一类非线性极大极小问题的极大熵社会认知算法

针对一类非线性极大极小问题目标函数非光滑的特点给求解带来的困难,利用社会认知算法并结合极大熵函数法给出了此类问题的一种新的有效算法。首先利用极大熵函数将原问题转化为一个光滑无约束优化问题,然后利用社会认知算法对其进行求解。该算法是基于社会认知理论,通过一系列的学习代理来模拟人类的社会性以及智能性从而完成对目标的优化。数值结果表明,该算法收敛快,数值稳定性好,是求解非线性极大极小问题的一种有效算法。     

基于极大熵差分进化混合算法求解非线性方程组*

针对非线性方程组,给出了一种新的算法——极大熵差分进化混合算法。首先把非线性方程组转换为一个不可微优化问题;然后用一个称之为凝聚函数的光滑函数直接代替不可微的极大值函数,从而可把非线性方程组的求解转换为无约束优化问题,利用差分进化算法对其进行求解。计算结果表明,该算法在求解的准确性和有效性均优于其他算法。     

云数据库中基于极大熵差分进化的负载评估算法

由于分布式关系型数据库基于两阶段提交协议的设计方式,使得系统如出现单节点瓶颈问题,数据库事务将全部回滚,从而造成巨大的系统开销,影响数据库在大数据环境下的应用。针对这一现状,提出一种基于极大熵差分进化的负载评估算法,利用评价函数法,将多目标优化问题转化为不可微的单目标优化问题,再利用极大熵函数,将不可微优化问题转化为一个带有参数的无约束优化问题,最后用差分进化算法对其进行求解,找出节点资源最优集,从而为过载节点的数据迁移提供了理论依据,也进一步实现了对云数据库的设计。实验结果表明,该算法能够提高系统的整体性能,有效避免单节点瓶颈问题。     

极大熵和声搜索算法求解多目标优化*

给出了求解多目标优化问题的一个新算法。首先利用极大熵函数,将多目标优化问题转换为一个单目标优化问题;然后利用和声搜索算法对其进行求解,进而得到多目标优化问题的有效解。该算法对目标函数的解析性质没有要求且容易实现,数值结果表明了该方法是有效的。     

基于极大熵和声搜索算法的非线性方程组求解

提出一种基于极大熵和声搜索(HS)的非线性方程组求解算法。利用极大熵函数代替不可微的极大值函数,从而将非线性方程组问题转化为一个无约束极小化问题,并通过HS算法对其进行求解。数值实验结果表明,与牛顿算法相比,该算法简单直观,具有较高的求解准确性。     

求解互补问题的极大熵社会认知算法

针对传统算法无法获得互补问题的多个最优解的困难,提出了求解互补问题的社会认知优化算法.通过利用NCP函数,将互补问题的求解转化为一个非光滑方程组问题,然后用凝聚函数对其进行光滑化,进而把互补问题的求解转化为无约束优化问题,利用社会认知算法对其进行求解.该算法是基于社会认知理论,通过一系列的学习代理来模拟人类的社会性以及智能性从而完成对目标的优化.该算法对目标函数的解析性质没有要求且容易实现,数值实验结果表明了该方法是有效的.     

极大熵自适应微粒群混合算法求解绝对值方程*

绝对值方程Ax-|x|=b是一个不可微的NP-hard问题。在假设矩阵A的奇异值大于1（这里矩阵A的奇异值定义为矩阵ATA特征值的非负平方根）时,给出了求解绝对值方程的一个新算法。通过引进一种极大熵函数把绝对值方程进行光滑化处理,再引入适当的目标函数,从而把绝对值方程问题转换为无约束优化问题,然后利用自适应微粒群算法对其进行求解。数值实验结果表明了该方法的正确性和有效性。     

求解互补问题的极大熵和声搜索算法*

针对传统算法无法获得互补问题的多个最优解的困难, 提出了求解互补问题的和声搜索算法。利用NCP函数, 将互补问题转换为一个非光滑方程组问题,用极大熵函数对其进行光滑换处理,进而把互补问题的求解转化为无约束优化,利用和声搜索算法对其进行求解。该算法对目标函数的解析性质没有要求且容易实现,数值结果表明了该方法在求解互补问题中的有效性。     

求解非线性互补问题的熵函数认知优化算法

提出了一个求解非线性互补问题的熵函数社会认知优化算法。首先将非线性互补问题转化为非线性方程组来求解,然后利用熵函数法将非线性方程组求解转化为一个光滑的无约束优化问题,最后应用社会认知优化算法求解此优化问题。实验结果表明,该算法收敛速度快,稳定性好,是求解非线性互补问题的一种有效算法。     

非线性约束规划的极大熵多目标进化算法

解非线性约束规划的困难在于如何处理问题的约束,从问题的约束条件出发构造了一个新的极大熵函数,利用此函数将原非线性约束规划问题转化成了两个目标的多目标优化问题。通过对搜索操作和参数的合理设计给出了一种新的极大熵多目标进化算法。计算机仿真表明该算法对带约束的非线性优化问题求解是非常有效的。     

