基于EGA与Alopex算法的非可微函数混合全局优化算法

遗传算法是一种全局化算法,能以较大概率搜索到全局最优解。本文将Alopex算子嵌入到保留最优个体遗传算法（EGA）中,对非可微或求导困难函数从而得到既能以较大概率搜索全局极值,又能进行局部细致搜索的混合全局优化算法;并对其全局收敛性和计算效率作了证明与分析。数值计算结果表明该算法优于求解函数优化的EGA和Alopex算法。     

一种新型全局运动估计算法

提出了一种新型全局运动估计算法，将进货规划算法引入全局运动估计算法中，能明显加快全局运动估计的计算量。实验结果表明，新算法有良好的计算速度和计算精确性。     

基于全局信息的人工蜂群聚类算法北大核心CSCD

针对人工蜂群算法易陷入局部最优和收敛速度慢的不足,提出了一种基于全局信息的人工蜂群聚类算法.基于全局信息的人工蜂群聚类算法通过加入食物源平均丰富度(richness),利用中间聚类效果,更好地更新食物源;并且通过引入全局最优信息,提高跟随蜂的搜索效率,以获取聚类问题的全局最优解.同时在UCI机器学习库的4个标准数据集上进行了大量的实验来评估算法的性能.并将该算法和基本人工蜂群算法、粒子群算法和Kmeans算法进行比较.实验结果证明提出的基于全局信息的人工蜂群聚类算法具有更好的性能.     

一种不平衡注意参数条件下的遗传协同学习算法

本文讨论了目标识别的协同方法在不平衡注意参数条件下的动力学行为,并提出了不平衡注意参数条件下的遗传协同学习算法(GSLA).该算法利用遗传算法的全局最优搜索能力,对协同神经网络的注意参数进行全局优化.对从"车牌识别系统"中得到的数字样本的实验证明:新算法能有效地在注意参数空间搜索全局最优解,挖掘出协同方法在目标识别方面的最大潜能.另外,本文还将新算法与利用奖惩学习算法的协同学习算法进行了全局优化能力的比较,发现新算法具有收敛快和全局最优搜索能力强的特点.     

一种基于膜系统的全局智能优化算法

针对全局数值优化问题,本文提出了一种基于膜计算理论的启发式全局优化算法.受细胞内液体分子做无规则运动的启发,该算法构建了液体分子沿任意和某一方向运动的机制,实现了算法全局探索和局部开发的能力.8个benchmark测试优化函数的仿真结果表明,所提算法具有保持解的多样性和跳出局部极值的全局寻优能力.     

多传感器分布式推广卡尔曼滤波算法及其在雷达红外目标跟踪中的应用

本文提出了一种用于非线性系统的多传感器分布式推广卡尔曼滤波算法,该算法中系统的动态方程和传感器的观测方程分别围绕全局估计和全局预测线性化,融合中心基于所有传感器观测的全局估计由各传感器基于自身观测的局部估计来重构。算法分析说明,全局估计的精度高、误差小。最后介绍了文中算法在雷达和红外两种传感器跟踪机动目标中的应用,仿真结果验证了该算法的有效性。     

基于果蝇优化算法的月球车全局路径规划

基于月球车全局路径规划的任务要求,采用果蝇优化算法应用于全局路径的规划。针对果蝇优化算法在路径规划中容易形成局部最优的问题,对算法进行了修改,将果蝇与原点的距离直接带入味道浓度判定函数,从而不易陷入局部最优,提高了算法的稳定性,并可使果蝇群体向已知食物源飞行。通过仿真表明该算法具有计算简单、全局寻优能力强等特点,能够快速地找到优化的全局路径。     

计算机科学数学基础

本文提出了一种在单一算法框架下集成全局和局部学习的新颖 TSK 模糊模型学习算法。提出算法利用了非参数统计中局部加权回归和局部近似的思想,并保持了现有学习算法中全局拟合的成分。算法能够     

一种混合遗传LM算法求解非线性最小二乘问题

文章提出了一种混合遗传LM算法,并将其用于求解非线性最小二乘问题,该方法利用遗传算法摆脱局部最小值,在全局极小值的领域内估计解,找到全局最小值的近似后,利用遗传算法找到的全局最优解作为LM算法的起点。像遗传算法这样的随机搜索算法可以很容易地在全局最小值附近计算出一个解,但由于搜索的随机性,需要很长时间才能收敛到精确的最小值。因此,该算法协同结合了确定性局部搜索和启发式随机全局搜索的优点,高效地计算出精确的解。利用了一个圆柱拟合的实验来验证该算法,结果表明该算法在拟合问题上有良好的性能。     

融合改进A*算法和动态窗口法的全局动态路径规划

为解决移动机器人路径规划难题,设计了融合改进A*算法和动态窗口法的全局动态路径规划方法.首先,基于传统A*算法结合JPS算法对子节点进行扩展跳跃,提高路径规划效率;其次,结合Floyd算法对所规划路径进行平滑优化;最后,融合动态窗口法使A*算法可进行全局动态路径规划.基于Matlab平台将全局动态路径规划算法在8种规格栅格地图中进行仿真实验.分析结果得知,融合算法在效率和平滑性上得到极大改善,且可进行动态避障,融合改进后的全局动态路径规划算法具有明显优秀的路径规划能力.     

