一种动态调整的改进微粒群算法

微粒群算法是一种新型的进化计算方法，已在许多领域得到了广泛的应用．通过对基本微粒群算法的分析，发现基本微粒群算法在计算过程中使用Lebesgue测度为0的线段进行搜索，较易得到过旱收敛现象．据此，提出了一种改进的微粒群算法，该算法在运行过程中能动态调整极限位置，从而使得每个微粒的极限位置在其所经历的最好位置与整体最好位置所形成的动态圆中分布，由于在搜索空间中使用测度为正的区域对定义域空间进行搜索，能以较大概率跳出局部最优点．实例仿真结果验证了方法的正确性和有效性．     

圆排列问题的蚁群模拟退火算法

首先把圆排列问题转化为旅行商问题,然后利用模拟退火算法是求解此问题.针对模拟退火算法对选择试验解比较敏感这一问题,文章提出六种找领域解算法.算法的分析和测试表明,利用了城市间距离大小的信息的蚁群模拟退火算法 是一种简单有效的算法.     

求解可分离连续凸二次背包问题的直接算法

经典算法一般采用迭代过程求解连续凸二次背包问题,研究了求解可分离连续凸二次背包问题的直接算法。分析了可分离连续凸二次背包问题的结构特性,通过两个命题和两个定理研究了可分离连续凸二次背包问题的解的特性,提出了一种快速的求解该问题的直接算法。该算法能快速有效地求解可分离连续凸二次背包问题的最优解,算法的时间复杂度和空间复杂度都是O(n),都比经典算法节约很多。     

VV＆A周期中确认算法的改进及应用

分析了传统的价值树分析方法在属性评价数据的确认过程中的缺陷和不足,通过引入可代偿系数,解决不同属性间可代偿性问题.提出了一种新的改进的属性数据确认算法,并利用Matlab对算法进行了实现,给出了应用实例.实验证明,该算法能更有效地解决传统算法中评价值不确定、属性代偿和专家意见描述不明确等问题.     

基于改进粒子群优化极限学习机的弹丸参数辨识

针对随机产生输入权重和隐含层神经元阈值导致利用极限学习机辨识弹丸气动参数时会出现辨识结果发散问题,本文将粒子群算法与极限学习机结合,并且引入自适应更新策略以及粒子变异策略,提出了一种自适应变异粒子群优化极限学习机算法。该算法利用自适应变异粒子群算法寻优产生极限学习机的输入权重和隐含层阈值,有效改善算法性能。仿真实验表明,利用自适应变异粒子群优化极限学习机算法辨识弹丸气动参数,精度高、收敛速度快,能够充分满足实际工程需要。     

基于混合粒子群-NEH算法求解无等待柔性流水车间调度问题

针对以最小化最大完工时间为目标的无等待柔性流水车间调度问题,提出了一种混合粒子群-NEH算法.该算法 利用粒子群优化算法解决机器分配问题,并进行全局优化;利用改进的NEH算法确定工件加工顺序,并首次提出差值 平移算法计算问题目标值.在算法求解过程中,通过不断对停滞粒子实行变异操作,避免粒子群陷入早熟收敛状态.基 于典型算例的仿真实验,证明了所提算法求解该类问题的可行性和有效性.     

求解TSP问题的最近邻域与插入混合算法

研究了求解旅行商问题(TSP)的构建型启发式算法中的最近邻域算法和插入算法的特点, 集最近邻域算法求解速度快、插入算法求解质量高的优点, 提出了一种最近邻域与插入混合算法. 分析了混合算法的合理性、复杂度及参数取值, 并分别采用以上三种算法求解了TSPLIB标准库中多个算例, 结果表明混合算法的求解速度接近最近邻域算法, 对城市数量小于1000的小规模TSP问题的求解质量与插入算法相当, 而对大规模TSP问题的求解质量明显优于插入算法.     

