基于改进遗传算法的云计算任务调度研究

针对云计算服务集群任务调度算法的效果,提出一种基于改进遗传算法的任务调度算法。该算法采用检测种群个体多样性生成初始种群,遗留优秀个体,检测个体相似度增加交叉操作的有效性等策略实现任务调度的改进。实验表明,该算法在云计算任务调度中是一种有效的算法,缩短了任务的执行时间并节约系统资源。     

基于速度向量化策略的二进制粒子群算法

基于二项分布等概率统计方法对原始的离散二进制粒子群算法进行分析,发现速度最大值和惯性权重这两个参数对原算法的搜索性能影响较大,且原算法的速度更新方式会降低种群多样性,导致全局搜索性能不强。基于此,提出基于速度向量化策略的二进制粒子群算法,通过对粒子的速度进行向量化,较好地提高了算法全局搜索性能。通过实例仿真对比,证明了所提算法的可行性及其优势。     

遗传算法与最小元素法相结合在物流中心选址中的应用

针对单一品种货物的物流中心的选址问题,采用一种将单亲遗传算法与最小元素法相结合的方法来处理此类问题,并且对遗传算法做了相应的改进,为了避免遗传算法的“早熟”现象,提高收敛速度,采用优化初始种群,自动调整交叉率和变异率的方法。采用这种混合算法的好处是削弱遗传算法的随机性,加快收敛,使算法的效率得到了提高。     

多项目交互组合选择模型的改进粒子群优化研究

为解决多项目之间发生交互作用时的项目选择和组合优化问题,在已有优化模型的基础上,提出改进的粒子群算法,利用种群间跳跃改进的方法增强了粒子的搜索性能,并通过聚类和干涉的方法,防止算法陷入局部最优,有效求解多目标优化模型,最后利用算例分析证明模型和算法的有效性。     

自适应混沌克隆进化规划算法

结合混沌和抗体克隆选择学说，提出一种新的人工免疫系统算法——自适应混沌克隆进化规划算法．新算法基于Logistic混沌序列；利用个体质量、进化代数和个体分布情况构造混沌变异算子；通过Logistic混沌序列自适应调整变异尺度，理论分析和仿真实验表明，与标准的遗传算法和采用随机变异的克隆选择算法相比，该算法收敛速度快，求解精度高，稳定性好，并有效抑制了早熟现象。     

基于改进粒子群-GRNN模型的地铁隧道沉降预测

为了实现地铁隧道沉降的准确预测,针对传统方法和常用智能方法预测精度不高、适用性不强等问题,建立基于改进粒子群和广义回归神经网络的隧道沉降预测模型。模型引入随机变异因子以克服粒子群算法早熟收敛和后期搜索效率不高的缺陷。通过与GRNN、普通PSO-GRNN和PSO-BP模型进行对比,验证了改进算法的有效性和所建模型的优越性。以长沙地铁隧道为例进行沉降预测发现:预测值与实测值相差1.04 mm,相对误差为4.05%,预测精度高,满足工程需要。     

基于进化算法的递归神经网络系统辨识方法

针对传统的递归神经网络学习算法存在的缺陷,本文利用进化算法对递归神经网络进行优化设计,提出了一种基于改进进化算法的递归神经网络系统辨识方法.该方法利用高斯变异和柯西变异相结合的方式进行变异操作,利用个体适应度和种群多样性指标使交叉概率和变异概率进行自适应调整,可以保证变异操作按一定的幅度均匀地分布在整个网络上,提高算法的收敛速度,避免早熟现象.给出了算法的具体步骤,通过仿真实验证明了该算法的有效性.     

模式的形式不变性及准确的模式理论

以矩阵表示为工具, 通过线性空间的线性变换对遗传算法的进化过程进行表述, 给出了交叉算子和变异算子可以进行互换的条件; 在模式空间的基础上, 推导了准确的模式进化公式. 模式、模式空间贯穿全文始终, 新模式理论的获得建立在更大的粒度(the degree of coarse graining)上.     

