳出局部最优解的能力.     

求解交货期可变动态调度问题的差分进化算法

针对差分进化算法求解动态优化问题时存在多样性缺失、寻优效率低的问题,提出一种多种群差分进化算法,将这种用于求解连续解空间优化问题的进化算法应用于顺序编码的动态调度问题求解中.该算法利用随机键编码表示法将连续位置向量转化为顺序编码,提出自组织多种群策略,将种群按动态空间特征自动分成主种群与子种群;由主种群不断探索峰值所在...     

基于CUDA的运动估计算法研究

运动估计是H.264视频编码器中复杂度最高、耗时最长的模块.本文介绍了运动估计的基本原理以及全搜索算法FS(Full Search)和钻石搜索法DS(Diamond Search)等经典的运动估计算法,并引入了基于CUDA的运动估计算法:全域消除GEA算法和基于CUDA的并行FS算法,有效地提高了H.264视频编解码速度.     

改进花朵授粉算法

智能系统试图模拟人类专家来解决复杂的现实问题。问题的领域从工程、工业到医学、教育都各不相同。在大多数情况下,系统需要根据多个输入进行决策,但是搜索空间通常很大,因此很难使用传统的算法进行决策;元启发式算法可以用作寻找最优解的一种工具。因此,改进元启发式技术和现有算法是必要的。本文介绍了一种改进的花朵授粉算法(FPA)。将标准的FPA与克隆选择算法(CSA)结合,应用到23个优化基准函数上,并对其进行测试。将改进算法与五种著名的优化算法(模拟退火、遗传算法、花授粉算法、蝙蝠算法和萤火虫算法)进行比较。实验结果表明,相比标准FPA和其他四种方法,改进花朵授粉算法能够找到更精确的解。     

立体仓库固定货架拣选路径优化的蚁群算法研究

本文详细分析了各类蚁群算法及其参数,将这些算法结合立体仓库固定货架拣选路径问题,选取出适合实际情况的算法模块;根据算法特性提出了根据迭代次数自适应调整q0参数和使用精英策略更新信息素两项优化等策略并通过仿真试验证实其优化性。在分析基础之上提出新蚁群算法的数学模型,通过大量仿真试验,得证新算法可以在较短的时间内找到较优的拣选路径,应用到实际操作中极大提高了立体仓库的使用效率。     

狼群算法的研究与应用综述

狼群算法(wolf pack algorithm, WPA)是一种比较新的群智能优化算法,是一种通过模拟狼群捕食行为和猎物分配规则而抽象出的自然启发式算法,自问世以来就受到众多学者的关注。首先对狼群算法的原理进行分析,然后总结算法的改进策略,接着列举算法的相关应用,最后对狼群算法进行展望。     

基于遗传算法的资源约束型项目进度问题的优化

基于仅有施工工艺逻辑关系的CPM初始计划,提出了一种新的多资源约束下施工计划优化的计算方法——遗传算法;针对资源受限项目特点,利用遗传算法的特性,对此问题设计了编码方式和解码规则、遗传算子、初始种群的产生方法等,并利用Patterson110标准案例对算法进行了测试,分析了算法参数对算法效果的影响。     

融合正弦余弦算法的蝴蝶优化算法

针对蝴蝶优化算法存在收敛速度慢、求解精度差和易陷入局部最优等缺陷,提出一种融合正弦余弦算法的蝴蝶优化算法.首先在蝴蝶自身认知部分引入非线性自适应因子,其次重新定义香味浓度计算公式,最后在局部搜索阶段引入改进的正弦余弦算法.通过19个基准函数的测试,实验结果表明,本算法在收敛速度、寻优精度和鲁棒性方面均优于蝴蝶优化算法(...     

基于遗传算法的铂电阻温度传感器非线性校正方法

遗传算法是具有全局寻优特点的一种新型最优化方法．针对铂电阻传感器经验公式的非线性问题使用遗传算法对其进行了优化研究．简要地介绍了遗传算法的基本原理和运算规则,具体地描述了使用遗传算法实现铂电阻传感器系数拟合的步骤和程序．作为一种有效的优化手段,能够完成优化软件具有的功能,具有一定的工程应用价值．     

一种随机搜索优化算法——网鱼算法

从随机搜索优化的最基本的特征出发,采用连动随机策略,在计算机上先编织两类(一大一小)特殊数据网.然后通过在整个搜索范围内进行有序的合理撒网,并及时观察撒网后的动态,从一新的角度较好实现了随机搜索优化的目标.在针对一些典型算法测试函数的测试实验中,通过比较网鱼算法与遗传算法,结果显示:当面对的问题事先不知道任何有关最优者的特点时,网鱼算法比遗传算法更一般化,适应的问题更宽广.