基于EWT-SSA-PSO-ELM模型的P2P网贷市场收益率预测

鉴于目前鲜有研究关注P2P网贷市场收益率预测问题,针对已有金融市场收益率预测研究存在的不足,提出了一种基于两阶段分解技术和粒子群优化极限学习机的EWT-SSA-PSO-ELM预测模型.引入EWT经验小波分解算法对原始的收益率综指序列进行分解,进而提高原始序列的分解效率;采用Lempel-Ziv复杂度算法提升模式分量重构...     

基于强化学习的异步动态定价算法

研究电子零售市场上两个销售商在彼此没有信息交互情况下的异步动态定价问题.基于性能势理论,建立了同时适用于平均和折扣两种优化准则下的异步定价策略的Q学习和WoLF-PHC算法,通过一个数值例子比较了相关算法的学习优化效果.仿真结果表明,Q学习和WoLF-PHC算法都能较好地解决异步动态定价问题,但由于后者采用混合策略和可变学习率,故能更好地适应环境变化,并具有更好的学习优化效果.     

植物多向生长模拟算法

针对整数规划问题提出了一种以植物向光性为启发式准则的智能优化算法——植物多向生长模拟算法. 改进了植物生长激素的分配方式并将随机选择机制引入新枝生长方向的选择,更符合植物生长的自然机理. 利用马尔可夫链描述算法迭代过程,证明了算法的收敛性. 利用无约束和有约束两类具有多个全局最优解的非线性整数规划实例测试了植物多向生长模拟算法的性能,并与基本植物生长模拟算法、填充函数法、罚函数法以及基于遗传算法的混合算法进行了对比. 植物多向生长模拟算法不仅提高全局寻优能力,增加解的多样性和准确性而且提高收敛速度.     

遗传算法中自适应伸缩搜索空间的方法

在求解优化问题时,与进化策略和进化规划不同,遗传算法依赖于所给定的搜索空间。但对于大多数实际问题,并不知道最优解所在的区域,因而无法给出适当的搜索空间,大大影响了遗传算法的性能。针对这一问题提出了一种自适应伸缩搜索空间的方法,它包括扩展阶段和收缩阶段。前者能够快速找到一个包含全局最优解但较为粗糙的搜索空间,后者则不断地细化这个空间。文中方法可以从任意初始空间出发并很快获得较为精确的上下界。同时,当应用到动态环境时,也能够迅速地适应新的适应度曲面。仿真实验证明了其优越性能。     

基于GA的n维空间优化参数的搜索算法

n维空间中函数优化、模式分类判别函数的确定等问题均可转化为n维空间优化参数的搜索问题。采用人工神经网或梯度爬山算法均存在对优化函数形式有限制及陷入局部最优等局限性。提出一种基于遗传算法的n维空间优化参数的搜索算法,它采用对变化方向和长度的编码以及分层由粗到粗的搜索,能实现全局寻优和改善搜索效率,有效地应用于工业优化、数据挖掘、模式识别等领域,二个实例验证了算法的有效性。     

矿井通风网络最小独立路集不交化可靠度的计算

运用可靠性工程理论及不交型积之和定律 ,在大型网络系统可靠度计算的基础上 ,提出了矿井通风网络系统最大线性无关最小独立路集予以真子集涤除的不交化可靠度计算的实现方法 .根据不交化可靠度计算法 ,当最小独立路集按所含网络分支的多少进行升序排列时 ,还可进一步减少中间过程的计算量 ,从而达到最佳不交化简化计算的效果 .实例分析表明 :采用升序排列的最小独立路集并按不交型积之和定理予以真子集涤除的不交化处理后 ,不仅计算值等同于一般网络分析中用全概率公式计算的矿井通风网络系统可靠度 ,而且 ,计算工作量大为简化 .     