基于混合预测策略与改进社会学习优化算法的动态多目标优化方法

近年来,国内外学者针对基于预测的动态多目标优化算法开展了深入研究,并提出了一系列有效的算法,然而已有的研究工作通常采用单一的预测策略,使得算法不能有效地应对剧烈的环境变化。针对上述问题,提出了一种基于混合预测策略与改进社会学习优化算法的动态多目标优化方法。具体地,当环境发生变化时,该方法首先基于代表性个体预测策略生成一部分群体;其次,基于拐点预测策略生成一部分新群体,特别地,为了提高种群的多样性,根据算法迭代的历史信息和环境变化情况随机地生成一定数量的新个体;为了提高问题的求解效率,对社会学习优化算法进行了改进,为每个进化空间设计了适用于动态多目标优化问题的算子;最后,将混合预测策略与改进的社会学习优化算法结合,构成了一种新的动态多目标优化方法。以FDA、DMOP和F函数集作为实验测试函数集,与四种代表性算法进行了性能对比;并以反向世代距离(inverted generational distance, IGD)对该方法的性能进行了深入的分析。实验结果表明所提方法具有较好的收敛性和鲁棒性。     

改进的约束优化多目标遗传算法及工程应用

利用多目标法处理约束条件,提出一种改进的基于多目标优化的遗传算法用于求解约束优化问题。该算法将约束优化问题转化为两个目标的多目标优化问题; 利用庄家法构造非劣个体,将种群分为支配子种群和非支配子种群,以一定概率分别从支配子种群和非支配子种群中选择个体进行算术交叉操作,引导个体逐步向极值点靠近,增强算法的局部搜索能力,对非支配子种群进行多样性变异操作。8个标准测试函数和3个工程应用的仿真实验结果表明了该算法的有效性。     

基于自适应罚函数的QPSO算法的代谢通量评估*

针对代谢通量评估问题属于带约束的优化问题,其目标函数是一个非线性、不可微的并且存在多个局部最小点的复杂函数,提出了使用自适应罚函数的量子粒子群优化算法来解决这个问题。通过自适应罚函数的方法解决约束条件,然后使用QPSO算法最小化内部代谢通量。用此算法评估谷氨酸棒杆菌的内部代谢通量并与传统的优化算法来比较,实验结果证明了该算法的可行性和有效性。     

城市过饱和路网的偏好多目标相容优化控制

针对城市过饱和路网的交通信号控制问题,提出将总延误分为主线路段延误和次线路段延误的划分方法,将控制问题描述为冲突的多目标控制。针对冲突多目标控制问题中最优解不唯一,而传统优化方法中一次运行只能得到一个最优解的问题,提出了一种基于偏好的相容优化控制算法：利用偏好信息动态指引寻优的方向,在偏好区域内获得更多有价值的解;提出基于偏好的目标选择函数,保证控制解在偏好区域内的稳定性。在仿真环境中对一个11个交叉口的城市过饱和路网进行实时控制,结果表明,提出的偏好相容控制算法的效果优于定时控制方案。     

An effective hybrid particle swarm optimization algorithm for multi-objective flexible job-shop scheduling problem

Flexible job-shop scheduling problem (FJSP) is an extension of the classical job-shop scheduling problem. Although the traditional optimization algorithms could obtain preferable results in solving the mono-objective FJSP. However, they are very difficult to solve multi-objective FJSP very well. In this paper, a particle swarm optimization (PSO) algorithm and a tabu search (TS) algorithm are combined to solve the multi-objective FJSP with several conflicting and incommensurable objectives. PSO which integrates local search and global search scheme possesses high search efficiency. And, TS is a meta-heuristic which is designed for finding a near optimal solution of combinatorial optimization problems. Through reasonably hybridizing the two optimization algorithms, an effective hybrid approach for the multi-objective FJSP has been proposed. The computational results have proved that the proposed hybrid algorithm is an efficient and effective approach to solve the multi-objective FJSP, especially for the problems on a large scale.     

基于灰色综合关联分析的多目标优化方法

针对现有多目标优化方法存在的搜索性能弱、效率低等问题,提出一种基于灰色综合关联分析的多目标优化方法.该多目标优化方法采用单目标优化算法构建高质量的参考序列,计算参考序列与优化解的目标函数值序列之间的灰色综合关联度,定义基于灰色综合关联度的解支配关系准则,将灰色综合关联度作为多目标优化算法的适应度值.以带顺序相关调整时间的多目标流水车间调度问题作为应用对象,建立总生产成本、最大完工时间、平均流程时间及机器平均闲置时间的多目标函数优化模型.提出基于灰色关联分析的多目标烟花算法,对所建立的多目标优化模型进行优化求解.仿真实验表明,所提出多目标烟花算法的性能优于3种基于不同多目标优化方法的烟花算法及两种经典多目标算法,验证了所提出的多目标优化方法及多目标算法的可行性和有效性.     

一种改进的多目标约束优化差分进化算法

提出一种新的多目标优化差分进化算法用于求解约束优化问题.该算法利用佳点集方法初始化个体以维持种群的多样性.将约束优化问题转化为两个目标的多目标优化问题.基于Pareto支配关系,将种群分为Pareto子集和Non-Pareto子集,结合差分进化算法两种不同变异策略的特点,对Non-Pareto子集和Pareto子集分别采用DE/best/1变异策略和DE/rand/1变异策略.数值实验结果表明该算法具有较好的寻优效果.     

认知无线网络中的跨层资源优化

跨层资源优化是设计认知无线网络重要的一环,是典型的多目标优化问题。为此,提出一种自适应克隆与邻域选择优化算法解决认知无线网络中的资源优化分配问题。以使用带宽、消耗功率、数据传输速率等指标作为认知网络优化目标,并将其在算法中进行优化。通过2种典型测试函数的仿真比较,结果表明该算法能够有效解决认知无线网络中的频谱资源分配、功率控制及速率提升等多目标优化问题,且与SPEA-2算法和NNIA算法相比,具有明显的优越性。