基于单纯形法的人工蜂群算法改进研究

人工蜂群算法中的侦察蜂阶段的搜索操作在一定程度上可以解决算法陷入局部最优的问题,但也和其他启发式优化算法一样,存在着局部搜索能力差,在接近最优解时搜索效率下降,以及求解复杂问题时可能陷入局部最优而使算法停滞等缺陷.为了改善此缺陷,采用NM 算法来取代人工蜂群算法侦察蜂阶段的随机产生个体机制,提出了一种基于NM 算法的改进人工蜂群算法（NMABC）.希望基于NM 算法优异的局部搜寻能力,改善人工蜂群算法局部搜索能力较差之缺陷并提高搜索效率.     

改进人工蜂群算法在路径优化上的应用

基本的人工蜂群算法通过不同角色蜜蜂在对蜜源进行采食过程中进行角色的转变,能够快速地求解问题的最优值,其具有全局寻优能力强、鲁棒性、收敛快等优点.但在接近全局最优解的时候,蜜蜂搜索的速度会明显变慢,易陷入局部最优.针对这些问题,在基本算法的位置更新阶段加入了高斯变异算子和柯西变异算子,提高了算法的收敛速度,增加邻域蜜源的访问概率,使得算法能够有效地跳出局部最优.应用TSP问题对改进后的算法进行仿真验证,结果证实了改进后的算法具有一定有优越性.     

基于量子人工蜂群算法的配电网多目标优化重构

为了保证配电网优化运行,本文以系统网损最小、节点最低电压幅值最大、开关操作次数最少为目标构造配电网多目标优化重构模型,采用量子人工蜂群算法和帕累托(Pareto)支配关系求解.针对易于陷入局部最优解问题的人工蜂群算法,引入量子理论来进行蜂群的搜索,扩大了全局搜索范围,使其收敛于全局最优解,对于多目标问题,采用拥挤度来控...     

利用基于分区搜索的自适应遗传算法求解TSP问题

为了提高用遗传算法求解旅行商问题（TSP）的收敛速度，结合自适应算子和父子竞争策略等优化思想．提出了基于分区搜索的自适应遗传算法．该算法将整个搜索区域分成若干个较小的搜索区域，先进行局部搜索．在得到局部较优的基因组合后，再进行全区域搜索，不但提高了遗传算法的收敛速度，而且改进了变异算子的操作性能．通过TSP问题的求解表明，基于分区搜索的自适应遗传算法是一种稳定、高效的优化算法。     

基于改进遗传算法的多元函数优化计算

研究了基本遗传算法在多元函数优化问题中存在的缺陷,提出了一种改进的遗传算法,使用适应值比例变换方法,在交叉与变异算子,染色体基因解码方式等方面做了改进,通过对难以优化的多元函数的优化计算,证明了该算法有良好的全局搜索能力和较快的收敛速度。     

基于改进人工蜂群算法的分布式电源规划

通过改进人工蜂群算法,建立了系统网损最小、电压质量最优的综合优化目标,应用判断矩阵法确定多目标的权重系数,进一步优化分布式电源的选址与定容.在改进的算法中,运用均匀设计-反向寻优的方法来优化初始群体,提高全局寻优率.同时,为了解决基于比例适应度选择不足的问题,用基于适应度排序的选择概率代替了基于比例适应度的选择概率,不仅使种群的多样性得到了保护,而且扩大了全局搜索的范围.最后采用IEEE33标准节点配电网仿真,通过算例分析来验证该算法的有效性和可靠性.     

高性能自适应调整参数的遗传算法

分析了适应值选择算子中参数对遗传算法的个体选择和搜索性能的影响,提出了一种高性能自适应调整选择算子参数的遗传算法,修正了交叉概率和变异概率的自适应形式,并讨论了它们的变化机理.实验证明,该算法提高了算法搜索能力和解的精度,能有效地避免局部极小.     

一种求解代数方程组的混合遗传算法及工程应用

针对用遗传算法求解代数方程组时解的精度问题，提出了一种混合遗传算法，这种算法采用实数编码方法，在遗传算法的基础上，引入一种用适应度函数值构成动态变化的搜索步长的随机搜索算子，当遗传算法求解达到某一精度时，应用该搜索算子在最优个体附近进行随机搜索，使算法解较快地逼近到所要求的精度，实验表明用这种算法求解代数方程组，可以达到较高的求解精度，在工程中用于求解关节型机器人速度逆解，避免了矩阵求逆，取得了满意的效果。     

基于遗传算子改进阈值的遥感图像分割算法研究

针对复杂背景遥感图像分割准确率不高的问题,提出了一种基于遗传算子改进阈值的遥感图像分割算法。通过对遗传算法中选择、交叉、变异等算子的优化设计,增强变异的多样性,加快搜索的收敛速度,以获取遥感图像分割的最佳阈值。实验仿真结果表明:该算法降低了阈值搜索时间,同时取得了良好的图像分割结果。     

改进遗传算法的传感器节点覆盖优化策略

针对当前传感器节点覆盖优化方法存在覆盖率低、节点部署不均匀等难题,设计了一种基于改进遗传算法的传感器节点覆盖优化策略。首先基于覆盖率、节点利用率等评价指标建立传感器节点覆盖优化目标函数,然后采用遗传算法对节点覆盖优化目标函数求解,并针对常规遗传算法存在的缺陷对遗传算子进行相应的改进,提高其搜索和收敛能力,得到最优传感器节点覆盖方案。最后与其他算法进行了传感器节点覆盖优化仿真对比实验。结果表明,改进遗传算法的传感器节点覆盖率更高,降低了传感器节点重复覆盖比例,使节点部署更加合理。     

一种基于离散蛙跳算法的旅行商问题求解方法

针对旅行商问题,提出了一种新的离散化蛙跳求解算法.新算法借助蛙跳算法优化机理,采用基于城市序列的编码方式和新的个体产生方法扩展了传统蛙跳算法的求解模型,并结合简化邻域搜索算法给出了改进策略.仿真实验表明了所提算法及策略的有效性.     

