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.     

基于当前最优解的反向差分进化算法求解函数优化问题

当最优解偏离目标函数定义域的几何中心时,反向个体容易远离全局最优解,基于反向差分进化算法的性能会大幅降低. 该文引入基于当前最优解的反向学习策略,并与差分进化算法相结合,求解函数优化问题. 当前代的最优解作为候选解和相应反向个体之间的对称点,能保证反向种群的利用率始终维持在较高水平. 实验结果表明,该算法可行而高效,且算法性能的提升完全是反向个体的贡献. 此外,提出一种增强的基于反向差分进化算法,展示出此类优化方法的最优效果.     

约束最优化问题的一种进化规划方法

用进化规划对约束最优化问题提出了一种新的惩罚函数方法,该方法含有一个自适应惩罚参数校正方法,可以随个体的总数变化进行调整,它可以很快地脱离局部最优解而收敛于全局最优解.算法中只有很少的几个参数需要校正,故其比较简单且计算便捷.给出的仿真例子表明算法具有很好的收敛速度和很高的精确性.     

一种带差分进化策略的多分布进化算法

结合分布估计算法的强全局收敛能力和差分进化算法的快速收敛性能,提出了一种带差分进化策略的多分布进化算法（multi-distribution evolutionary algorithm with differential evolution,MDEA_DE）。为了进一步提高算法的全局收敛性能,MDEA_DE采用了基于分布种群的多分布进化机制,并通过三种高斯分布模型生成具有较好多样性的高质量解种群。同时,利用搜索空间调整策略来提高高斯分布模型的精度,并执行解空间中的改进差分进化搜索以获得增强的局部开发能力。对基准测试函数的数值试验结果表明,MDEA_DE能够在全局探索和局部开发之间取得较好的平衡,能快速收敛到复杂优化问题的全局最优解。     

基于混沌思想的粒子群优化算法

为克服粒子群优化算法容易陷入局部最优的缺点,根据混沌运动的随机性、遍历性特点,提出一种基于混沌思想的粒子群优化算法(CPSO).该算法利用种群适应度方差进行早熟收敛判断,实现对进化过程的监视,当发现种群陷入局部最优时,对种群进行混沌初始化,帮助种群摆脱局部最优点.对4种典型测试函数的仿真结果表明,改进算法明显减少了种群陷入局部最优的可能性,其全局寻优能力明显强于标准粒子群优化算法.     

改进的蛙跳算法在库存匹配中的研究

针对生产订单库存匹配问题,提出一种改进的混洗蛙跳算法(SFLA)进行求解.采用随机分组策略,平衡各子群的寻优能力,保持种群多样性;打破最差蛙只向最优蛙学习的模式,引入Minkowski距离,使最差蛙借助更多同伴信息选择进化方向,增强种群适应性;针对最优蛙进化机会少,引入精英策略和变异思想更新其位置,避免陷入局部极小,加快收敛速度.仿真实验表明所建立模型的正确性和改进后算法的有效性.     

动态环境下基于混合记忆策略的遗传算法

为了有效地处理动态优化问题,提出一种短时记忆与长时记忆相结合的混合记忆策略. 被记忆的信息由最优个体与种群概率向量组成. 短时记忆作用于进化过程中的每一代,对记忆中的信息进行提取并构建下一代的种群;长时记忆仅在环境发生变化时产生作用,取新环境中最优的一组信息对短时记忆进行赋值. 该文首先构建了动态环境下基于混合记忆策略的遗传算法,然后在非周期、周期和带噪声周期动态环境下进行算法的性能验证. 实验结果表明,新算法处理动态优化问题的能力优于同类算法.     

基于自适应权重的粒子群和K均值混合聚类算法研究

针对K均值聚类算法存在的缺点,提出了一种基于自适应权重的粒子群优化(PSO)和K均值混合聚类算法.该算法在运行过程中通过引入非线性动态惯性权重系数,提高了混合聚类算法全局搜索能力和局部改良能力,并根据群体的适应度方差来确定K均值算法操作时机,增强算法局部搜索能力的同时缩短了收敛时间.将该算法与K均值聚类算法、基本PSO聚类算法和基于传统的粒子群K均值聚类算法进行比较,表明该算法不仅能有效地克服陷入局部最优,而且全局收敛能力和收敛速度都有所提高.     

