HybridLT算法的改进及其性命性分析

ＨｙｂｒｉｄＬＴ法是一种解决组合优化问题的新方法，与现存的Ｈｏｐｆｉｅｌｄ网络比较，这种方法有几个优点：它不仅能用于二次函数，还能用于非二次函数；另外，在控制人为的加权参数时，它减少了对外部的依赖，文中对原算法进行了改进，使其能更快找到的最优点，并且对迭代帮了收敛性分析，给出了收敛的必要条件和充分条件，从而说明ＨｙｂｒｉｄＬＴ方法是可行的，是一种适用于很多类型组合优化问题的有效方法。     

组合优化问题的人工鱼群算法应用

通过模仿鱼类的行为方式 ,提出了一种基于动物自治体的优化方法—人工鱼群算法 (ArtificialFish-schoolAl gorithm) ,并将其用于组合优化问题的求解 .介绍了该算法在此类问题求解中的距离、邻域等概念 ,给出了具体的实现方法 .最后以TSP问题为例对该算法进行仿真测试 .结果表明它具有快速收敛的能力 .     

基于组合优化方法的K-means聚类算法实现

针对标准遗传算法用于K-means优化聚类存在的问题,提出了一种基于组合优化方法的K-means聚类算法.实验结果表明:基于组合优化方法的K-means优化聚类算法效率较高,结果较好.     

基于QPSO和MATLAB优化资金投资组合

量子粒子群优化算法（QPSO）是一种基于粒子群优化算法（PSO）的进化算法,它收敛速度快、规则简单、易于编程实现;Matlab是国际控制界公认的标准计算软件。采用QPSO对资金组合投资的多目标问题进行优化,使用Matlab编程,解决了传统方法难以解决的问题,仿真实验表明采用本方法能对资金投资组合问题提出较好的优化决策。     

基于遗传算法的参数设计方法

遗传算法是一种全局数值优化方法，它较之其它经典优化法的优点是不会陷于局部最优解，而且能处理大规模优化问题，因此更适合于工程分析及应用。文中将其应用到参数和容差设计中，得到满意的效果.     

组合优化灰色模型在中长期电力负荷预测中的应用

鉴于中长期负荷预测受很多不确定因素的影响，各种预测方法都有其局限性的问题，在分析基本灰色模型及其传统改进模型在负荷预测中局限性的基础上，提出了一种电力系统中长期负荷预测的实用新方法——组合优化灰色预测法.该预测法是一种对残差改进灰色模型(GM)和基于等维新息递补预测法的改进灰色模型进行优化的组合方法，能够实现在线预测模型参数，满足动态电力负荷能解决随机干扰影响的要求，最终的预测结果误差可基本控制在3%之内. 经过实例计算，组合优化灰色预测模型用于中长期电力负荷预测，与传统的系统理论方法相比较，该方法计算简捷，预测精度高，具有很好的实用性.     

基于蚁群寻路的图像分割算法

文章主要是对蚁群算法做了一定的改进,将它用于图像分割,然后将分割出来的图像的边界利用腐蚀算法进行细化以达到更好的分割效果。分割算法可以看作一个组合优化问题,人工蚁群算法就是一种优化方法。因此,将人工蚁群算法引入到图像分割处理中完全可行。经过实验证明,该方法是完全可行的。     

组合优化问题的人工鱼群算法应用

通过模仿鱼类的行为方式，提出了一种基于动物自治体的优化方法一人工鱼群算法(Artificial Fish，school A1gorithm)，并将其用于组合优化问题的求解．介绍了该算法在此类问题求解中的距离、邻域等概念，给出了具体的实现方法．最后以TSP问题为例对该算法进行仿真测试．结果表明它具有快速收敛的能力。     

组合强化模型及其在弹塑性有限元分析中的应用

提出了一种组合形式的强化模型，编制了用于平面问题的弹塑性有限元法的等参元分析程序．实例计算表明，本文所提出的组合强化模型是合理和有效的，使用很方便。文中还推荐了一种关于迭代过程中的卸载问题的处理方法，它能有效地提高迭代收敛性，从而对于一般的等向强化有限程序设计也有一定的参考价值．     

基于蚁群算法的知识约简

Rough集理论中知识约简是个NP-hard问题,目前已提出较多的求解方法,但是每种方法由于其自身的局限性,只适用于一定条件下的求解．蚁群算法是较新的仿生优化算法,在解决各类组合优化问题中都取得了很好的效果．其显著优点是受问题规模的影响不大,对大规模问题的求解仍能发挥较优的性能．受蚁群算法该特性的启发,提出基于蚁群算法的知识约简方法．文中具体描述了将条件集的组合方式用一图结构来表示、构建目标评价函数、算法参数的设定以及算法的具体实施步骤等．最后通过于相关文献的比较实验,验证了该方法的有效性．     

货郎担问题与单亲遗传算法

用单亲遗传算法解组合优化的货郎担问题 ,给出了基因重组的换位 ,移位和倒排等概率操作方法。通过 9节点的算例 ,证实了该算法对组合优化问题是可行的 ,有较快的收效速度。但过早的收敛将影响结果精度 ,使全局优化解的出现机率很小。为此 ,对染色体种群的个体数量 ,终止条件的选取等进行了算值实验 ,并提出了计算终止的 2个准则 ,计算结果表明合理的收敛条件 ,可以使寻优过程充分 ,所得的解为全局最优解的可信度大为提高。     

