基于最小二乘算子的混合计算智能辨识算法

基于非线性最小二乘（ＮＬＬＳ）法和遗传算法（ＧＡ）思想，通过定义ＮＬＬＳ算子、适应度以及混合数据结构，得到非线性回归模型非线性参数的混合计算智能辨识算法，该算法结合ＧＡ和ＮＬＬＳ法两者长处，即有较快收敛性，又能以较大概率求得全局（一致收敛）估计。计算结果表明该方法显著优于ＧＡ和ＮＬＬＳ法。     

用单亲遗传算法求解有序组合优化问题

本文提出一种用于求解有序组合优化问题的单亲遗传算法（ＰＧＡ）。ＰＧＡ的突出特点是不使用传统遗传算法（ＴＧＡ）常用的交叉算子,而是通过基因换位算子隐含交叉算子的功能来实现进化操作。本文首先介绍了ＰＧＡ的基本概念,然后分析ＰＧＡ的运行机理,最后给出了用ＰＧＡ求解旅行商问题的仿真结果。     

基于最大和最小选择的两种新的恒虚警检测器

本文提出两种基于有序统计（ＯＳ）和单元平均（ＣＡ）产生局部估计，并分别应用最大选择（ＧＯ）和最小选择（ＳＯ）产生检测单元干扰功率水平估计Ｚ的新的恒虚警检测器（ＯＳＣＡＧＯ）和（ＯＳＣＡＳＯ）。我们推导出了它们在ＳｗｅｒｌｉｎｇⅡ型目标假设下的Ｐ＿（ｆａ），Ｐ＿（ｃｌ）和度量ＡＤＴ的解析表达式。分析了它们在均匀背景和强干扰目标环境之中的检测性能，并把它们与ＯＳ－、ＧＯＳＧＯ－、ＧＯＳＳＯ－ＣＦＡＲ进行了比较。结果表明，ＯＳＣＧＯ在均匀干扰背景和多目标情况下的检测性能与ＯＳ和ＧＯＳＧＯ相比，都有很明显的提高。在干扰目标数为某些值时，ＯＳＣＡＧＯ的ＣＦＡＲ损失比ＧＯＳＧＯ小近３ｂＢ。在均匀背景中，ＯＳＣＡＳＯ的检测性能与ＧＯＳＳＯ相近。但是，在多目标环境中，一定条件下的ＯＳＣＡＳＯ的检测性能甚至超过了ＯＳ和ＧＯＳＧＯ。     

遗传算法全局收敛性的齐次有限马尔柯夫链分析

论证了遗传算法（Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍ ,ＧＡ）过程是一个齐次有限马尔柯夫链,通过巧妙地构造ＧＡ 的马尔柯夫链的状态空间,并对其转移概率矩阵进行极限分析,得到的简单遗传算法（Ｓｉｍ ｐｌｅ Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍ ,ＳＧＡ）不是全局收敛的,最优保存简单遗传算法（Ｍａｉｎｔａｉｎｉｎｇ Ｏｐｔｉｍ ｕｍ Ｓｉｍ ｐｌｅ Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍ ,ＭＯＳＧＡ）是全局收敛的结论。     

两级递阶遗传算法

针对遗传算法在应用过程出现的收敛过慢和封闭竞争问题,本文提出一种两级递阶遗传算法ＴＨＧＡ（Ｔｗｏ－ｌｅｖｅｌＨｉｅｒａｒｃｈｉｃＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍ）。仿真结果证明了该算法的有效性和实用性     

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.     

多级退火遗传算法及其在ULSP优化中的应用

针对一般遗传算法（ＣＧＡ）在解优化问题中存在的问题和缺陷，提出一种改进的多级退火遗传算法（ＭＬＡＧＡ）、基于Ｂｏｌｔｚｍａｎｎ生存机制的群体更新策略，以及在多级退火的初始阶段引入移民策略有效解决了“群体多样性”和“快速收敛”之间的矛盾。通过和ＣＧＡ在ＵＬＳＰ问题优化中的比较，验证了改进算法的有效性。     

B样条插值曲线的快速算法

６０年代以来，样条函数特别是Ｂ样条函数的理论有了很大发展，已经成为计算机辅助几何设计（ＣＡＧＤ）工作中的主要数学工具。在利用Ｂ样条函数构造插值曲线时，往往需要求解高阶线性方程组，给计算带来了一定困难。本文针对这一问题提出了一种快速算法，避免了对方程组的直接求解，从而简化了Ｂ样条插值曲线的计算。     

模拟进化算法研究进展

自然进化是基于种群的一种优化过程,基于生物界的自然选择和遗传机制,产生了若干优化技术,主要包括遗传算法（ＧＡ）、进化规划（ＥＰ）、进化策略（ＥＳ）。本文对这三种主要的模拟进行算法的研究进展进行了综述,探讨了三者之间的关系,并对三者的发展前景进行了展望。     

机车二系弹簧载荷调整混合算法优化方法

针对机车二系弹簧支承载荷均匀性分配调整的复杂多变量优化问题，提出了综合运用遗传算法（GA）和蚂蚁算法（AA）的混合优化调整算法模型。该算法模型首先采用GA进行全局快速随机搜索，获得若干候选的近似优化解，以此生成蚂蚁算法初始信息素分布，再用AA求得全局优化精确解。论文给出了混合算法模型的设计。对SS3b和SS9机车的仿真计算结果表明，该方法应用于二系调簧的多维连续性空间优化问题，可获求解性能和时间效率的综合提高。     

