禁忌粒子群算法在几何约束求解中的应用

约束问题可以转化为优化问题,针对粒子群优化算法在算法的后期易陷入局部最优的缺点,提出TPSO(禁忌粒子群优化算法),在算法的前期采用粒子群算法快速产生全局最优解信息素的初始分布,后期引入禁忌搜索算法,记录已经达到的局部最优解,在下一次搜索中,不再或者有选择地搜索这些点,从而跳出局部最优点,并且在搜索过程中允许接受劣解,充分利用禁忌搜索的记忆能力及较强的爬山能力,大大提高了获得全局最优解的概率.该算法综合了粒子群优化算法的快速性,随机性和全局收敛性以及禁忌搜索局部寻优的能力.在确保全局收敛性的基础上,能够快速搜索到高质量的优化解.该方法用于几何约束求解的性能明显高于标准粒子群算法,算法具有良好的优化性能和时间性能.     

一种改进的粒子群优化算法

粒子群优化算法(PSO)是一种群体智能进化计算方法,但在搜索过程中粒子紧跟最优粒子运动降低了粒子多样性和全局搜索能力,从而易陷入局部极值.本文提出一种新的粒子群优化算法(PSO-EWD),主要改进体现在2个方面:将惯性权重与进化因子相关联,根据种群的进化状态而改变权重大小,以平衡全局搜索能力与局部搜索能力;将时变的分布式时延引入速度更新公式中,以增加粒子的多样性.本文通过5种算法在9个基准函数上的实验对比,证明了新提出的算法相较于另外4种算法具有更优的适应度值、稳定性和收敛速度.     

融合黄金正弦和随机游走的哈里斯鹰优化算法

针对哈里斯鹰优化算法收敛精度低、易陷入局部最优的问题,本文提出了融合黄金正弦和随机游走的哈里斯鹰优化算法.首先,该算法在哈里斯鹰的探索阶段融合黄金正弦优化算法,增强算法的全局探索能力;其次,使用一种非线性能量指数递减策略,平衡算法的全局探索和局部开发能力;然后,在哈里斯鹰的开发阶段引入高斯随机游走策略对猎物进行随机游走,提升算法的局部开发能力;最后,在23个测试函数上进行实验,评估改进后的哈里斯鹰优化算法的寻优性能.实验结果表明,所提算法具有更好的寻优速度和寻优精度.     

结合极值优化的多粒子群协同进化算法

多粒子群协同进化算法是一种群智能算法,具有智能性、通用性、并行性和全局搜索能力,能够很好地解决全局寻优问题,但其保持粒子多样性的机制和协同进化的机制有待做进一步的改进.为了进一步提高多粒子群协同进化算法的寻优效率,提出了一种结合极值优化的多粒子群协同进化算法,它将多粒子群协同进化算法的全局搜索能力与极值优化算法的局部搜索能力进行了结合.最后通过实验验证了该算法的有效性.     

实数编码遗传和单纯形混合算法在膜系优化设计中的应用

在传统遗传算法(GA)基础上,通过引入标准偏差函数构造了新的适应度函数,同时提出了一种自动降温的方法来控制退火选择策略中的温度.将这种改进的实数编码遗传算法(FGA)和单纯型算法(SA)有机结合起来,形成了新的膜系优化算法-实数编码遗传和单纯形混合算法,并编制了优化程序.实例表明该算法优化性能优越,既具有强大全局搜索能力,又能很好地实现局部搜索功能.用该算法实现了中心波长534 nm,带宽35 nm的可见光波段凹陷滤波器和高性能中性分束镜.     

一种基于KLT-RANSAC全局运动估计的电子稳像算法研究

全局运动估计是电子稳像的核心,很大程度上影响整个稳像系统的性能.提出了一种基于KLT-RANSAC全局运动估计的电子稳像算法,该方法首先通过增加距离约束机制,并进行亚像素级定位,优化Harris特征点,选择KLT快速匹配算法实现特征点的粗匹配,之后引入了RANSAC算法剔除误匹配点,去除视频序列中分布在运动物体上的特征点,避免了局部运动对全局运动估计的影响.实验结果表明:本算法可以有效解决特征点匹配过程中的误匹配问题,避免局部运动对稳像的干扰,快速准确地计算出全局运动参数,最终可以实时处理存在平移和旋转抖动的视频,输出稳定高质量的视频.     