遗传+模糊C-均值混合聚类算法

本文提出了一种新的结合遗传算法(GA)和模糊C-均值算法(FCM)的混合聚类算法(HCA)。它通过对问题的解空间交替进行全局和局部搜索,达到快速收敛至全局最优解,较好地解决了GA在达到全局最优解前收敛慢和FCM算法容易陷入局部极小的问题。三组不同分布类型的数据聚类实验表明,该算法具有较好的通用性和有效性。     

一种基于禁忌搜索的全局最优化模糊聚类算法

模糊C均值（FCM）算法是一种基于贪心思想的迭代算法,算法沿迭代序列收敛到一个极小值,但存在搜索能力弱、易陷入局部最优的缺点.本文提出了一种基于禁忌搜索的模糊聚类算法,该算法在一个解的邻域内使用禁忌搜索,并采用了基于FCM局部收敛性质的长期表禁忌策略,保证在不断移动搜索起点的同时避免重复搜索;其次使用混沌优化思想与动态步长策略来提升算法的全局搜索能力,以达到获取全局最优解的目的.实验结果表明,改进算法极大地提高了聚类准确率,并具有良好的稳定性,与群智算法和遗传算法的优化相比也具有一定的优势.     

均衡单进化布谷鸟算法

针对布谷鸟算法采用整体评价策略处理多维度自变量相关优化问题时,维度耦合现象会恶化算法的搜索速度和收敛精度,提出均衡单进化的布谷鸟算法（ESCES）.该算法给出一种新型的均衡单进化函数评价策略,即每一代进化只随机更新目标函数的单个维度,并且随机更新的维度服从均匀分布,避免多维度之间互相干扰.同时,提出两种新型随机游动步长更新学习律,提高了优化算法的全局搜索速度和收敛精度.实验测试结果和显著性统计结果表明,ESCES算法与5个改进CS算法及7个其它最新智能优化算法相比,在全局寻优性能、搜索速度和收敛精度上均获得较大的改进.     

A New Fuzzy Adaptive Genetic Algorithm

Multiple genetic algorithms (GAs) need a large population size, which will take a long time for evolution. A new fuzzy adaptive GA is proposed in this paper This algorithm is more effective in global search while keeping the overall population size constant. The simulation results of function optimization show that with the proposed algorithm, the phenomenon of premature convergence can be overcome effectively, and a satisfying optimization result is obtained.     

Transform domain conjugate gradient algorithm for adaptive filtering

This paper proposed a new normalized transform domain conjugate gradient algorithm (NT-CGA), which applies the data independent normalized orthogonal transform technique to approximately whiten the input signal and utilises the modified conjugate gradient method to perform sample-by-sample updating of the filter weights more efficiently. Simulation results illustrated that the proposed algorithm has the ability to provide a fast convergence speed and lower steady-error compared to that of traditional least mean square algorithm (LMSA), normalized transform domain least mean square algorithm (NT- LMSA), Quasi-Newton least mean square algorithm (Q-LMSA) and time domain conjugate gradient algorithm (TD-CGA) when the input signal is heavily coloured.     

基于蚁群DTW算法的哼唱搜索研究

虽然传统DTW算法在模糊匹配上具有很好的性能,但是DTW算法通过局部最优化算出最佳路径的最小累计距离,计算量较大,搜索效率较低。蚁群DTW算法,结合蚁群算法的正回馈机制,搜索语音信号之间匹配的一条全局最优路径,既利用了语音信号的全局特征又考虑了其局部信息,与传统DTW算法相比,能大大提高哼唱搜索效率。     

基于混合变异差分进化算法的均匀面阵稀疏优化

差分进化算法(DE)已被广泛应用于解决稀疏面阵优化问题,针对DE 算法早熟、全局搜索能力差、容易陷于局部最优的问题,提出一种混合变异差分进化算法,通过加入概率因子来平衡算法收敛速度与全局搜索能力,以阵列孔径、阵元数量以及阵元间距为约束条件,将算法中的实数编码转化为二进制编码,以方向图平面峰值旁瓣电平之和最低为目标函数,通过优化后得到的阵元分布,得到稀疏优化阵列的三维方向图。仿真结果表明:该方法在满足约束条件的同时,能够避免算法早熟得到较优的目标函数值,概率因子为算法提供了额外的自由度。     

基于改进QPSO的模糊C-均值聚类算法

针对模糊C-均值聚类算法容易陷入局部极值等缺陷,提出了基于改进QPSO的模糊C-均值聚类,算法利用QPSO的优点,并对量子门更新策略进行了改进。实验结果显示该算法提高了模糊聚类算法的聚类效果以及搜索能力,在全局寻优能力、跳出局部最优能力、收敛速度等方面具有优势。     

折线模糊神经网络的共轭梯度算法

 为了近似实现模糊数的非线性运算及提高神经网络的逼近精度,引入折线模糊数和折线模糊神经网络,并依据折线模糊数的扩展运算对经典共轭梯度算法进行改进,使该算法在迭代过程中通过一维非精确Armijo-Goldstein线性搜索方法获得优化学习常数,进而在折线模糊神经网络环境下设计了折线模糊共轭梯度算法.最后,通过模拟实例说明了该算法具有计算复杂度低、收敛速度快等特性.     

采用人工蜂群算法求解多维函数极值

文章首先介绍了人工蜂群算法,然后提出了一种采用人工蜂群算法求解多维函数极值的新方法,最后编写出MATLAB程序并选取四个标准测试函数进行实验仿真。通过将实验仿真结果与粒子群算法求解结果和理论最优值进行比较分析,证明了该方法可行,而且具有耗时短,收敛快等优点。