改进型混沌粒子群算法求解函数均值问题

针对基本粒子群优化算法易陷入局部最优的缺陷,提出一种基于有限作用域的混沌粒子群优化算法。利用特定的初始分布涵盖全局最优值,利用混沌序列良好的非线性性质来影响粒子速度的更新过程;以有限作用域外的粒子遍历优化问题的可行域,从而增加粒子对可行域的广度搜索,以有限作用域内的粒子搜索最优值,从而提高全局最优值的精度搜索效率。把本文算法应用到函数均值求解的实验中,结果表明,本文算法具有较好的求解精度和求解效率值。     

一种求解TSP的自适应蚁群优化算法

针对标准蚁群算法在求解旅行商问题（TSP）时存在收敛速度慢,易陷入局部最优等缺陷,提出一种自适应蚁群优化算法．该算法设计了一种实时监测机制和一种新的搜索方向,实时监测机制可以让算法跳出局部最优值,并且当算法跳出局部最优值时,沿着新的搜索方向搜索,可以加快算法收敛到全局最优．通过对典型的TSP实例仿真实验,与基本蚁群算法、MMAS算法相对比,结果显示该算法在克服早熟现象和收敛速度方面有很大的优越性．     

自适应信息素更新蚁群算法求解QoS组播路由

针对基本蚁群算法在求解QoS组播路由问题中存在的容易陷入局部最优和收敛速度慢的缺陷,提出一种自适应信息素更新蚁群算法对该问题进行求解。该算法在节点选择中引入混沌扰动,在算法前期依据各链路信息素浓度动态调整信息素的挥发因子,提高了全局搜索能力,后期根据解的优劣自适应更新信息素,使收敛性能得到显著提高。仿真实验表明,同等实验条件下,基本蚁群算法在第12次迭代收敛到局部最优费用值87;融合量子粒子群算法思想的多行为蚁群算法第7次迭代收敛到局部最优费用值66,而本研究算法则在第10次迭代收敛到全局最优费用值62,本研究算法比前两种算法更优。     

基于粒子群与微分进化算法的无功优化

应用传统粒子群算法(PSO)于电力系统无功优化问题存在收敛精度不高、陷入局部最优的缺点,利用微分进化算法(DE)的随机变异性,将当前所产生的局部最优值进行变异,再重回PSO搜寻全局最优值,从而提高了PSO算法的寻优特性,应用于IEEE30节点,验证所提算法是可行和有效的.     

一种基于Tent映射的混合灰狼优化的改进算法

针对基本灰狼算法易陷入局部最优、未考虑个体自身经验等问题,本文提出一种基于Tent映射的混合灰狼优化算法(grey wolf optimization algorithm based on particle swarm optimization,简称PSO_GWO).首先,其通过Tent混沌映射产生初始种群,增加种群个体的多样性;其次,采用非线性控制参数,前期递减速度慢,能够增加全局搜索能力,避免算法陷入局部最优,后期收敛因子递减速度快,增加算法局部搜索能力,从而提高整体收敛速度;最后,引入粒子群算法的思想,将个体自身经历过最优值与种群最优值相结合来更新灰狼个体的位置信息,从而保留灰狼个体自身最佳位置信息.为验证该算法的有效性,本文借助9个标准测试函数来与其他三种算法进行对比.实验结果表明,本文提出的算法比其他三种算法在单峰函数和多峰函数上搜索到的最优解更加理想; PSO_GWO算法比IGWO算法(the improved grey wolf optimization algorithm)在计算时间复杂度方面效果较好;同时,随着种群规模增大,PSO_GWO算法收敛值逐渐接近理想值.因此,本文提出的PSO_GWO算法能更快搜索到全局最优解,且鲁棒性更好.     