分数阶Fourier变换极值搜索算法研究

 针对步进式搜索算法在分数阶Fourier变换域二维平面效率、精度低下的问题,通过推导分数阶Fourier域极值函数的一阶导数及其快速算法,将全局寻优效果好的混沌优化法和局部搜索能力强的多步拟牛顿法相结合,提出了分数阶Fourier变换极值混合优化算法.并对混合算法的全局收敛性进行了证明.最后,通过仿真实例,验证了混合算法的全局收敛性及其快速收敛能力.混合优化算法的收敛速度和精度均好于步进式搜索法、混沌优化法及步进式-多步拟牛顿混合法.     

粒子群优化算法的改进及其实现

基本粒子群优化算法存在着"早熟"现象。究其主要原因是由于全局最优粒子的运动形式滞留在局部最优。为此,根据基本PSO算法的特点,在粒子运动过程中加入了个体小概率随机变异,增强了粒子运动形式改变能力,减小了陷入局部最优的可能性。通过数值计算结果表明,该方法能有效地解决粒子群优化"早熟"问题。     

多峰函数优化的黄金分割斐波那契树优化算法

针对多峰函数优化问题，基于斐波那契树优化算法，结合黄金分割思想，提出一种黄金分割斐波那契树优化算法.该算法利用斐波那契树优化算法全局局部交替寻优特性，通过在寻优过程中对优化问题解空间进行黄金分割比例压缩，从而提高算法局部搜索能力与小峰值搜索能力.多峰函数优化的仿真结果表明，该算法多峰优化能力强、速度快、精度高.     

基于混合粒子群优化算法的医学图像配准

提出了一种基于粒子群算法PSO和Powell的混合优化算法,将PSO算法的全局搜索能力与Powell算法的局部寻优能力有机地结合起来.即在PSO算法每步迭代后对当前的局部最优解增加一步Powell局部寻优算法,进而保证了解的精确性的同时提高了求解的速度.将其应用于配准过程中对目标函数的最优化,取得了比较好的效果.     

AN IMPROVED GENETIC ALGORITHM FOR SEARCHING OPTIMAL PARAMETERS IN n-DIMENSIONAL SPACE

An improved genetic algorithm for searching optimal parameters in n-dimensionalspace is presented,which encodes movement direction and distance and searches from coarse toprecise.The algorithm can realize global optimization and improve the search efficiency,and canbe applied effctively in industrial optimization,data mining and pattern recognition.     

基于连续空间的萤火虫算法改进

针对萤火虫算法在全局寻优过程中求解精度差,且容易陷入局部最优的问题,文中提出了一种优化的萤火虫算法.采用离散-连续的方法将传统萤火虫算法的空间连续化,在传统萤火虫算法的基础上定义新的吸引度计算式以及相应的更新策略,实现待求的离散问题的空间连续化,改善萤火虫单体相应的移动方式.实验仿真结果证明了该改进算法的有效性.文中对...     

AN IMPROVED GENETIC ALGORITHM FOR SEARCHING OPTIMAL PARAMETERS IN n—DIMENSIONAL SPACE

An improved genetic algorithm for searching optimal parameters in n-dimensional space is presented,which encodes movement direction and distance and searches from coarse to precise.The algorithm can realize global optimization and improve the search efficiency,and can be applied effectively in industrial optimization ,data mining and pattern recognition.     

应用精英反向学习的多目标烟花爆炸算法

现实中的多目标优化问题越来越多,而且日益复杂.受混合多目标优化算法设计思想的启发,将烟花爆炸方法和精英反向学习机制引入至多目标优化领域,提出一种应用精英反向学习的多目标烟花爆炸算法(Multi-Objective Fireworks Optimization Algorithm Using Elite Opposition-Based Learning,MOFAEOL).该算法利用精英反向学习策略加强算法的全局搜索能力,利用烟花爆炸方法增强算法的局部搜索能力并提高求解的精度.这两种搜索机制相互协同以更好地平衡算法的全局勘探和局部开采的能力.MOFAEOL算法与另外5种代表性多目标优化算法一同在由ZDT系列和DTLZ系列组成的测试集上进行性能比较.实验表明,MOFAEOL算法在收敛性、多样性和稳定性方面均优于或部分优于其他对比算法.     

