一种求非线性全局最优解的分形算法

运用分形原理给出了求解全局优化问题的一种新算法——分形算法。该算法充分利用了分形的局部精细构造和黄金分割法的快速收敛性,只需搜索很少一部分区间就可以找到最优全局解,因而是一种高效快速的寻优算法。其优点为:适应性强,可适用于较为复杂的函数,计算精度是令人满意的。此外,克服了传统的直接解法所共有的要求大量计算机内存的缺点。给出了算法收敛性的证明。仿真结果表明算法是有效的。     

一种针对开沟布线问题的混合遗传算法

开沟布线问题(CTP)可以看作最小生成树问题(MST)和最短路问题(SP)的组合而成的组合优化问题.提出适合软件包求解的整数非线性规划模型(INLP)和适合求解大规模问题的混合遗传模拟退火算法(hybrid algorithm,HA),并通过运算实例对两种优化方法的性能加以验证.对实例运算结果的分析,表明这两种新的优化方法可以在问题规模较小时快速找到最优解;规模较大时也可在较短的时间内得到较好的近似解(通过HA实现).     

一种搜索全局最优解的工程方法

全局信息能有效地指导搜索全局最优解。本文提出了一种构造反映全局信息的趋势函数,指导搜索全局最优的新方法。通过离散傅里叶变换和反变换能构造出反映系统整体信息的趋势函数,它可以为搜索全局最优提供指导信息。对于没有解析表达式的目标函数,也可以通过离散傅里叶变换和反变换来重构目标函数。该方法可以有效地避免陷入局部最小点。实例分析显示了解点逐渐向全局极小逼近的过程。叠代过程中只需计算少量离散点的函数值,计算效率较高,对目标函数计算困难时的寻优问题很有帮助。     

求解流量监测点最优部署问题的混合遗传算法

针对网络流量监测点最优部署(Optimal Deployment of Flow Monitors,ODFM)问题,提出了ODFM问题的通用模型。将遗传算法和模拟退火算法相结合,给出了求解ODFM问题的遗传模拟退火算法(GA-SA)。通过仿真实验,将GA-SA和标准遗传算法(Standard Genetic Algorithm,SGA)以及Suh等人提出的两步近似算法(Two-Stage Approximation Algorithm,TSAA)的求解性能进行了比较。实验结果表明,与SGA和TSAA相比,GA-SA可获得15%以上的求解性能提升。     

具有混沌搜索策略的萤火虫优化算法

萤火虫算法是一种新颖的仿生群智能优化算法,分析了算法的仿生原理和局限,提出一种改进萤火虫局部搜索能力的优化算法。通过逻辑自映射函数产生混沌序列,引入到萤火虫算法中对精英个体进行混沌优化,同时动态收缩搜索空间以加快收敛速度。改进算法有效结合了基本萤火虫算法的局部搜索能力和混沌算法全局优化能力,对典型函数的仿真测试表明,改进算法显著提高了优化性能,在收敛速度和寻优精度方面优于基本萤火虫算法,适合复杂函数优化问题。     

基于Bloch球面搜索的混沌量子免疫算法

目前大多数量子智能优化算法的个体均采用基于平面单位圆描述的量子比特编码,由于量子比特只有一个可调参数,量子特性没有得到充分体现,从而限制了优化能力的进一步提高。针对这一问题提出一种基于Bloch球面搜索的混沌量子免疫算法。该方法采用Bloch球面描述的量子比特对抗体进行编码,用泡利矩阵建立旋转轴,用量子比特在Bloch球面上的绕轴旋转实现优良抗体的克隆,通过在旋转角度中引入混沌变量动态改变转角大小实现局部搜索;用Hadamard门实现较差抗体的变异,实现全局搜索。仿真结果表明,提出的方法在搜索能力和优化效率两方面均比其他量子智能优化算法有所提高。     

