基于混合优化算法的遗传算法参数设定研究

有限计算量条件下遗传算法的理论收敛条件难以完全满足,参数选择的恰当与否直接影响到算法性能的发挥。针对这一情况,在分析现有参数设定方法的基础上,将遗传算法参数设定问题描述为随机优化问题,并提出一种解决该问题的新的混合优化算法,即基于序优化的巢分区算法。该算法将序优化思想融入巢分区算法的局部搜索过程,大大提高了局部搜索效率,而巢分区的算法框架则保证了算法的全局收敛性。以典型旅行商问题为算例的仿真结果验证了该方法的高效性与可靠性。     

基于模糊Hough变换的被动传感器系统航迹起始方法

提出一种基于模糊Hough变换(FHT)的被动传感器系统中的航迹起始方法。首先利用逻辑关系或规则初步排除鬼点,以降低计算复杂度,推导出被动传感器系统中的Hough变换形式。考虑到传感器系统误差和测量误差对检测结果的影响,将传感器系统获得的观测值模糊映射到参数空间,利用梯度信息降低计算消耗,求出参数空间的模糊累积矩阵,通过模糊推理确定出最终的航迹检测结果。实验结果表明,所提的模糊Hough变换方法能有效解决杂波环境下的航迹起始问题,且计算消耗小。     

The self-organizing worm algorithm

A new multi-modal optimization algorithm called the self-organizing worm algorithm (SOWA) is presented for optimization of multi-modal functions.The main idea of this algorithm can be described as followsdisperse some worms equably in the domain;the worms exchange the information each other and creep toward the nearest high point;at last they will stop on the nearest high point.All peaks of multi-modal function can be found rapidly through studying and chasing among the worms.In contrast with the classical multi-modal optimization algorithms,SOWA is provided with a simple calculation,strong convergence,high precision,and does not need any prior knowledge.Several simulation experiments for SOWA are performed,and the complexity of SOWA is analyzed amply.The results show that SOWA is very effective in optimization of multi-modal functions.     

EXPLORATION/EXPLOITATION TRADEOFF WITH CELL-SHIFT AND HEURISTIC CROSSOVER FOR EVOLUTIONARY ALGORITHMS

In order to tradeoff exploration/exploitation and inspired by cell genetic algorithm a cellshift crossover operator for evolutionary algorithm （EA） is proposed in this paper. The definition domain is divided into n-dimension cubic sub-domains （cell） and each individual locates at an ndimensional cube. Cell-shift crossover first exchanges the cell numbers of the crossover pair if they are in the different cells （exploration） and subsequently shift the first individual from its initial place to the other individual＇s cell place. If they are already in the same cell heuristic crossover （exploitation） is used. Cell-shift/heuristic crossover adaptively executes exploration/exploitation search with the vary of genetic diversity. The cell-shift EA has excellent performance in terms of efficiency and efficacy on ten usually used optimization benchmarks when comparing with the recent well-known FEP evolutionary algorithm.     

一种混合遗传禁忌搜索的模糊聚类算法

传统基于目标函数法的模糊聚类算法是一种迭代的"爬山"算法,容易陷入局部最优解.提出了基于遗传算法与禁忌搜索结合的模糊聚类算法,综合运用遗传算法的多出发点和禁忌搜索的记忆性来改善聚类的效果,并通过迭代的遗传禁忌搜索算法产生最优聚类中心,实验中分别通过人工数据和标准数据测试验证了该算法的有效性.     

基于XML的异构数据源集成查询中间件的设计和实现

企业ERP建设中形成了许多异构数据源,为了有效使用这些数据有必要进行异构数据源的集成.为此给出了基于XML的异构数据源集成查询的中间件的设计和实现方案.该中间件具有接收查询的功能,还具有对用户查询进行语法分析、生成查询任务树、优化查询、分解查询和组合数据并以XML格式保存信息的功能.     

在Armijo型线搜索下LS方法的全局收敛性

提出一种新的Armijo型线搜索，并证明了在此搜索下LS方法的全局收敛性。新Armijo型线搜索能够使LS方法找到合适的初始步长，从而使LS方法更好的运行。数值试验表明在新Armijo型线搜索下的LS方法是有效的。     

再制造系统中零部件供应优化模型

针对制造商经常面临零部件供应决策问题,分析了传统制造与再制造过程中零部件的来源及构成,并以一种常见的再制造系统为原型,讨论再制造系统中零部件供应优化问题.分析不同零部件供应条件下的成本结构,建立了一个混合整数规划模型,通过最大化传统制造与再制造中零部件总成本之间的差额(即再制造总成本节约),获得再制造系统中零部件供应问题的优化解,并以算例论证了模型的有效性.实际算例表明,通过再制造系统获取零部件,往往比纯粹外购新件更加节约成本.     

一种混合的共轭梯度法

共轭梯度法是求解大规模无约束问题的一种有效方法.针对算法的优劣主要依赖于步长因子和搜索方向的特点,结合共轭梯度法的共轭性质,提出一种改进的可以控制步长因子的混合的HS-DY共轭梯度法.数值试验表明算法具有良好的收敛性和有效性.     

抗冰导管架平台结构动力安全评估

基于现场冰激振动监测资料，论述了抗冰导管架平台进行动力失效评估的必要性，分析了在动冰荷载作用下抗冰导管架平台的动力失效模式，指出动力失效模式主要包括振动失效模式和疲劳失效模式，并介绍了基于现场实测冰力数据建立的直立结构冰力谱的计算方法．作为应用实例，利用ANSYS软件建立了Jz9—3GCP平台的有限元模型，分析了其结构特性，并对其进行动力结构安全评估． 此方法对于抗冰平台的设计和安全评估具有一定的借鉴意义．