基于量子粒子群模糊C均值聚类算法应用研究

模糊C均值聚类对初始参数有着较强的依赖性,文中针对其对初始聚类中心敏感的问题,提出利用量子粒子群来优化FCM的初始聚类中心。粒子群优化算法具有较强的全局搜索能力,但局部搜索能力不足,因此借助于量子理论,将粒子群量子化,借助量子旋转门改变粒子的移动,同时利用量子非门增加种群的多样性,加强粒子群优化算法的局部寻优能力。并最终利用量子粒子群优化算法搜寻FCM算法的初始聚类中心,通过实验仿真表明,改进的算法在加快搜索速度的同时,能获得较为稳定的聚类中心且分割效果明显优于标准的FCM算法。     

基于多元优化算法的路径规划

本文提出了一种基于多元优化算法和贝塞尔曲线的启发式智能路径规划方法.该方法通过用贝塞尔曲线描述路径的方法把路径规划问题转化成最优化问题.然后,使用多元优化算法来寻找最优的贝塞尔曲线控制点以获得最优路径.多元优化算法智能搜素个体协同合作交替的对解空间进行全局、局部迭代搜索以找到最优解.多元优化算法的搜索个体（元）按照分工不同可以分为全局元和局部元.在一次迭代中,全局元首先探索整个解空间以找出更优的潜在解区域.然后,局部元在各个潜在解区域进行局部开采以改善解质量.可见,搜索元具有分工不同的多元化特点,多元优化算法也就因此而得名.分工不同的搜索元之间高效的沟通和合作保证了多元优化算法的良好性能.为了评估多元优化算法的性能,我们基于标准测试地图比较了多元优化算法与其它三种经典启发式智能路径规划算法.结果表明,我们提出的方法在最优性,稳定性和有效性上方面优于其它方法.     

模块化可重构服务机器人群的任务规划

对模块化可重构服务机器人群在医院中应用所产生的任务规划问题进行了分析和建模,提炼出一个多目标、多约束的多维组合优化问题.设计了改进二进制蜜蜂算法(IBBA)进行组合方案寻优.作为一种启发式群智能优化算法,其特点在于:(1)全局搜索和局部搜索的功能划分明确且并行实施;(2)在基本算法框架中融入了组合方案的表示与进化方法、多目标处理方法、约束处理方法等要素;(3)在算法原型的基础上改进了局部搜索策略.针对一个实际算例进行了优化计算,算法在可行性、稳定性、计算结果质量、计算效率、单目标优化等方面取得了较好表现,并从算法机制中得到了合理解释.扩展了模块化可重构机器人的研究范畴,为多目标、多约束的多维组合优化问题提出了通用的建模方法和优化算法.     

重构分数低阶协方差的子空间拟合测向算法

基于重构的分数低阶矩阵,提出了重构分数低阶协方差的多重信号分类测向算法和信号子空间拟合测向算法.为了快速求解所提出的测向算法,设计了一种可进行多维搜索的自适应差分粒子群优化算法.利用粒子群算法和差分进化算法的优点,可以获得测向问题的全局最优解.Monte-Carlo仿真证明了所提测向算法可有效分辨相干源,并且其检测性能优于已有的一些经典算法.     

DOA and Power Estimation Using Genetic Algorithm and Fuzzy Discrete Particle Swarm Optimization

Aiming to reduce the computational costs and converge to global optimum, a novel method is proposed to solve the optimization of a cost function in the estimation of direction of arrival (DOA). In this method, genetic algorithm (GA) and fuzzy discrete particle swarm optimization (FDPSO) are applied to optimize the direction of arrival and power parameters of the mode simultaneously. Firstly, the GA algorithm is applied to make the solution fall into the global searching. Secondly, the FDPSO method is utilized to narrow down the search field. In FDPSO, chaotic factor and crossover method are added to speed up the convergence. This approach has been demonstrated through some computational simulations. It is shown that the proposed algorithm can estimate both the DOA and the powers accurately. It is more efficient than some present methods, such as Newton-like algorithm, Akaike information critical (AIC), particle swarm optimization (PSO), and genetic algorithm with particle swarm optimization (GA-PSO).     

Optimization of Fiber Bragg Gratings Using a Hybrid Optimization Algorithm

A new hybrid optimization algorithm is proposed for the design of a fiber Bragg grating (FBG) with complex characteristics. The hybrid algorithm is a two-tier search that employs a global optimization algorithm (i.e., the staged continuous tabu search (SCTS) algorithm) and a local optimization method (i.e., the quasi-Newton method). First, the SCTS global optimization algorithm is used to find a "promising" FBG structure that has a spectral response as close as possible to the targeted spectral response. Then, a local optimization method, namely, the quasi- Newton method, is applied to further optimize the promising FBG structure obtained from the SCTS algorithm to arrive at a targeted spectral response. To demonstrate the effectiveness of the method, the design and fabrication of an optical bandpass filter are presented.