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.     

一种有约束的多层布线通孔优化算法

提出一种以多层布线的通孔优化为目标、同时满足相交约束的算法. 当群体收敛到一定程度时,根据惩罚项选择个体,直到产生完全满足约束条件的可行解. 让群体在可行解的范围内进行精确搜索,得到全局最优解. 采用稳态繁殖和最佳个体保存法提高算法的效率. 该算法可避免产生不可行解,解决收敛速度和全局搜索性之间的矛盾,得到满意的通孔优化效果.     

基于捕食机制的元胞遗传算法

提出了一种基于捕食机制的元胞遗传算法,当优化复杂多模函数时,该算法进一步提高了全局探索能力.算法通过模拟生态系统捕食与被捕食之间的相互关系,采用捕食机制替代元胞遗传算法中的演化规则,使得遗传个体生存与死亡状态的演化既与其适应度相关,又与邻域内捕食及被捕食个体密度相关,并通过群体规模控制策略维持捕食与被捕食群体间的个体数目动态平衡,实现了全局搜索与局部寻优之间更好的协调与均衡. 对典型的多峰函数进行优化的实验结果表明,该算法在抑制早熟收敛以及提高全局收敛率方面获得了明显的优势.     

线性规划的保硬算法

保硬主元法是线性规划基线算法的一种很好的实现形式，它形式上类似于对偶单纯形态，因而很容易操作．但实质不同于对偶单纯形法，对偶单纯形法只能保持对偶可行性，而保硬主元法同时保持原始可行性和对偶可行性，这使保硬主元法的解题效率高于单纯形法或对偶单纯形法，本文讨论了保硬主元法的基本原理和算法收敛性，并对保硬主元法的算法复杂性作了初步分析．     

高职院校“双师型”教学团队建设研究

论述了高职院校需要“双师型”教学团队的必要性.结合冶金技术专业教学团队具体建设过程,提出了提升”双师型”教学团队的知识水平、能力水平及有效保障“双师型”教学团队建设的措施.     

非线性最优化问题的复合形旋转方向搜索法

针对不等式约束非线性最优化问题,分析了传统复合形算法收敛速度慢的原因,提出了一种称为复合形旋转方向搜索的新算法,给出了算法的迭代计算流程和程序框图.该算法与传统复合形法的主要区别在于:①迭代计算不以中心点作为复合形收敛中心,而以最好点作为复合形收敛中心;②迭代计算的映射点不在最坏点与中心点的连线方向选取,而在最好点与复合形各顶点的连线方向选取.     

一致伪压缩映射的具误差的Ishikawa和Mann迭代序列收敛性的等价性问题

利用正规对偶映射的性质,证明了在一致伪压缩映射条件下具误差的Ishikawa迭代序列和Mann迭代序列的等价性问题,得到了具误差的Ishikawa迭代序列和Mann迭代序列均收敛于一致伪压缩映射的不动点.将文献[3]中的结论推广至具误差的迭代序列情形.     

拟线性双曲—抛物奇异摄动问题的变步长差分格式

根据关于小参数ε一致收敛的要求,构造了t方向的变步长网格函数,建立了时间方向上的非均匀网格,然后在此非均匀网格上构造了关于小参数收敛的七点三层隐式差分格式,证明了该差分格式关于ε的一致收敛性.     

一种新环境选择策略的多模态多目标优化算法

为了获得多模态多目标优化问题较优解集，本文针对差分进化算法提出了一种新的环境选择策略，一方面通过保留种群中非支配解确保目标空间的收敛性，另一方面通过和参考向量关联获得目标空间分布性较好的种群，通过同时考虑目标空间收敛性和决策空间多样性来选择下一代父代个体。在11个多模态多目标测试函数上的结果表明，本文算法在求解多模态多目标优化问题上是有效的。     

一种基于信赖域约束的优化问题的求解方法

讨论一类仅含有线性约束条件的优化问题,在每次迭代过程中,用二次近似模型近似目标函数,从而构造一个子问题,以便于确定迭代方向.在每个子问题求解时引入一组共轭方向,子问题可以转化为一个线性规划问题和一个一维约束优化问题.为了保证算法的总体收敛性,应用信赖域算法代替一维搜索,确定下一个迭代点.证明了算法产生的点列如有聚点,则必有一个聚点是原问题的K-T点.