几种优化算法在浅海匹配场反演中的性能比较

在分析模拟退火算法、遗传算法、差异进化算法、下山单纯形差异进化算法的优化机理的基础上,定量比较了上述算法在浅海匹配场反演中的效率差异。模拟退火算法与遗传算法只使用目标函数值信息在参数空间搜索全局最优值,效率低且易受参数间耦合的影响。差异进化算法使用种群中个体间的距离与方位信息在参数空间中搜索全局最优值,优化效率随着优化过程的进行而下降。下山单纯形差异进化算法将下山单纯形算法融入差异进化算法,增强了差异进化算法的寻优能力,混合算法对目标函数梯度信息敏感的特性使得这一算法具有较强的解耦能力。浅海匹配场反演仿真算例从最优参数反演结果、最终目标函数值、反演时间等方面检验了上述算法的反演效率。     

海底介质特性反演方法研究

海底介质特性反演一直是水声研究里很活跃的领域,本文应用两种不同的反演方法,差分进化方法(DE)和自适应下山模拟退火算法(ASSA)分别对海底介质特性进行反演,并比较了这两种算法在解决海底介质特性反演问题的优缺点,特别是通过对噪声数据和试验数据的反演发现,差分进化方法虽然是一种效率高,鲁棒性好,收敛速度快的反演算法,但是在抗噪声能力方面显然不如自适应下山模拟退火算法.     

一种新的混合遗传算法及其性能分析

为了提高遗传算法的局部搜索能力并改善其收敛性能，根据遗传算法和单纯形算法的特点，提出了一种新的混合遗传算法。数值实验表明：该算法的收敛性能、在线性能和离线性能均优于原遗传算法。     

基于差异进化算法的椭偏测量数据反演

为解决椭偏法测量薄膜厚度和折射率实验数据处理较为复杂的问题,采用一种新的基于群体智能的优化算法—差异进化算法处理实验数据;以单层吸收薄膜的测量为例,利用该算法进行数据处理,实验结果表明,三个薄膜参数(折射率n,消光系数k和薄膜厚度d)是可以同时获得的,而且在未知参数确切范围情况下,较大范围内进行搜索仍然能保证快速收敛到最优解。文中算法和粒子群算法、遗传算法以及利用椭偏仪数据处理软件得出的结果相比较,表明该算法在椭偏测量数据反演中是一种可行的智能优化算法。     

浅谈单纯形表在教学中的改进

单纯形方法是求解线性规划模型的主要方法，而单纯形表是单纯形方法的具体实现。本文从一个实例说明改进的单纯形表比传统的单纯形表更简单，更能体现单纯形方法的有效性。     

基于TSP的改进差分进化算法

针对TSP问题,提出一种改进的差分进化算法:利用贪心算法产生初始种群,定义特有的编码匹配函数进行变异操作,排序法修复变异个体,并采用顺序交叉,在变异操作之后,加入新的选择机制,防止交叉操作破坏变异出的优良个体,实验结果表明改进后的差分进化算法能够高效地解决TSP问题,体现良好的优化性能。     

基于离散差分进化算法的随机车辆路径问题

针对差分进化算法求解组合优化问题存在的局限性,引入计算机语言中的2种按位运算符,对差分进化算法的变异算子进行重新设计,用来求解不确定需求和旅行时间下同时取货和送货的随机车辆路径问题（SVRPSPD）。通过对车辆路径问题的benchmark问题和SVRPSPD问题进行路径优化,并同差分进化算法和遗传算法的计算结果进行比较,验证了离散差分进化算法的性能。结果表明,离散差分进化算法在解决复杂的SVRPSPD问题时,具有较好的优化性能,不仅能得到更好的优化结果,而且具有更快的收敛速度。     

基于智能优化算法的膜系设计展望

本文概述了膜系设计的主流设计方法。介绍了粒了群优化算法和差分进化算法两种新兴智能优化算法,阐述了这两种新的智能优化算法的算法原理。提出未来将智粒子群优化算法和差分进化算法引入膜系设计的研究方向展望。     

应用单纯形算法解决心磁源定位问题

利用超导量子干涉器(SQUID)系统得到的ST-T段的心脏磁场检测数据进行电流源的计算与分析的过程中,要根据等效心脏磁场源模型求解磁场源的位置、幅值和方向等参数。采用单电流偶极子(SCD)模型源参数估计的方法,利用单纯形算法(NM算法)对检测得到的心磁数据进行源参数估计。     

改进的思维进化算法在阵列天线综合中的应用

思维进化算法(Mind Evolutionary Algorithm,MEA)采用趋同和异化操作,通过模仿人类思维进化的过程进行寻优,克服了早熟现象,提高了算法的搜索能力.针对基本思维进化算法中产生初始种群的盲目性、补充淘汰临时子群体的单一性以及现有搜索方式易陷入小区域局部收敛的问题,提出了一种多混沌思维进化算法.该算法采用两种不同的混沌序列,提高了种群的多样性,扩大了搜索范围.将多混沌思维进化算法应用于等间距直线阵列天线综合.良好的仿真结果表明了多混沌思维进化算法在阵列天线综合的优越性.