两类非数值优化方法在飞机方案设计中的比较研究

将遗传算法（GA）和模拟退火（SA）应用于飞机方案优化设计，给出了算法实现过程。对同一算例进行了优化实验，对二者进行了对比分析。实验结果表明SA达到收敛所需迭代次数及方案分析次数远较GA为多，但其优化结果要好于GA。这两类非数值优化方法应用于实际的飞机方案优化问题，必须首先解决由于所需方案分析次数太多而导致的计算效率低下问题。相对而言GA较SA在实际飞机方案设计中有更好的应用前景。     

用模拟退火差异进化算法进行匹配场反演

分析了模拟退火算法与差异进化算法单独应用于匹配场反演时的局限性，构造一种结合两种算法优点的混合算法。模拟退火算法对差异进化算法的种群进行扰动，保留了差异进化算法的并行特性；在差异进化算法中引入模拟退火算法的重要性抽样思想，增强其逃离局部最优的能力，差异进化算法对目标函数梯度信息的利用仍然保留。仿真研究表明，混合算法在寻优时间与效率上达到了较好的平衡。     

Solving algorithm for TA optimization model based on ACO-SA

An ant colony optimization (ACO)-simulated annealing (SA)-based algorithm is developed for the target assignment problem (TAP) in the air defense (AD) command and control (C2) system of surface to air missile (SAM) tactical unit.The accomplishment process of target assignment (TA) task is analyzed.A firing advantage degree (FAD) concept of fire unit (FU) intercepting targets is put forward and its evaluation model is established by using a linear weighted synthetic method.A TA optimization model is presented and its solving algorithms are designed respectively based on ACO and SA.A hybrid optimization strategy is presented and developed synthesizing the merits of ACO and SA.The simulation examples show that the model and algorithms can meet the solving requirement of TAP in AD combat.     

遗传算法与禁忌搜索算法的混合策略

遗传算法与禁忌搜索算法的出现为解决高维组合优化问题提供了强有力工具．二者既有共性,又有个性．通过对遗传算法与禁忌搜索算法的分析,提出了一种遗传算法与禁忌搜索算法的混合策略,把禁忌搜索算法独有的记忆思想引入到遗传算法的搜索过程中,构造了新的重组算子,并把禁忌搜索算法作为遗传算法的变异算子,对旅行商问题的求解表明：混合策略在许多方面优于遗传算法．     

基于混合优化算法的遗传算法参数设定研究

有限计算量条件下遗传算法的理论收敛条件难以完全满足,参数选择的恰当与否直接影响到算法性能的发挥。针对这一情况,在分析现有参数设定方法的基础上,将遗传算法参数设定问题描述为随机优化问题,并提出一种解决该问题的新的混合优化算法,即基于序优化的巢分区算法。该算法将序优化思想融入巢分区算法的局部搜索过程,大大提高了局部搜索效率,而巢分区的算法框架则保证了算法的全局收敛性。以典型旅行商问题为算例的仿真结果验证了该方法的高效性与可靠性。     

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。     

基于学习机制的退火并行遗传算法应用研究

本文综合并行遗传算法(PGA)和模拟退火算法(SA)的优点,提出一种新的退火并行混合优化策略(PGASA).该算法克服了并行遗传算法局部搜索能力弱的缺点,在子种群的搜索中引入SA作为GA种群的变异算子,增强和补充了PGA的局部进化能力;同时将机器学习原理引入到混合算法中,增加了种群的平均适值,有效地避免了最优解的丢失,加快了进化速度.针对车间调度中的典型问题进行了仿真,结果证明了新算法的有效性.     

Multiobjective Imperialist Competitive Algorithm for Solving Nonlinear Constrained Optimization Problems

Nonlinear constrained optimization problem(NCOP) has been arisen in a diverse range of sciences such as portfolio, economic management, airspace engineering and intelligence system etc.In this paper, a new multiobjective imperialist competitive algorithm for solving NCOP is proposed.First, we review some existing excellent algorithms for solving NOCP; then, the nonlinear constrained optimization problem is transformed into a biobjective optimization problem. Second, in order to improve the diversity of evolution country swarm, and help the evolution country swarm to approach or land into the feasible region of the search space, three kinds of different methods of colony moving toward their relevant imperialist are given. Thirdly, the new operator for exchanging position of the imperialist and colony is given similar as a recombination operator in genetic algorithm to enrich the exploration and exploitation abilities of the proposed algorithm. Fourth, a local search method is also presented in order to accelerate the convergence speed. At last, the new approach is tested on thirteen well-known NP-hard nonlinear constrained optimization functions, and the experiment evidences suggest that the proposed method is robust, efficient, and generic when solving nonlinear constrained optimization problem. Compared with some other state-of-the-art algorithms, the proposed algorithm has remarkable advantages in terms of the best, mean, and worst objective function value and the standard deviations.     

资源均衡问题的Hopfield 解决方法

为有限资源均衡问题提供一个神经网络解决方法.首先提出增广置位矩阵,描述了资源均衡的神经网络表示,使得神经元的输出和问题的解彼此对应起来;然后在时间和资源约束下利用多种技巧构造网络的能量函数,使其能量最小值对应于资源最均衡的状态;并且提出基于“权值状态发生器”的离散Hopfield与模拟退火算法(DHNN-SA)融合的镶嵌式混合结构,从本质上提高了网络的优化质量;最后设计了资源优化神经网络的模拟程序.     

模拟退火算法的一种参数设定方法研究

模拟退火算法在有限计算量条件下的收敛性能对自身参数有很大的依赖性,这使得参数设定问题成了算法应用过程中的一个关键环节。考虑到模拟退火算法本身的随机性,将其参数设定问题描述为随机优化问题,提出一种系统可靠地解决该问题的混合优化算法,即基于序的巢分区算法,该算法继承了序优化算法的快速收敛性及巢分区算法的全局搜索特性,能够有效解决复杂的随机组合优化问题。以典型旅行商问题为算例的仿真结果检验了方法的高效性与可靠性。