全局优化的一种新方法

近年来 ,组合优化领域中出现的新型随机搜索方法———蚂蚁算法 ,在著名的货郎问题 (TSP)以及一系列离散优化问题中获得成功并表现出相当好的性能。在这种生物算法思想的基础上进一步加以引深和扩展 ,提出了一种求解一般无约束函数优化问题的新方法 ,并给出其全局渐近收敛性 ,从实验上求解了一系列典型的测试函数 ,收到了良好的效果。由于无约束函数优化是一般全局优化问题中的基本情形 ,因此 ,该方法亦可为有约束情形下的函数优化提供了新的求解手段。     

多目标进化计算收敛到Pareto最优解集的证明

多目标优化方法经历了一个从确定性搜索算法到随机搜索算法的过程 ,本质上仍是单目标优化的目标组合方法到真正意义上的向量优化方法的过程 ,至今仍在不断地发展中 ,但仍有大量未解决的问题。对多目标进化计算的研究是近年来求解多目标优化问题的重点 ,但目前仍未能证明多目标进化计算的收敛性 ,同时 ,单目标进化计算的收敛性结论不一定能推广到多目标的情况。对该问题进行了探讨 ,提出并证明了三个定理 ,并且算例说明了该理论的正确性。     

一种基于MUSIC算法的二次搜索解模糊方法

在基于阵列天线的DOA估计中,研究者采用了多种手段和方法用来提高测角精度,而往往测角精度越高,角度模糊越严重。针对测角精度和角度模糊是相互矛盾的问题,提出了一种基于MUSIC算法的二次搜索的解模糊方法。首先用MUSIC算法粗搜索出目标信号的低精度来向,然后根据阵列设置推导出第二次搜索的角度范围,最后在新的角度搜索范围内进行小步长的角度搜索,得到目标信号的高精度来向。计算机仿真结果表明,本方法可以更快速、准确地实现高精度无模糊测向。     

一种基于新的优序数定义的多目标最优化直接算法

为了较好地求解非凸多目标规划,提出了一种新的多目标规划最优直接算法.该方法通过提出一种新的优序数定义,把遗传算法用于挑选优序数最大的解,达到使优序法用来求解可行域为无限集的多目标规划的目的,从而为求解非凸多目标规划找到了一种切实可行的直接算法.     

用遗传算法求解最优同时镇定控制器

研究了用改进的遗传算法求解同时镇定一族线性定常系统的最优状态 /输出反馈控制律问题。引入了通常的二次型指标作为每一个系统的性能指标。在满足稳定性的条件下 ,通过最小化每个系统性能指标的加权函数值来求得最优同时镇定律。提出了一种求解该优化问题的改进遗传算法。计算结果说明了该方法的有效性。     

求解非线性最小二乘全局解基于最速下降法和遗传算法的混合算法

本文通过在遗传算法中嵌入一个最速下降算子,并定义适应度函数、选择算子和数据结构,从而得到可结合遗传算法和最速下降法两者长处,既有较快收敛性,又能以较大概率求得非线性最小二乘问题全局解的混合算法.数值计算表明该方法显著优于遗传算法和最速下降法.     

遗传算法在模糊系统优化设计中的应用研究

在模糊系统的变节点自适应模糊神经网络实现的基础上,提出一种混合GA优化算法。该算法采用混合编码策略,利用GA对模糊规则和隶属函数同时优化,而对结论参数则用最小二乘法估计。算法综合了GA强大空间搜索能力和传统优化方法的快速收敛和高精度的优点,在保证全局优化能力的条件下,综合考虑了模糊控制器的复杂程度、训练速度和控制精度。仿真结果及应用表明了该算法的有效性。     

群延时均衡器的遗传算法优化设计

在已有文献报道中多采用Powell法设计均衡网络,但Powell法是确定性优化方法,结果的好坏与初始点的选择关系密切,并易陷入局部极值点。由于遗传算法是一种全局随机搜索方法,即使定义的适应性函数不可导或不连续,它也可能以很大的概率求得全局最优解,因而在工程领域中将有十分广泛的实际应用前景。将一种新的实数码遗传算法应用到群延时均衡器的设计中,并给出了巴特沃斯滤波器群延时均衡器的设计实例,结果表明提出的方法十分有效。     

