混沌粒子群优化算法及其在平面选址问题上的应用

通过引入混沌来影响粒子速度的更新,构造出一种混沌粒子群优化算法.其主要思想是用混沌迭代引导个体进一步优化,从而避免群体陷入局部最优,而且收敛速度得到加快.通过对三个测试函数以及平面选址问题的求解,验证该算法具有非常好的性能.     

遗传并行粒子群优化算法及其性能分析

在已有的并行粒子群优化算法的基础上,结合遗传算法,并利用Java语言支持多线程特点,开发出单子群、k子群、任意子群三种遗传并行粒子群优化算法。通过对6个Benchmark测试函数的测试分析,表明这三种算法都具有运行速度快,求解质量高的特点。相信应用于大规模工程实际问题也能取到令人满意的结果。     

一类新遗传算法

针对标准遗传算法(SGA)收敛速度慢和早熟的缺陷,从生物学和人类社会学得到启示,在每一代完成遗传操作后引入一个学习过程;从模式的角度出发提出学习概率的确定原则并确定了其计算方法.实现了进化过程中同代个体之间相互竞争与学习的结合.采用惯用的测试函数进行比较研究,仿真结果表明此算法提高了SGA的全局收敛速度,克服了早熟的缺陷,且在群体规模较小的情况下仍然能够达到全局最优,具有较好的寻优能力和一定的现实意义.     

带势函数的双调和不等式组的整体解的不存在性

研究了一类带势函数的双调和不等式组的整体解的不存在性.在一定条件下,通过选择合适的测试函数,利用Young不等式、H?lder不等式及Sobolev嵌入定理等,得到解的先验估计,并应用这一估计证明不等式组的整体解的不存在性.     

遗传算法的新改进--扰动式遗传算法

针对基于二进制编码遗传算法的精度低及二进制编码所带来的早熟等问题提出了一种新的改进方案--扰动式遗传算法(简称DGA),该方法通过对搜索区域进行微小的扰动而实现不同群体之间的竞争来提高算法的搜索性能.改进后的算法在提高精度的同时能够达到全局收敛,并能有效地处理多极值问题.对改进的算法进行了性能分析并用典型函数进行测试,结果表明,改进的效果较为显著.     

一种改进的原子搜索算法

原子搜索算法(atom search algorithm,ASO)是模仿自然界中原子运动而提出的一种新型优化算法,针对ASO在求解复杂函数时存在易早熟及收敛速度慢的问题,提出了一种改进ASO算法(improved atomic search algorithm,IASO)。IASO加入了原子个体历史最优解产生的约束力来修正ASO的加速度,增强全局搜索能力。自适应更新2个乘数系数来协调算法的全局搜索和局部开发能力。适时采用高斯变异策略来重新更新原子位置,提高跳出早熟的能力。对14个基准函数进行仿真实验,对比其他算法,IASO在收敛速度、收敛精度方面表现出优越的性能。     

属性综合测度模型在区域经济中的应用研究

将属性综合测度模型应用于区域经济发展优先级别的评价中。在建立评价指标体系的基础上,根据各指标的权重,提出确定区域经济发展优先级别的属性综合测度模型。并以黄河流域的12个大城市为算例,给出了一种比较科学的、切实可行的区域空间经济区发展优先级别的评价方法。     

基于动态平衡因子自适应步长的布谷鸟搜索算法

针对标准布谷鸟搜索算法依赖Lévy飞行的游走导致整个搜索过程步长具有随机性的问题,提出一种基于动态平衡因子自适应步长的布谷鸟搜索算法。通过对标准布谷鸟搜索算法中参数偏度动态自适应取值来实现算法对步长的动态自适应,同时引入动态平衡因子以调节全局适应度和当前迭代次数所占的比重,从而实现布谷鸟搜索算法收敛速度和搜索精度的平衡。测试仿真实验结果表明,与标准布谷鸟搜索算法相比,提出的算法收敛速度显著提升;与单纯依赖迭代次数自适应步长的布谷鸟算法相比,提出的算法避免了为追求收敛速度而造成的算法早熟现象。     

遗传并行粒子群优化算法及其性能分析

在已有的并行粒子群优化算法的基础上,结合遗传算法,并利用Java语言支持多线程特点,开发出单子群、k子群、任意子群三种遗传并行粒子群优化算法。通过对6个Benchmark测试函数的测试分析,表明这三种算法都具有运行速度快,求解质量高的特点。     

(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.