求解约束优化问题的动量粒子群算法

为解决约束优化问题,提出使用双可行域吸引子策略改进动量粒子群算法。该算法只需初始种群中有一个粒子位于可行域内,随着搜索过程的进行,整个种群自动进入可行域内搜索。一方面,在搜索过程早期,由于可行域内粒子少,所有粒子移向相同的吸引子,整个种群迅速进入可行域内。另一方面,随着进入可行域粒子的增多,由于每个粒子使用距本身最近的可行域吸引子,较好地维持了种种群的多样性,避免早熟现象的发生,使算法具有较好的寻优性能。与国际上当前解决约束优化问题的粒子群算法在4个标准约束优化函数上测试比较,实验结果表明本算法取得的最优值要优于其它粒子群算法。

Abstract：

The strategy that two good positions in feasible region worked as attractors was incorporated into momentum particle swarm optimization algorithm in order to resolve constrained optimization problems. The resulting algorithm only requires that one of the initial particles is in the feasible region, and then all particles in the swam automatically move into the feasible region. On the one hand, in the early iterations few particles appear in the feasible region and hence all particles move toward the same attractors, so the particles soon enter into the feasible region. On the other hand, as the number of particles in the feasible region increases, each particle adopts the most near attractor so that each particle has different attractor. Therefore, the algorithm maintains the diversity of the population, alleviates the premature, and hence achieves good performance. The algorithm is compared with other particle swarm optimization algorithms on four benchmark functions. The experimental results show that the solution of the algorithm is better than that of others.     

一种利用不可行解的贝叶斯网学习算法

现有的基于打分搜索的贝叶斯网学习方法都是利用满足有向无环图的可行解进行学习.在搜索过程中遇到不可行解时,这类算法简单地去除不可行解或将不可行解转化为可行解.然而,有的不可行解中往往蕴含着有价值的信息.本文提出一种新的贝叶斯网学习方法ISEC,同时利用可行解和不可行解学习贝叶斯网络,并提出针对不可行解的选择策略,在学习过程中可以有效地利用不可行解中的有用信息.实验结果表明,ISEC能够比仅利用可行解的方法更快地学习到更优的贝叶斯网.     

可演化网络中移动代理的性能分析及优化方法

针对以移动代理软件方式实现的可演化网络的性能问题,提出了一种快速激活及加载方法.通过对移动代理非执行转发、执行转发及执行各步骤的详细性能测量及分析,发现网络节点的执行环境为移动代理执行所做的准备工作时间消耗较大.该快速方法首先解开移动代理包中的所有程序代码并进行预先加载,在加载主程序时优先搜索已预先加载的代码,从而能够较快地找到程序代码.快速方法通过优化代码加载时的搜索顺序,有效地加快了可演化网络中移动代理的执行过程.测试结果表明,采用快速方法使典型的移动代理平均启动加载时间缩短了3.26 ms,网络节点的吞吐率提高了58%.     

1个单纯形搜索法和免疫进化的微粒群算法的混合算法

基于单纯形搜索法和免疫进化微粒群算法,提出1个求解无约束最优化问题的新的混合算法—单纯形搜索法和免疫进化微粒群算法的混合算法.由于它不需要梯度信息,所以具有易实施、收敛速度快和计算准确的优点.为了证明混合算法能够改进免疫进化微粒群算法的性能,首先利用6个测试函数进行仿真计算比较,计算结果表明,新的混合算法在求解质量和收敛速率上都优于其它进化算法(IEPSO,PSOPC,GSPSO,LSPSO and CPSO);其次,将新混合算法和最新的3种混合算法进行鲁棒性分析比较,结果表明,新混合算法在解的搜索质量、效率和关于初始点的鲁棒性方面都优于其它算法.     

Enhanced self-adaptive evolutionary algorithm for numerical optimization

There are many population-based stochastic search algorithms for solving optimization problems. However, the universality and robustness of these algorithms are still unsatisfactory. This paper proposes an enhanced self-adaptiveevolutionary algorithm (ESEA) to overcome the demerits above. In the ESEA, four evolutionary operators are designed to enhance the evolutionary structure. Besides, the ESEA employs four effective search strategies under the framework of the self-adaptive learning. Four groups of the experiments are done to find out the most suitable parameter values for the ESEA. In order to verify the performance of the proposed algorithm, 26 state-of-the-art test functions are solved by the ESEA and its competitors. The experimental results demonstrate that the universality and robustness of the ESEA out-perform its competitors.     

审计行为、审计合谋及奖惩机制的演化博弈

针对目前普遍存在的审计合谋现象,依据演化博弈理论,建立了审计师甲和乙的演化博弈模型,分析了两类个体在合谋与诚信两种策略下的行为特征,根据复制者动态方程得到了两者的行为演化规律和政府奖励惩罚机制下的行为演化和演化稳定策略,给出了避免出现审计合谋现象的惩罚和奖励策略,分析了政府实施奖励惩罚机制的有效性。最后,通过数值分析对结论加以说明。     

炼钢—连铸—热轧生产计划编制的统一模型及智能算法

为使钢铁企业主体工序炼钢—连铸—热轧之间的生产协调有序、提高生产计划水平和加强生产资源配置效益,运用统一建模思想进行轧制单元计划、炉次计划和浇次计划的抽象描述,从注重共性的角度统一各阶段批量计划的目标函数,通过对目标函数的组合来实现各阶段计划的有效衔接.设计基于Multi-agent的协同进化算法进行模型求解,编制炼钢—连铸—热轧一体化计划.以某钢铁企业的生产计划制定实例进行模型测试,仿真计算结果表明模型的有效性.     

基于稀疏表示模型的SAR图像目标检测算法

针对合成孔径雷达（synthetic aperture radar,SAR）图像可视性差、目标区域小以及特征不明显等特性对目标检测造成的困难,将稀疏表示模型应用于SAR图像目标检测,提出一种基于稀疏表示模型的SAR图像目标检测算法。首先,利用K—SVD算法训练样本提取对样本最具描述能力的SIFT特征形成字典;其次,通过将进化机制和稀疏表示结合,逐步提取整幅图像中含有目标的图像块;最后,输出稀疏表示误差小于阈值的图像块的位置作为目标检测的结果。实验结果表明,与传统目标检测算法相比,该算法在检测率和运行效率方面均有一定的提高,取得了较好的效果。     

基于改进小生境演化算法的多峰函数优化算法

传统演化算法在求解复杂多峰函数优化问题时经常会出现早熟、收敛速度慢等问题,特别是对于有多个最优解的函数,往往只能找到个别的最优解.针对这些问题,提出了一种基于膈离机制与排挤机制相结合的小生境演化算法.利用隔离机制增强引导进化能力,利用排挤机制保证种群的多样性,同时,采用反序交叉算子进一步加强局部寻优能力.实验表明,使用该改进小生境演化算法求解函数优化问题能更有效地克服传统演化算法存在的收敛速度慢和容易陷入局部最优解等缺点.     

淮南矿区深部岩巷典型围岩参数反分析研究!

基于典型巷道的表面收敛位移,通过进化神经网络方法进行了淮南矿区典型围岩类型的物性参数反分析研究.采用反分析得到的参数,通过数值正分析得到了和实测基本吻合的深部位移结果.表明通过反分析研究,基本得到了反映典型围岩类型的物性参数.