基于果蝇算法的破坏带深度FOA-SVM预计模型

针对底板破坏带的精度问题提出新的预计模型,通过搜集众多矿井的实测数据,应用多元统计分析算法,在支持向量机的基础上建立预计模型。采用果蝇优化算法对预计模型进行优化训练,建立FOA—SVM预计模型。利用实测数据对模型的预计结果进行检验,预计结果准确,比遗传算法模型、粒子群模型的预计结果稳定性更好和精度更高。     

基于改进万有引力搜索算法的无人机航路规划

无人机航路规划是根据任务目标规划出某种性能指标最优的飞行航路的全局优化问题.本文将改进后的万有引力搜索算法用于求解航路规划问题,在万有引力搜索算法的速度更新部分引入粒子群算法中的记忆和群体信息交流功能,改善了最优解的质量;然后提出了基于权值的粒子惯性质量更新公式,以加快全局搜索的收敛速度;后运用优胜劣汰的选择操作规则,对粒子的位置进行更新,使种群始终朝着最优解的方向进化.通过与其他仿生智能计算方法的仿真实验对比,验证了本文所提算法可在复杂作战环境下实时有效规划出无人机的最优航路.     

一种基于自适应种群变异鸽群优化的航天器集群轨道规划方法

航天器集群在复杂条件下的轨道规划问题是当前航天领域的热点以及难点.本文针对分布式集群航天器在队形变换过程中的轨道最优规划问题进行了研究,提出了基于自适应种群变异的鸽群算法(adaptive population variation pigeon-inspired optimization, APVPIO).本文对经典PIO算法中的核心演化算法、演化停滞以及易陷入局部最优解问题进行了研究.同时针对经典PIO算法的适应度函数进行了研究,并且结合轨道规划问题进行了改进.最后基于自适应种群变异的鸽群算法进行了仿真实验,结果表明, APVPIO算法,相比于经典PIO算法、PSO算法在极大减少计算量的同时,有更优规划结果、更深的种群演化深度以及更快的收敛速度,可以满足航天器集群在复杂约束条件下的轨道规划问题.     

供水管网抗震拓扑优化算法研究

针对供水管网抗震拓扑优化问题,引入管线单元投资重要度的概念评价管网中管线对管网抗震的贡献.在此基础上,将遗传算法、遗传-模拟退火算法、蚁群算法和微粒群算法等现代组合优化算法应用于供水管网抗震拓扑优化中.通过算例对上述算法的优劣进行了对比分析.结果表明：遗传-模拟退火算法表现最好,遗传算法和微粒群算法次之,而蚁群算法的搜索性能较差.     

遗传算法过早收敛现象的特征分析及其预防

通过引入种群早熟集和种群多样度的概念，分析了遗传算法中过早收敛现象的起因与特征。阐明了杂交过程的成熟化效应是引起遗传算法过早收敛的主因，而遗传算法过早收敛的过程特征表现为种群序列多样度的单调减少及种群分量为零的个体适应比的偏差渐趋于１／２。依据所作的理论分析，提出了一种可以预防和克服过早收敛的新型遗传算法，并从理论上证明了该算法依概率收敛到全局最优动态。     

基于支持向量机和粒子群算法的电子鼻伤口感染检测

针对传统的伤口感染诊断方法耗时长,操作复杂等问题,提出了一种基于电子鼻和支持向量机(SVM)的方法进行伤口感染检测,分别检测非感染和三种常见病原菌感染的大白鼠伤口顶空气体,然后利用 SVM对实验数据进行识别.同时,鉴于传感器阵列的优化以及 SVM参数选择对其分类准确率有重大的影响,提出一种基于粒子群算法(PSO)的传感器阵列和 SVM参数同步优化方法.实验结果表明,SVM结合 PSO与传统的神经网络以及遗传算法相比,极大提高伤口感染检测的准确率     

基于平均增益模型的连续型(1+1)进化算法计算时间复杂性分析

连续型进化算法的计算时间复杂性分析是进化计算理论研究的一项公开难题,目前相关研究成果较少.针对连续型(1+1)EA,基于适应值差函数提出了平均增益模型及其分析方法,给出了平均计算时间的计算理论,为算法的计算时间复杂性分析提供了依据.在此基础上,研究还选取了学术界关注的球形函数作为研究对象,分别推导了变异步长满足标准正态分布和均匀分布的连续型(1+1)EA在优化球形函数时的平均增益,并估算出了它们的平均计算时间.理论分析说明:1)两种算法的计算时间复杂性都是指数级的;2)在给定相同精度和初始适应值差的前提下,采用均匀分布变异算子的算法其寻优速度优于采用标准正态分布变异算子的算法.进一步地,通过数值实验对理论分析结果进行了验证,结果表明平均增益模型分析是有效的.     