融合改进PSO和K-调和均值的混合聚类算法

为了提高聚类算法的全局搜索能力,提出了一种融合改进的粒子群算法(IPSO)和K-调和均值聚类(KHM)的混合聚类算法(IPSO-KHM)。该算法为了改进PSO算法容易陷入局部最优的缺点,提出了一种粒子突变策略,根据粒子分布密集程度及粒子在当前最优值附近的相对分布位置,通过移动低效粒子使之远离当前局部最优值,从而提高粒子全局搜索的效率,避免陷入局部最优。实证分析结果表明:IPSO-KHM算法的聚类效果、收敛速度、分类精度等性能优于其他算法。     

多项式函数极小化问题的全局优化算法

利用水平值下降的思想,通过寻找全局最优值的大体位置求出全局最优解,以避免陷入局部极小。利用多项式第二判别矩阵使算法更加简便,提高了计算速度。数值算例验证了算法的可行性和大范围收敛性。     

混合算法在轻钢结构优化设计中的应用

结合粒子群优化（PSO）算法快速的全局收敛性和蚁群优化（ACO）算法较强的寻优能力,提出了一种融合PSO算法和ACO算法的混合算法。首先利用PSO算法较强的全局搜索能力,产生各粒子的最优位置值;然后对ACO算法的蚂蚁总个数进行调整,在保证算法全局搜索能力的同时,避免陷入局部最优;最后利用改进的ACO算法对最优位置值做进一步优化。将该混合算法应用于轻钢结构优化设计中,建立优化设计模型。以轻钢门式框架为例,利用该模型进行优化分析,并与文献[11]中改进模拟退火算法的优化结果进行对比。结果表明,混合算法经过61次迭代后能够求出较好的全局最优解,合理可行。     

禁忌粒子群算法

针对基本粒子群算法容易陷入局部最优的缺点,将禁忌搜索算法中的禁忌思想与粒子群算法结合,提出了一种新的粒子群算法——禁忌粒子群算法（TPSO）。该算法将粒子群算法找到的当前最优值禁忌一段时间后再释放,以此避免算法陷入局部最优,即使算法暂时陷入局部最优,该算法跳出局优的能力也很强。实验表明,TPSO在收敛速度以及收敛精度方面都比基本粒子群算法有了很大程度的提高,特别对于多极值问题搜索效果非常好,可以很好的解决算法陷入局部最优的问题。     

信息安全评估日志数据的一种混合聚类算法

首先引入能够处理混合型数据的K—prototypes聚类算法,在此基础上构造了一种基于粒子群优化算法和K—prototypes方法的混合聚类算法．利用粒子群优化算法良好的全局搜索能力,克服K—prototypes容易陷入局部最优值的不足．实验结果表明,该算法能够避免陷入局部最优值,具有较好的全局收敛性,并且提高了聚类的正确率和算法的稳定性．     

跟踪及数据中继卫星系统瞄准式干扰的最佳干扰波形

针对跟踪及数据中继卫星系统（TDRSS）S波段扩频链路的特点,依据最佳干扰理论,提出了基于信号波形与干扰码元波形的互相关函数的瞄准式干扰的干扰方程,并证明均值意义下的干扰方程就是衡量最佳干扰波形的条件．蒙特卡罗仿真结果表明,对于方波、半正弦和升余弦3种瞄准式干扰波形,方波干扰方程的均值最大,即方波为最佳干扰波形．     

Multiagent reinforcement learning through merging individually learned value functions

In cooperative multiagent systems, to learn the optimal policies of multiagents is very difficult. As the numbers of states and actions increase exponentially with the number of agents, their action policies become more intractable. By learning these value functions, an agent can learn its optimal action policies for a task. If a task can be decomposed into several subtasks and the agents have learned the optimal value functions for each subtask, this knowledge can be helpful for the agents in learning the optimal action policies for the whole task when they are acting simultaneously. When merging the agents‘ independently learned optimal value functions,a novel multiagent online reinforcement learning algorithm LU - Q is proposed. By applying a transformation to the individually learned value functions, the constraints on the optimal value functions of each subtask are loosened. In each learning iteration process in algorithm LU - Q, the agents‘ joint action set in a state is processed. Some actions of that state are pruned from the available action set according to the defined multiagent value function in LU - Q. As the items of the available action set of each state are reduced gradually in the iteration process of LU - Q, the convergence of the value functions is accelerated. LU - Q‘s effectiveness, soundness and convergence are analyzed, and the experimental results show that the learning performance of LU-Q is better than the performance of standard Q learning.     

