混沌免疫混合算法参数自适应调整的优化设计

为提高免疫算法的求解性能,在免疫克隆选择算法中融入了混沌优化操作.分析了抗体群选择概率的重要性并给出其变化的计算式,采用抗体群的连续3代平均适应度变化率以自适应地调节抗体选择概率参数值.给出了混沌免疫混合算法参数自适应调整的优化设计的具体步骤,运用混沌免疫混合算法参数自适应调整的优化方法、免疫克隆选择算法以及其他文献方法对起重机结构主梁截面优化设计.结果表明:混沌免疫混合算法参数自适应调整的优化方法具有自适应能力强、计算效率高及优化设计精度高等优点.     

混沌优化算法的参数分析

通过一些典型的复杂测试函数,对文［１］中提出的混沌算法的效率及其参数,用统计的方法进行了详细的分析。     

混沌遗传优化算法及其程序研制

为了解决传统遗传算法的早熟问题 ,首次提出了混沌移民算子 .利用混沌迭代的遍历性和内在随机性 ,通过混沌移民操作可克服传统遗传算法中的近亲繁殖问题 ,确保算法的全局收敛性 .用MATLAB语言研制了混沌遗传优化算法软件ChGA1.0 ;数值计算表明 ,该算法的全局收敛性及算法本身的鲁棒性好 ,适应于求解连续变量的无约束及有约束优化设计问题 ,具有工程实用价值 .     

基于自适应混沌变异粒子群算法的地震参数反演

提出了一种改进的基于自适应混沌变异的粒子群优化算法来解决地震参数反演问题.该算法提出自适应飞行策略,根据搜索能力对粒子群进行划分,增强了子群间的协同能力,使算法具有良好的全局寻优能力;两阶段混沌变异策略能够在粒子进化的不同阶段进行自适应性搜索,使算法具有较高的搜索精度.实验结果表明,该算法可有效避免标准PSO算法的早熟收敛,具有寻优能力强、搜索精度高、稳定性好等优点.首次将该算法应用于地震参数反演问题,结果表明该算法提高了反演精度且不受初始模型影响,能够较好地解决地震参数反演问题.     

自适应折叠混沌优化方法

针对传统混沌优化方法中优化结果对搜索初始值要求极高以及搜索效率较低的问题,提出一种自适应折叠混沌优化方法。该方法首先提出一种新型无限折叠混沌映射,并证明了该映射无有理数不动点;根据映射关系式建立混沌模型求解Lyapunov指数,并基于该混沌模型对搜索初值采用大幅度改变和小幅度改变两种方式来考察映射对初值的依赖程度。采用所提映射取代传统的有限折叠映射作为混沌产生器,提高了混沌的动态优化性能,通过在优化过程中不断缩小优化变量的搜索空间来提高搜索效率和精度。实验结果表明,该方法的优化结果不依赖于初始值位置,具有搜索效率高的特点。与Logistic映射和Tent映射优化方法相比,平均搜索效率分别提高了71.6%和62.6%。     

混沌遗传优化算法及其程序研制

为了解决传统遗传算法的早熟问题，首首提出了混沌移民算子。利用混沌迭代的遍历性和内在随机性，通过混沌移民操作可克服传统遗传 的近亲繁殖问题，确保算法的全局收敛性。用MATLAB语言研制了混沌遗传优化算法软件ChGA1.0；数值计算表明，该算法的全局收敛性及算法本身的鲁棒性好，适应于求解连续变量的无约束及有约束优化设计问题，具有工程实用价值。     

基于云遗传的混合混沌粒子群算法研究

为了解决PSO算法种群随机初始化遍历性差、易陷入早熟收敛以及不具备全局收敛性的缺点,提出一种基于云遗传的混合混沌粒子群优化算法,使用均匀性更优的无限折混沌叠映射实现粒子初始化,通过自适应云算子、改进的Metropolis接受准则以及动态调整粒子集规模等策略,实现了云遗传算法和PSO算法的协同,最后通过全局收敛性证明、时间复杂度和实验分析,验证了算法的有效性。     

离散系统自适应参数的混沌同步

基于参数自适应控制混沌同步,提出了实现在不同参数情况下系统同步的普遍方法．数值模拟计算表明,此方法是可行的．     

随机扰动下混合时滞混沌系统自适应同步

基于自适应同步原理,同时考虑系统内部参数不确定性和系统外部随机扰动,研究了一类具有混合时变时滞的混沌神经网络的同步问题.利用随机微分方程理论,lyapunov稳定性理论和线性矩阵不等式(LMI)的方法,设计自适应控制器.研究表明本方法能有效地克服干扰对同步所造成的破坏,实现良好的同步效果.最后,数据仿真证明了所给方法的有效性.     

