搜索全局最优解的一种混合遗传算法

针对遗传算法求解多值函数极值的缺点 ,本文提出一种混合遗传算法 ,基本思想为通过某种方法获得初始种群 ,然后在遗传过程中逐步修改适应值函数 ,以提高其搜索速度和精度。经实例仿真 ,效果良好     

遗传算法的改进及应用

针对遗传算法中存在的封闭竞争问题，本文提出一种线性交叉算子并通过在整数规划中的应用证明了改进遗传算法的有效性     

群机器人目标搜索中的通信模式研究

针对目标搜索过程中的群机器人协作问题,以扩展微粒群算法为建模工具和协调控制工具,比较研究同步和异步通信模式对搜索效率和系统能耗的影响。仿真结果表明,对于同等规模的群机器人系统,异步通信模式下的搜索效率比同步通信模式下高,能耗却比同步通信模式下低。因此,对于分布式协同的群机器人施加并发控制时,异步通信模式更为适合。     

一种改进的无局部搜索的类电磁机制算法

基于种群的类电磁机制算法是一种随机搜索算法,种群粒子在所受其他个体的合力作用下以随机步长运动。由于EM算法在计算粒子间的作用力时,粒子间距离对作用力大小的影响过大,从而导致EM算法本身的局部搜索能力较弱。根据粒子之间距离的不同情况计算个体间作用力大小,从而弱化了距离对作用力大小的影响。同时,通过引入分力权重系数,调整了吸引/排斥作用对合力的影响。粒子的运动则是根据粒子所受合力与最优粒子对该粒子引力的夹角大小来判断粒子是按合力方向运动,还是背离合力方向运动。另外,该改进的EM算法中还去掉了EM算法中局部搜索部分。实验测试结果表明,该改进的无局部搜索的EM算法提高了解的精度,并能更好的解决高维优化问题。     

人工蜂群算法及其在组合优化中的应用研究

人工蜂群算法是一种启发式算法,通过模拟自然界蜂群觅食过程来解决现实中的优化问题。算法中将每只蜜蜂看做一个智能体,若干智能体间相互合作,高效地完成对目标的搜索、优化。总结人工蜂群算法用于解决组合优化问题的一般方法,以0-1背包问题为例对算法进行仿真测试,实验结果表明:人工蜂群算法有效且优于存在的蚁群算法。     

基于CTCH网的批过程动态最优调度

采用动态规划的基本原理 ,给出了基于CTCH网模型的批处理过程的动态最优调度模型 ,并给出了相应的调度算法 ,最后以炼钢 -连铸生产系统的过程调度为例 ,对该算法进行了仿真     

基于模糊趋近律的自适应滑模变结构控制

针对一类非线性不确定系统,把自适应模型跟踪控制和模糊控制与趋近律相结合,提出一种新的自适应模糊滑模变结构控制方案.不仅消除了滑模变结构控制固有的高频颤动现象,对模型不确定性和外部干扰具有较强的鲁棒性,而且改善了系统到达段的品质,同时跟踪误差可收敛到零的一个邻域内.仿真结果也表明了该方案的正确性.     

基于算法集成的调度系统多智能体实现框架

在混合算法研究的基础上,提出了调度系统中算法集成的概念,建立了算法类库。以多智能体系统为实施平台,给出了一种新的具体实现框架。系统中智能体可分为构造型、改进型和决策型三类,且无主控智能体,各智能体间不直接通讯,而是通过共享内存进行合作。描述了单智能体的基本结构。考虑到领域专家知识在调度系统中的重要性,将调度员作为一个特殊的智能体引入调度系统,改善了决策过程。最后分析了系统的特点。     

一类非线性系统的组合滑平面控制方案

针对一类非线性系统，提出了一种组合滑模控制方案，利用组合滑平面使系统状态在位于滑平面的同时趋近于状态零点；此外，在等效控制的基础上结合模糊控制，以抑制系统的参数摄动和外部干扰的影响，消除了滑模控制固有的高频振荡现象．试方案可以保证系统状态始终位于滑平面上，使系统具有很强的全局鲁棒性，仿真结果也表明了该方案的有效性。     

约束函数估值策略辅助的微粒群算法

针对约束函数计算费时的优化问题,提出了一种基于分类器的预测微粒群算法。通过构造一个分类器对种群个体进行约束条件满足与否的估计判断,从而减少约束函数的计算时间,缩短整个优化时间。在13个标准测试函数上的测试结果表明,本文提出的方法可以大大减少约束函数的实际计算次数。