求解带约束函数优化的两级自适应遗传算法

针对带约束的非线性函数优化问题 ,提出一个两级自适应遗传算法。根据待优化函数和约束构造拉格朗日对偶函数 ,在下级对给定的拉格朗日乘子 ,用遗传算法搜索变量的最优解 ;在上级针对拉格朗日对偶函数 ,用遗传算法搜索拉格朗日乘子的最优解。采用自适应的方法 ,根据个体的适配值和种群的适配值统计特性确定交叉概率和变异概率。计算结果表明 ,该算法是有效的。     

Optimization of HMM Parameters Based on Chaos and Genetic Algorithm for Hand Gesture Recognition

In order to prevent standard genetic algorithm (SGA) from being premature, chaos is introduced into GA, thus forming chaotic anneal genetic algorithm (CAGA). Chaos' ergodicity is used to initialize the population, and chaotic anneal mutation operator is used as the substitute for the mutation operator in SGA. CAGA is a unified framework of the existing chaotic mutation methods. To validate the proposed algorithm, three algorithms, i. e. Baum-Welch, SGA and CAGA, are compared on training hidden Markov model (HMM) to recognize the hand gestures. Experiments on twenty-six alphabetical gestures show the CAGA's validity.     

基于混沌遗传算法的自动化生产单元调度方法

针对遗传算法在求解一类带时间窗口的自动化生产单元调度问题时易出现冗余迭代、收敛缓慢等问题,将混沌搜索技术引入至遗传算法中,通过将混沌初始化、混沌扰动与遗传算法的基本操作相结合,利用混沌运动搜索精度高、遍历性好的特点来提高遗传算法的收敛速度和优化质量.本文在给出自动化生产单元调度问题的数学模型的基础上,着重讨论了混沌遗传调度算法的设计,包括编码方式、混沌初始化、交叉操作、混沌变异操作和适应度函数的计算等.最后以自动化电镀生产线为例对提出的算法进行了验证,为此类调度问题提供了有效的算法.     

基于混合遗传算法的近距离放射剂量仿真优化

提出了一种连续驻留位置和驻留时间的近距离放疗剂量优化算法.将驻留时间t看成是驻留位置x的一个连续函数,用积分方式计算每个参考剂量点的剂量.再用计算剂量和目标剂量值之间的差别为目标函数,用遗传算法和POWELL算法混合求解最优的曲线参数.曲线可根据具体情况进行分段.得到曲线后再根据积分的数值逼近方法原理将其离散化,得到最终的驻留位置和驻留时间.实验的结果表明,算法不仅避免了负的驻留时间问题,还让相邻驻留位置的驻留时间比较平滑.在最后的离散化过程中,还可以得到不同的驻留位置和驻留时间结果,使计划具有更好的灵活性.     

一种改进型遗传算法及其收敛性分析

针对解决简单遗传算法 (SimpleGeneticAlgorithm ,SGA)在应用过程中出现收敛过慢和早熟现象的问题 ,提出了一种改进型遗传算法 (ModifiedGeneticAlgorithm ,MGA) ,并利用Markov链理论证明了该算法的全局概率收敛性。最后以雷达滑窗检测器第一门限的优化设计为例 ,说明了该算法的有效性和实用性。     

混沌粒子群混合优化算法的研究与应用

为使粒子群优化算法(PSO)初始粒子均匀分布在解空间,分析了混沌运动的遍历性并根据粒子间欧式距离大小改进了PSO初始种群提取方法。提出了一种混沌粒子群混合优化算法,该算法将优化过程分成两阶段,两分群分别采用PSO算法和混沌优化算法同时进行。对四个高维复杂函数寻优测试表明算法的鲁棒性、收敛速度和精度,全局搜索能力均优于常规PSO。将提出的改进算法用于乙烯收率软测量建模,应用结果表明模型精度较高、泛化性能好。