台风风场随机参数敏感性分析

在沿海台风多发区域，高耸和长大结构对于台风风速作用非常敏感，故有必要合理估算结构寿命期内可能遭遇的台风极值风速，结合台风气候条件下风速分布模型与Monte-Carlo可靠度分析方法，构建了台风风场随机模型，分析了台风风场风速的分布特点，数值化地再现台风的基本结构．选用1949年至2001年对上海地区有明显作用的75个台风记录，用敏感性分析方法计算了台风风场多个随机参数对于台风极值风速的贡献程度，为台风随机模型的极值风速预测作了必要的准备．     

求解TSP的遗传蚁群融合算法

原有的遗传融合蚁群算法虽然克服了基本蚁群算法的不足,优化效果得到了改善,但存在克服收敛速度较慢、易出现停滞以及全局搜索能力较低的缺陷.针对存在容易陷入局部最优解等问题,在原有的遗传融合蚁群算法的基础上进行了许多改进以扩大解的搜索空间,提高了其寻优能力和速度.仿真结果表明,改进后的算法具有更好的寻优能力,效果较好.     

自适应邻域真空法

针对遗传算法的会聚问题,特别对于改进的遗传算法——邻域真空法进行了进一步讨论,提出了具有ε值自动选择的郜域真空法——自适应邻域真空法,对该方法的有效应用具有相当的意义。     

压缩搜索空间与速度范围粒子群优化算法

为了改善粒子群优化(PSO)算法的搜索性能,提出一种改进的粒子群算法CSV PSO算法·该算法在粒子群进化的过程中根据粒子群的最佳适应值动态地压缩粒子群的搜索空间与粒子群飞行速度范围;针对PSO算法可能出现的暂时停滞现象,引入分区重新初始化机制·数值仿真结果表明:随着粒子群进化,适当的压缩粒子群搜索空间与飞行速度范围,有利于加速算法收敛,提高收敛精度;该算法收敛速度更快,精度更高,运行更为稳定·     

一种混合遗传算法及其应用

给出一种结合梯度法和正交遗传算法的混合算法。实验表明,它通过对问题的解空间交替进行全局和局部搜索,能更有效地求解函数优化问题。     

基于混合遗传算法的K-Means最优聚类算法

针对遗传算法的K-Means聚类算法在遗传过程中容易受到适应度最大染色体的影响,存在过早收敛于局部最优值和遗传算法的局部搜索性能较差的问题,提出了结合混沌优化方法形成的混合遗传算法。仿真实验表明:该方法有效地克服了遗传算法的早熟问题,从而得到最优的聚类中心。     

多目标混合混沌优化算法研究及应用

为了求解多目标优化问题,提出一种基于混沌搜索的多目标模糊混沌优化算法．将混沌优化方法与模糊优化方法有机地结合起来,应用混沌优化算法求出各个单目标的最优解;将各最优解模糊化;应用模糊非对称方法的思想和模糊集合理论中的最大满意度原理,将多目标优化问题转化为单目标非线性规划问题;最后应用混沌优化算法求解单目标优化问题,得到满意度最大的解．结果表明,所提出的多目标模糊混沌优化算法是可行和有效的,为求解多目标优化问题提供了一种新的有效方法．     

混合粒子群算法在地震波阻抗反演中的应用

为提高地震波阻抗反演的精度,提出了一种结合了混沌和遗传思想的混合粒子群算法。算法在搜索初期,加入了混沌思想,使算法具有了遍历性。在粒子更新过程中,又加入了选择、交叉、变异思想,增强了粒子之间的联系和粒子的多样性,使算法收敛速度更快,更容易跳出局部极值。针对模型对该算法进行了测试与对比,测试结果表明,该算法在反演精度上明显优于传统粒子群算法; 对算法的抗噪性进行了分析,在模型中加入15%噪声时,虽有一定误差,但符合度依然较好,表明本算法具有一定的抗噪声能力; 最后将算法用于实际地震资料,得到了良好的效果,表明本算法具有一定的实用价值。     

多维函数优化的遗传算法研究

本文研究了求解多变量函数优化问题的遗传算法,在此算法中采用了十进制浮点数基因表示方法,并相应地提出了一种叠加零均值Gauss随机扰动的变异方法,研究表明,对于满足组件假说的多维函数优化问题,这种遗传算法具有较高的搜索效率．     

蚁群算法及其连续优化算法初析

通过对TSP问题的蚁群算法介绍,初步分析了构造一个通用的、应用于连续空间的蚁群算法的几个关键问题,并提出了构造该算法的基本框架。