保险中的道德风险与委托-代理模型

针对保险中的道德风险问题,基于保险人的利益最大化的角度,建立委托-代理模型.分析模型中最优保险合同中的风险分担与激励机制的特征.存在道德风险的情况下,最优保险合同不能达到Pareto最优风险分担;出于激励的目的,最优保险合同要求部分保险,且被保险人的实际损失值会随损失值的增大而增大.     

有趋势布朗运动最佳值的选择

本文讨论了文献［１］所给出的布朗运动模型的最佳值的选择问题，并用随机游动模型作为有趋势布朗运动的近似，给出了对应随机模型的最佳值．     

生物增强活性炭工艺中优势菌群生物活性强化

为提高生物增强活性炭工艺中优势菌的生物活性,使优势菌保持较高有机物降解能力,通过研究温度、pH值、培养时间、溶解氧对优势菌群生物活性的影响,确定优势菌的最佳生长条件.从松花江水中筛选可用于生物增强活性炭技术的优势菌5株,鉴定结果分别为Pseudomonas balearica,Pseudomonas putida,Acinetobacter calcoaceticus,Acinetobacter lwoffii,Brevibacterium mcbrellneri.结果表明,该5株优势菌在pH=6、温度为18℃、培养时间为36h、溶解氧为7mg/L条件下驯化后具有较高的脱氢酶活性,PCR-DGGE分析结果表明,在优化条件下得到的高活性优势菌群在活性炭上固定的数量要明显高于未在优化条件下生长的优势菌群.     

带提前期的供应链订货与运输最优决策问题

为研究供应链的订货与运输的最优决策问题。分别讨论供应商与零售商之间合作与非合作两种情形下的最优决策。假定交货提前期与运输工具有关,其满足均匀分布,且在提前期内允许缺货,所造成的缺货损失由零售商承担。目标是最小化供应链的费用,根据具体的费用函数建立供应商、零售商模型,并提出分析方法来决定最优的决策变量值。经过计算得出了非合作与合作两种情形下的最优决策值,并通过算例对最优决策进行验证分析,表明合作情形下的总费用比非合作情形下的总费用少,供需双方更要加强合作。     

一个布朗运动模型的最佳值

用离散随机游动模型作为连续模型的近似，讨论了有趋势布朗运动的最佳值的选择问题，给出了对应随机模型的最佳值．     

数据挖掘在火电厂运行参数优化目标值确定中的应用

提出了基于语言值关联规则挖掘的电厂运行参数优化目标值确定方法,通过挖掘某电厂300 MW机组历史运行数据,发现机组各运行参数间的关联关系,并据此确定参数最优值。首先利用FCM算法软化划分边界,将连续值转变为离散值,再用语言值关联规则挖掘算法进行挖掘,得到机组运行效率较高时对应的参数运行区间作为最优值区间以指导机组优化运行,理论分析表明挖掘结果能够正确反映机组运行规律。     

船舶尾流目标识别的随机梯度遗传算法研究

船舶尾流形貌包含着船舶类型、船舶吨位、船舶航速等方面的信息,对尾流目标的识别是船舶识别的一种有用途径.论述了随机梯度遗传算法的原理、特点及运算步骤,将该算法应用于船舶尾流目标的识别问题,对三个航速下船舶尾流目标的分类及识别.随机梯度遗传算法进化代数从5增加到10以及从10增加到15时,三个航速下的目标识别率按照接近20%的比例增加.而当进化代数从15增加到20及以上时,目标识别率增加缓慢,即进化代数达到15时,算法基本收敛.识别结果表明随机梯度遗传算法可用于船舶尾流目标的识别.标准遗传算法逼近全局最优值比较慢,有时会陷入局部最优,在全局最优值附近出现波动现象,算法收敛性较差.     

期权定价理论在员工制定参加职业生涯发展项目的最佳时机中的应用

探讨了员工如何决定最佳职业生涯发展计划,何时参加类似MBA的教育项目以提升自己的人力资源.利用期权定价模型,把员工的人力资源价值看做连续的随机过程,推导出员工决定参加教育培训的最佳选择时机就是员工人力资源的选择权价值最大点,即选择权价值刚超过临界点时,员工决定参加教育培训项目是最佳的.