一种有效的基于实数编码的多目标遗传算法

针对实数编码遗传算法提出了一种通用的基于决策变量的复合交叉算子,并将之用于多目标优化问题的求解,算法效果良好,一定程度上解决了高维多目标优化问题在用遗传算法求解时收敛性差这一难题.通过实验首次揭示了交叉点数对多目标遗传算法性能的影响.     

基于自适应变异因子策略的混合蛙跳算法

由于基本混合蛙跳算法在对问题的优化求解中存在着收敛速度慢、优化精度低且容易陷入局部最优等问题,因此提出了一种新的混合蛙跳算法。对基本混合蛙跳算法的组内更新策略进行重新设计,引入自适应变异因子来控制青蛙的移动步长;在算法中将改进的粒子群优化算法有机地嵌入其中,这样算法在搜索过程中就增加了发现新解的概率,维持了种群的多样性,从而使算法不易陷入局部最优。通过对标准函数进行优化测试,结果证明其具有良好的优化性能。     

结合RGB空间和人工蜂群算法的彩色图像边缘检测

由于传统的梯度算子搜索边缘会丢失一些边缘,提出了一种在RGB彩色空间的边缘检测方法。该方法先获得RGB梯度图像,而阈值则通过人工蜂群算法搜索得到,进而得到边缘图像。     

用混合遗传算法求解N皇后问题

N皇后问题是NP难题,一般求解的方法为回溯法.当问题规模较小时用回溯法能有效求解,但当问题规模较大时其求解时间耗费非常巨大.该文提出用局部搜索与简单遗传算法(SGA)相结合的混合遗传算法(HGA)来求解N皇后问题,用N皇后的约束条件作为遗传算法的适应值函数.设计了高效的染色体编码、初始化种群方法、遗传算子以及局部搜索算子,使它们符合求解问题的需要.通过与回溯法和相关的遗传算法比较,实验证实了用混合遗传算法求解N皇后的有效性.     

元胞空间结构下的文化算法

针对以往文化算法种群空间没有地域的概念,信念空间缺少文化的进化机制,以及求解优化问题时寻优精度不高且易陷入局部最优等缺陷,提出一种新的基于元胞空间结构的文化算法. 将元胞空间网格分别嵌入文化算法计算框架中的种群空间和信念空间以模拟文化算法的双层进化体系;对于种群空间,将进化个体分布于下层元胞网格,并对网格进行地域划分,使每个地域内的个体均以差分进化算子独立进化;对于信念空间,将进化信息放入与种群空间地域对应的上层元胞网格当中,利用文化的扩散机制实现文化的进化. 实验结果表明,该算法具有收敛精度高以及全局搜索能力强等优点,在处理高维复杂优化问题时同样具有优势.     

基于拟下降方法的遗传算法及其收敛性

在遗传算法中嵌入一个传统下降算子,且保留最好个体,利用最好个体的记忆信息对搜索过程进行指导,从而得到既有较快收敛速度,又能以较大概率得到全局极值的用于函数全局优化的混合算法.定义了适当的适应度函数和子代个体的选择算子,且从拟下降观点证明了算法的收敛性.数值计算结果表明了本算法显著优于遗传算法和传统下降算法.     

自适应遗传算法在桁架结构优化设计中的应用

交叉算子与变异算子是遗传算法中产生新个体的主要手段。针对简单遗传算法中交叉概率与变异概率随进化过程恒定不变的缺点，采用自适应的交叉、变异概率研究了针对离散变量结构优化设计的遗传算法。以在应力约束条件下的静定桁架与超静定桁架结构为算例，比较了改进交叉、变异算子前后的优化结果，并将计算结果与满应力设计方法所得结果进行了比较。结果表明，自适应遗传算法对离散变量结构优化是有效的、可行的。     

一种基于差分进化的批量流水线调度算法

提出了一种解决批量流水线调度问题的差分进化算法.该算法采用基于浮点的编码方式,通过最大位置值规则将浮点数矢量转换为工件的调度序列.为了提高调度算法的优化性能,利用最优目标个体的重组产生变异个体,并通过变异个体与目标个体的交叉产生试验个体.仿真试验表明了所得算法的可行性和有效性.     

基于一种改进人工蜂群算法的认知无线电频谱分配

摘要：为提高人工蜂群算法的开采能力和收敛速度,在人工蜂群算法中引入动态加速因子和种群自适应比例因子,得到一种新的动态加速种群自适应人工蜂群算法. 将认知无线电TV频段频谱分配模型中的分配矩阵与动态加速种群自适应人工蜂群算法中的可行解相对应,分别以网络效益最大化和比例公平性为目标函数,实现了空闲TV频段频谱的合理分配. 仿真结果表明,与其他算法相比,该算法能更好地实现网络效益的最大化以及用户之间的比例公平性.