基于预测及优化的多路径路由转发算法

多路径路由是保证Internet可靠性与鲁棒性的有效手段,而路由数据平面采取何种策略作为数据转发的依据是多路径研究的核心问题.针对当前很多应用对丢包率十分敏感的流最特性,将预测思想与最优理论相结合,采用一次指数平滑法作为预测多路径丢包率的手段,利用预测的丢包率作为粒子群优化的条件,使系统平均丢包率最小的最优解作为多路径数据转发比例的依据.分析及仿真结果表明,该算法与最短路径算法和等比例转发算法相比,能有效减少网络丢包率,提高系统的QoS.     

基于粒子群优化算法的电阻抗图像重建

电阻抗成像的实际应用具有许多优越性,但电阻抗图像重建是一个严重病态的非线性逆问题.目前电阻抗成像的静态算法大多采用Newton-Raphson类算法,这类算法需要计算Jacobian矩阵、使用正则化技术等,算法复杂且稳定性较差.针对该问题,采用了一种新的求解逆问题的方法:粒子群优化算法(PSO).PSO是一种基于种群搜索策略的自适应随机算法,具有算法简单、调节参数少、收敛速度快、易于实现等特点.给出了电阻抗成像的建模模型,并对粒子群优化算法做了适当的改进以适应电阻抗问题的求解.与牛顿类算法相比,它可以省去繁复的雅可比矩阵计算过程,而采用自适应搜索来求取最优解.仿真结果表明,应用PSO进行图像重构时,能够对突变区域进行准确的定位,图像分辨率较高.     

求解交货期可变动态调度问题的差分进化算法

针对差分进化算法求解动态优化问题时存在多样性缺失、寻优效率低的问题,提出一种多种群差分进化算法,将这种用于求解连续解空间优化问题的进化算法应用于顺序编码的动态调度问题求解中.该算法利用随机键编码表示法将连续位置向量转化为顺序编码,提出自组织多种群策略,将种群按动态空间特征自动分成主种群与子种群;由主种群不断探索峰值所在区域,从主种群分离出来的子种群负责在这些有效区域进行开发,并对子种群规模进行自适应调整,以加快算法寻优速度并节省计算资源,算法应用于交货期可变动态调度问题中,取得了满意结果.     

两级选址--路径问题的大规模邻域搜索模拟退火算法

针对目前越来越普遍的多级配送模式,建立以总成本最小为目标函数的两级选址-路径问题模型,并提出了大规模邻域搜索模拟退火算法进行求解.在模拟退火算法框架中,嵌入大规模邻域搜索过程,包含破坏、重组和局部搜索方法,从而进一步提高算法在解空间中构建邻域的范围.采用两级选址-路径问题标准算例对算法求解效果进行验证,并与标准模拟退火算法和国际已知最优解进行对比.结果显示,所建模型和算法正确有效,并且在求解大规模问题时算法能够取得相对更好的优化结果.      

多目标进化算法在非线性方程组中的应用

将非线性方程组问题转化为多目标函数优化问题,利用NSGA-Ⅱ的非支配集的构造方案和基于拥挤距离排序方法产生子代种群,依适应度排序选择子代个体进行下一代优化.本文将NSGA-Ⅱ中遗传算法GA替换为进化策略ES,通过非支配集的调整与拥挤距离重新排序可以进一步提升收敛速度,同时避免种群的早熟,保证初始种群个体的优良性能得以继承.仿真实验表明,本文算法可以进一步提高非线性方程组解的精确性和求解效率,从另一个角度为非线性方程求解提供了一中新的途径.     

基于遗传与SQP算法的轧机负荷分配优化研究

针对热连轧精轧机组负荷分配优化问题的特点,将遗传算法与序列二次规划法相结合,构成用于优化该问题的混合遗传算法.该算法通过改进遗传算子与序列二次规划算法结合,提高了局部搜索的速度和求解质量.根据模型仿真验证,该算法提高了收敛速度和求解精度,保证了全局收敛性,在热连轧精轧机组负荷分配优化中作用是有效的.     

烧结配料智能优化方法探讨

针对烧结配料的优化问题,由物理模型得出数学模型,探讨了数学模型的求解方法.根据线性规划法、蒙特卡洛法和遗传算法各自的特点,通过改变约束条件后对比、分析求解结果,分别从最优解精度、约束条件、应用范围以及求解效率四个方面进行对比.重点分析了遗传算法的惩罚函数,提出了按照优先级处理约束条件的新方法,指出了遗传算法在配料优化中的潜在应用价值.     

基于逆虚拟激励法的车辆动载的识别

采用逆虚拟激励法进行车辆行驶随机动载的识别,使用确定性方法求解了车辆平稳行驶动载的识别问题.即已知车辆振动响应的自谱与互谱,在反求路面激励功率谱的基础上,求出车辆行驶动载.并通过计算机模拟识别动载.研究结果表明,根据前轮的响应模拟出的车辆随机动载能较好地反映车辆在不同速度,不同路面上的变化.逆虚拟激励法在求解车辆随机动载上,具有很好的求解精度,为车辆工程实践提出了新的思路和方法.     

基于精英重组的混合多目标进化算法

针对多目标进化算法搜索效率低和收敛性差的问题,提出了基于精英重组的混合多目标进化算法,将多目标优化问题分解为多个单目标优化问题单独求解,并采用基于遗传算法的精英重组策略将多个相异解重组生成唯一的精英解.提出区域化的种群初始化方法,改进局部搜索及群体选择机制,采用以优化子群为核心的分组交叉策略及自适应多位变异算子,并引入基于混沌优化的重启机制,有效克服了精英保存的固有缺陷,以及现有多目标进化算法存在的目标空间解拥挤、收敛慢、易早熟等问题.多目标测试函数的数值仿真和关键步骤的性能分析证明了本文算法的有效性和优越性.      

基于数字拟合数据方法的金属选矿产品结构预测与优化

在既定的分选工艺条件下,为实现金属选矿产品结构的最优化,提出了一种数学拟合数据方法。根据产品的密度和分配率进行分配曲线的拟合,并采用差分进化算法通过Matlab编程,对各类S曲线数学模型进行最优参数求解,以最小拟合误差的模型作为分配曲线拟合的依据,而后根据E值和I值不变性,通过平移分配曲线得到各分选系统的产品预测模型,同时,将优化问题归结为分选密度最优值求解,构建三分选工艺的产品优化模型,并以潘家冲铅锌矿为例,在最大经济效益目标下,采用差分进化算法获取各个分选环节的最优分选密度和精矿产率及品位,可为生产工艺优化提供支撑。