基于PSO算法改进的ANFIS在织物染色配色中的应用研究

本文研究了PSO（粒子群优化）算法及一种用于织物染色配色的自适应模糊神经网络（ANFIS）,提出了基于织物染色配色的粒子群算法改进的ANFIS配色模型,并进行了仿真试验。从仿真试验的结果看,该配色模型收敛速度快,精确度较未改进的ANFIS模糊神经网络有明显的提高,在解决织物染色配色问题上取得了令人满意的配色效果。     

考虑夹具-托盘组合优化的多资源约束柔性作业车间智能调度

针对多产品混合加工车间中有限夹具-托盘资源引发的生产力制约问题,提出了考虑夹具-托盘组合优化的多资源约束柔性作业车间智能调度方法.首先,以最小化最大完工时间为目标建立了基于设备-夹具-托盘三资源约束的混合整数规划模型.其次,设计了基于可行性修复和自学习型变邻域搜索的改良遗传算法并进行求解,提出了种群染色体初始化、交叉、变异过程中的可行性修复策略,在算法迭代中后期引入三种变邻域搜索方法并构建搜索策略知识库,自学习地求得最优解.最后,基于工业大数据生成算例,并通过数值实验证明了该算法具备求解精度和求解时间上的双重优越性,可有效解决设备-夹具-托盘约束下的柔性作业车间调度问题,为加工车间的生产排产智能化转型提供有力支持.     

三维单纯形划分的遗传算法

提出了一个新的三维三角划分算法，称之为三维遗传三角划分算法，ＧＴＭＧＡ基于遗传算法的基本原理搜索全局最优三角划分，由于使用了多目标适应值函数， 以进行多个目标的优化从而满足不同的要求，ＧＴＭＧＡ采用了新的交叉与变异算子－－多面体交叉与多面体变异。通过实验结果可以看出，ＧＴＭＧＡ的性能要优于Ｄｅｌａｕｎａｙ三角划分和基于局部变换的三角划分算法。     

考虑质量设计的合同组批生产问题研究

针对在制定组批方案中可能会产生的质量浪费现象,在考虑质量设计因素的基础上,建立以质量离散度为优化目标的组批模型,进而设计出考虑质量设计的合同组批算法。该算法改进了粒子群算法以实现聚类组批,首先松弛设备容量限制,以合同的质量离散度最小为目标,运用粒子群算法进行聚类计算,得到初步的组批方案;然后考虑设备容量约束,基于质量离散度最小原则,对违背设备容量范围的批次进行修复调整,得到最终的组批方案。以某大型国有钢铁集团的无缝钢管厂为例,基于生产实际数据设计了数据实验,以质量离散度为评价指标,将本文算法与基本粒子群算法进行对比,探讨了批次数量对问题求解的影响。实验结果表明,本文提出的模型和算法是可行和有效的。     

一种具有记忆自学习能力的快速动态寻优算法及其无功优化求解

针对传统人工智能在随机复杂环境的适应及交互能力较低问题,有机地将经典强化学习Q(?)算法与多主体协同行为进行高度融合,提出了一种具有记忆自学习能力的快速动态寻优算法.该算法通过与外部环境反复的交互来进行自学习改进,并利用值函数矩阵储存状态-动作对记忆,提出了联系记忆方式,有效地对传统Q(?)算法的动作空间进行降维处理,减小了记忆矩阵的规模;基于多主体协同合作的概念,采用多个主体同时对记忆矩阵进行迭代更新,明显提高了更新速度;在预学习形成良好的记忆后,能快速地进行在线动态优化.最后,文章利用电力系统经典无功优化模型进行了算法测试,IEEE 118节点和IEEE 300节点标准算例仿真表明:本文所提算法在保证较高收敛性的同时,寻优速度能提高到遗传算法、蚁群算法、粒子群等传统人工智能方法的5~40倍,非常适用于大规模复杂电网的在线滚动无功优化.