大型网络系统最小路集的优化计算方法

在大型网络系统最小路集计算的节点遍历方法基础上，提出了大型网络系统最小路集计算的优化节点遍历方法，由于采用了高阶数组降维技术和动态数组技术，节省内存占用率，提高了运算速度，计算过程中，动态数组完成运算功能时，及时释放占有的内存空间，使得运算速度明显提高，为后续的网络系统的可靠性和维修性分析，节省了大量内存，并且采用标准，规范的Fortran90和C＋＋语言进行了编程。     

Minimizing the Risk of Absolute Ruin Under a Diffusion Approximation Model with Reinsurance and Investment

This paper studies the optimization problem with both investment and proportional reinsurance control under the assumption that the surplus process of an insurance entity is represented by a pure diffusion process.The company can buy proportional reinsurance and invest its surplus into a Black-Scholes risky asset and a risk free asset without restrictions.The authors define absolute ruin as that the liminf of the surplus process is negative infinity and propose absolute ruin minimization as the optimization scenario.Applying the HJB method the authors obtain explicit expressions for the minimal absolute ruin function and the associated optimal investment strategy.The authors find that the minimal absolute ruin function here is convex,but not S-shaped investigated by Luo and Taksar(2011).And finally,from behavioral finance point of view,the authors come to the conclusion:It is the restrictions on investment that results in the kink of minimal absolute ruin function.     

贮存装备检测周期优化模型研究

针对现有装备贮存定期检测测试效率以一个先前经验值来表示的不科学性,依据工程实际,提出用模糊综合评判法确定测试效率;利用装备在贮存中性能退化的性质,建立考虑模糊测试效率的模糊可靠度预计模型;结合模糊可靠度函数给出贮存费用的积分表达式。最后以模糊可靠度模型为约束,以费用最小为目标函数建立检测周期的优化模型。运用遗传算法对某型水下航行器贮存期电参数的故障检测周期进行优化,结果表明了此方法的合理性和实用性。     

基于FIFO循环缓冲区的DSP外围设备实时调度研究

使用先入先出(FIFO)循环缓冲区方案解决实时系统中数字信号处理(DSP)外围设备调度问题.解析证明了循环缓冲区可调度的充要条件是外围设备总响应时间占总时间的比率小于1,并对数据帧周期输入到外围设备的情况,提出一种求解开辟缓冲区最小空间的离线数值计算方法.该方法应用于某高端导航接收机DSP外围设备调度设计,可以快速求出缓冲区所需开辟的最小空间.     

一种快速遗传算法及其收敛性

针对遗传算法局部搜索能力较差、全局优化速度缓慢、搜索的效率对约束惩罚因子的选择有明显依赖性等问题,设计了能够从可行解空间和不可行解空间同时搜索的交叉算子、具有前期的快速搜索能力和后期的最优解保持能力的变异算子和具有"精英"保持能力的选择算子,并采用已搜索解集避免了子代的"返祖"和退化现象。在此基础上,设计了具有全局搜索能力的遗传算法,并证明了算法的收敛性。仿真结果表明,该算法能够快速地找到全局极值点。     

基于广义最优成像空间的双基地SAR成像算法

传统的基于最优成像空间的双基地合成孔径雷达(synthetic aperture radar, SAR)成像算法是一种性能卓越的SAR成像算法,其具有散射点在成像空间定位准确,算法复杂度低以及聚焦性能高等优点。然而,随着观测场景的扩大,该算法会出现散射点在成像空间定位不准确以及聚焦性能下降的缺点。为了克服这些缺点,在SAR成像领域首次提出了距离历史向量匹配比的概念,基于该概念,又进一步提出了一种新的基于广义最优成像空间的双基地SAR成像算法。所提出的算法不再受限于观测场景的大小,可以对大观测场景(宽测绘带)进行高质量的成像。实验结果表明,所提出的算法是有效的和可行的。     

Intelligent vehicle lateral controller design based on genetic algorithmand T-S fuzzy-neural network

1.INTRODUCTION Effectivelateralcontrolisthepremiseofintelligent vehicle(IV)tracking.However,duetothenon lin earityandparameterstime variety,thelateralcon trollerdesignisadifficulttask.Manyworkshad beendoneforvehiclelateralcontrollerdesign.Ref.[1]usingstandardlinearquadraticcontrolapproach,Ref.[2]usingsliding modelapproach,Refs.[3～5]usingH infinityapproach,Ref.[6]usingnonlinear gain optimizedapproach,Refs.[7,8]usingfuzzy logicalapproach,studythelateralcontrolproblem,respectively.Refere…