自适应最优保存的模拟退火遗传算法及应用

在分析遗传进化的基础上,提出了一种自适应最优保存的模拟退火遗传算法,自适应地保存最优个体,并对其进行模拟退火,与简单最优保存遗传算法（MOSGA）进行了性能比较,结果表明本算法明显比MOSGA搜索能力更强,有极强的跳出局部成的能力,有效地解决了MOSGA的早熟现象。     

一种改进的θ -PSO算法

基于相位角的粒子群优化算法θ-PSO在处理一些标准测试函数时比基本的PSO算法有着更好的寻优性能,但该算法在处理一些复杂函数时,也存在不易跳出局部最小的困惑。本文在基本θ-PSO的基础上改进了相位角的更新策略,当粒子相位在到达边界时进行反弹,而不是限制在边界。为进一步提高算法的性能,对改进的算法进行了变异扰动操作,使得该算法在处理一些复杂的测试函数时,有着更好的寻优性能,能在有限步的迭代过程中,克服局部最小,到达优化目标的设定值。     

实数编码遗传操作机制的研究

分析了典型的实数编码遗传操作机制存在的缺陷，在此基础上提出了两种算法稳定、搜索效率高的遗传操作机制，针对3个著名的测试函数，应用这三种遗传操作机制分别进行了多次的性能测试，通过仿真结果的多方横、纵向比较分析，结果表明改进的遗传操作机制的有效性和合理性。     

基于选择策略的简化蝗虫优化算法

针对蝗虫优化算法(Grasshopper optimization algorithm, GOA)收敛速度慢、收敛精度不高的问题,提出基于选择策略的简化蝗虫优化算法(Simplified grasshopper optimization algorithm, SGOA)。首先运用选择策略处理初始种群,有助于快速缩小算法的搜索范围。其次通过选择策略将整个种群分为精英种群和一般种群,精英种群由当前最优蝗虫指导位置更新,有利于实现算法的趋优和加速;一般种群的位置更新取决于自身位置、精英种群及当前最优蝗虫位置,有利于保持算法的稳定。为验证SGOA求解高维复杂函数的广泛适用性,选取GOA、经典的粒子群优化算法(Particle swarm optimization, PSO)、高效的灰狼优化算法(Gray wolf optimization, GWO)以及鲸鱼优化算法(Whale optimization algorithm, WOA)作为SGOA的对比算法。以上5种算法求解9个标准测试函数的统计结果表明：SGOA的收敛精度、稳定性以及寻优成功率均显著高于其他算法。     

多阶段的郊狼优化算法

为了解决更复杂的优化问题,本文对原始郊狼算法进行研究,提出一种多阶段的郊狼优化算法(MCOA),将算法分为前、中、后期。在前期阶段让郊狼进行正常成长,再引入旋转策略加强其勘探过程的搜索范围,避免过早陷入局部最优解。在中期阶段,提出“以优带差”的策略,再采用新型头狼更新方式对头狼进行更新,更好地平衡勘探和开采过程。在后期阶段,提出一种新型后期成长方式进行郊狼成长,并提出避免趋同因子,解决后期趋同的问题。采用CEC2014测试函数集进行仿真,与其他先进算法以及最新提出的郊狼算法比较,结果表明MCOA具有更好的搜索效率、收敛精度、优化性能以及稳定性。     

求解物流配送中心选址问题的改进鸽群算法

为了提高鸽群优化算法求解物流配送中心选址问题的优化效果,减少物流配送成本,提出了一种改进的鸽群优化算法。该算法在基础鸽群优化算法上,引入灰狼优化算法在寻优过程中的捕食策略,能够有效地提高鸽群优化算法的局部搜索能力、增强算法的寻优性能。由函数测试实验可得,该算法在求解测试函数最优值上具有寻优速度快、收敛精度高的特点。最后,将其应用到求解物流配送中心选址问题中,实验结果表明：改进的鸽群优化算法更适合求解高维物流配送中心选址问题。     

一种基于差分进化和灰狼算法的混合优化算法

针对差分进化易陷入局部最优和灰狼算法易早熟停滞的缺点,提出了一种基于差分进化(DE)算法和灰狼(GWO)算法的混合优化算法(DEGWO)。该算法利用差分进化的变异、选择算子维持种群的多样性,然后引入灰狼算法与差分进化的交叉、选择算子进行全局搜索。在整个寻优过程中,反复迭代渐进收敛。选取此3个测试函数进行仿真验证,结果表明,混合优化算法相比于DE算法和GWO算法,其求解精度、收敛速度、搜索能力都有了显著提高。     

约束优化问题测试函数的一个构造方法

给出了约束优化问题测试算例的一个构造方法,分别给出了非凸规划、凸规划测试函数的构造方法,构造的约束优化问题在可行域边界达到最优解。并就构造的算例分别用非线性规划求解软件进行了验证,结果表明构造方法是有效的。     

(2+1)维Boussinesq方程的显示精确解

非线性波方程广泛应用于物理,数学等自然科学的各个领域.本文利用同宿测试函数法;扩展的同宿测试函数法;扩展的F-展开法获得了(2+1)维Boussinesq方程的形式更为丰富的显示行波解.     

约束二进制二次规划测试函数的一个构造方法

基于盖尔圆定理,给出了约束二进制二次规划测试函数的一个构造方法:对原问题,通过线性变换,得到一个新的不定二次规划,且该不定二次规划恰好以给定初始点为最优解;进而构造出了一系列具有共同最优解的约束二进制二次规划。