一种改进混沌神经网络及其在组合优化问题中的应用

在传统的混沌神经网络模型基础上,提出了一种改进的混沌神经网络(ICNN) .通过引入时变的输出函数增益和修正自反馈系数的表达式,使该模型可有效地控制Sigmoid输出函数图形的陡度和模型演化中混沌动态的收敛过程,从而拥有更丰富的神经动力学特性与初值鲁棒性.该模型可有效地解决一系列组合优化问题(COP) ,解决了10个与4 8个城市的TSP问题     

改进的连续Hopfield网络求解组合优化问题 ——以TSP求解为例

利用神经网络求解组合优化问题,是一种有效的途径。对连续Hopfield网络的数学模型及稳定性进行了分析;探讨了组合优化问题的神经网络求解方法,针对传统方法参数配置复杂、收敛速度慢等不足,提出了改进算法;最后,通过系统仿真与性能测试验证了该算法的可行性。     

求解JSP问题的改进遗传算法

作业车间调度是一类求解困难的组合优化问题，使用改进的遗传算法来求解。GA有新解产生盲目性的特点，以搜索效率为目标提出了一种改进的遗传算法，在解的搜索过程中，通过禁忌表操作来评价种群。改进的遗传算法在保持群体多样性的同时，加快了遗传算法的收敛速度，将该算法用于典型作业车间调度问题的测试，找到了已公布的最优解，对超大规模的问题还有待进一步研究。     

工程结构优化设计的混合遗传算法

根据工程实际，充分考虑规范规定的约束条件和各项技术标准要求，建立了工程结构优化设计模型。为了改善遗传算法在迭代过程中经常出现未成熟收敛、振荡、随机性太大和迭代过程缓慢等缺点，提出一种离散变量结构优化设计的三等分割算法，并与标准遗传算法结合成混合遗传算法。对25杆框架结构优化设计，结果表明，这种混合遗传算法的收敛特性得到很好的改善，即发挥了三等分割算法省时、局部搜索能力强的特点，又发挥了遗传算法全局性好的特点，是有效的工程结构优化设计方法。     

列队竞争算法求解多目的厂间歇过程调度问题

由于组合爆炸特性，多目的厂的调度问题很难求解大规模甚至中等规模的问题，本研究采用一种新的随机型进化搜索算法——列队竞争算法对该问题进行求解，引入新的选择策略和变异方法。计算表明，同已有的方法相比，该方法求解效率高、收敛速度快、使用简单方便，可有效的克服计算负荷和求解质量之间的冲突，是一种求解多目的厂间歇过程调度问题的有效算法。     

度约束最小生成树的元胞竞争决策算法

度约束最小生成树（Degree-Constrained Minimum Spanning Tree,简记DCMST）是网络设计和优化中的一个经典的组合优化难题。竞争决策算法是一种特别适合于求解组合优化难题的新型算法。为了提高求解DCMST问题的求解精度,将元胞自动机的邻居演化原理和竞争决策算法相结合——元胞竞争决策算法来求解DCMST;为了提高算法的效率,分析了度约束最小生成树问题的数学性质并利用这些性质对问题实现降阶。降阶过程会有效降低问题处理的规模。为了验证算法的性能,采用Delphi 7.0实现算法,经过数据测试和验证,并与其他算法的结果进行比较,证明了算法的有效性。     

建筑结构优化设计的改进进退遗传算法

针对遗传算法在迭代过程中经常出现未成熟收敛、振荡、随机性太大、局部搜索能力差和迭代过程缓慢等缺点.提出一种离散变量结构优化设计的进退搜索算法与遗传算法结合在一起解决问题;并提出一种新的遗传算子———转基因算子,用于对遗传算法的改进.结果表明,这种改进退遗传算法即发挥了进退搜索算法省时、高效、局部搜索能力强的特点,又发挥了遗传算法全局性好的特点;采用的改进措施效果明显,其收敛特性得到很好的改善.该算法是高效的理想工程结构优化设计方法.     

求解约束优化问题的混沌类电磁算法

针对约束优化问题, 提出了基于混沌优化的一种新的类电磁机制算法. 采用多目标优化的约束处理技术, 将约束优化问题转化为无约束的双目标优化模型来求解; 对于转化后的新模型, 设计粒子的电荷和粒子间的受力公式. 同时, 为了加快算法的收敛速度, 结合混沌优化改进种群中的粒子. 采用标准的Benchmark函数对新类电磁机制算法的性能进行了仿真测试, 并将测试结果与已有算法的结果进行比较, 结果表明, 新算法能够快速找到问题的全局最优解或近似最优解, 是一种非常有竞争力的优化算法.     

A Heuristic Genetic Algorithm for No-Wait Flowshop Scheduling Problem

No-wait flowshop scheduling problems with the objective to minimize the total flow time is an important sequencing problem in the field of developing production plans and has a wide engineering background.Genetic algorithm (GA) has the capability of global convergence and has been proven effective to solve NP-hard combinatorial optimization problems, while simple heuristics have the advantage of fast local convergence and can be easily implemented.In order to avoid the defect of slow convergence or premature, a heuristic genetic algorithm is proposed by incorporating the simple heuristics and local search into the traditional genetic algorithm.In this hybridized algorithm, the structural information of no-wait flowshops and high-effective heuristics are incorporated to design a new method for generating initial generation and a new crossover operator.The computational results show the developed heuristic genetic algorithm is efficient and the quality of its solution has advantage over the best known algorithm.It is suitable for solving the large scale practical problems and lays a foundation for the application of meta-heuristic algorithms in industrial production.