双目标动态迁移操作DE-PSO混合算法

针对非线性约束优化问题的特殊性,给出一种求解非线性约束优化问题的动态目标迁移DE-PSO混合算法.在初始化中加入迁移操作,采取动态目标的处理方法,将约束优化问题转化为无约束双目标优化问题.依据原目标函数、违反约束度函数进行选择操作,先通过改进差分进化算法对种群进化,对违反约束度在容忍度以外的个体再采用改进的粒子群优化算法进化,并用采用一组经典的测试函数进行测试.DE-PSO混合算法具有精度高、稳定性好的特点.     

求解约束优化问题的引导多目标差分进化算法

将约束优化问题转化为带偏好的双目标优化问题,用差分进化算法求解转化问题。为了克服基于Pareto支配关系的多目标算法求解转化问题时没有考虑问题偏好、收敛慢等缺点,借助多目标α-支配关系的特点,提出了基于动态α-支配的新适应度函数。新适应度函数根据种群中可行解的比例动态平衡进化过程中对两个目标的偏好,引导算法不断向问题的偏好区域靠近,从而快速收敛到约束优化问题的最优解。对6个标准测试函数的数值实验结果表明:基于α-支配的动态引导多目标差分进化算法能快速收敛到问题的最优解。与3种经典高效算法的比较说明,所提出算法的鲁棒性强且效率高。     

基于云差分进化算法的约束多目标优化实现

针对现有约束多目标算法存在收敛性、分布性不高等问题,提出一种基于云差分进化算法的约束多目标优化方法,通过云模型对差分进化算法的参数进行自适应处理;采用建立外部种群分别存储可行解和不可行解的方式处理约束条件,并对已有可行解集的更新方法进行改进,有效提高解集的分布性.提出新的变异策略,利用优秀可行解和不可行解的方向信息增强算法对解的探索能力.通过对CTP类标准问题的求解表明,与另外2种较为优秀的约束多目标算法相比,本算法显著提高了Pareto解集的分布性,且更接近于真实的Pareto前沿,有效地解决了约束多目标问题.     

复杂机械产品性能意图优化研究

为解决专用装备制造业中复杂机械产品多设计参数、多设计约束、多设计目标的设计优化问题,采用一种基于Pareto最优解的多目标广义差分进化(GDE)算法.GDE算法在普通差分进化算法的基础上改进了约束条件的处理方法,利用差分进化算法模拟生物种群进化,以群体中的所有个体为对象,采用随机化技术对一个被编码的参数空间进行高效搜索,通过反复迭代搜索到多目标优化问题的近似Pareto最优解集.以高速工业平缝机勾线机构的设计为例,通过对求得的Pareto最优解集的分析,得到了高速工业平缝机勾线机构的设计特性,为设计人员今后进行高速工业平缝机勾线机构性能设计优化提供了充分的依据.     

基于分解的多目标进化算法在工程优化中的应用

将基于分解的多目标进化算法(Multi-objective Evolutionary Algorithm Based on Decomposition,MOEA/D)应用于工程优化问题时,由于各目标函数在数量级及量纲上的不同,需要对目标函数进行归一化处理.首先,采用一种自适应ε约束差分进化算法(εConstrained Differential Evolution,εDE)寻找各个目标在Pareto前沿上的最大值和最小值,利用这些值对各目标进行归一化处理;然后,用MOEA/D进行求解,并在算法中加入了自适应ε约束处理技术;最后,采用一个标准测试问题和一个焊接梁设计优化问题对该算法进行测试,并与其他两种归一化方法进行了比较.根据提出的方法,MOEA/D能对Pareto前沿的一端进行集中优化,因而能处理一些Pareto前沿两端难以优化的问题.     

基于多目标差分进化算法的机加工柔性作业车间调度

柔性作业车间的多品种、多件数导致调度难度大、耗费时间较长和成本较高，为此，以最大完工时间、能耗和刀具损耗数量为优化目标，考虑返工、次序的准备时间和批量调度约束，建立了多目标机加工柔性作业车间调度模型.提出一种引入综合考虑能耗和加工时间的轮盘赌初始化策略.针对传统差分进化算法交叉得到的子代机器部分质量较差，提出一种机器选择的策略，以此对差分进化算法进行了改进.将改进后的差分进化算法应用于机加工柔性作业车间调度，并与传统差分进化算法在机加工柔性作业车间调度进行多组实验对比.结果表明：改进差分进化在机加工柔性作业车间调度较传统差分进化算法具有收敛速度较快、鲁棒性较好的优点，优化后各机器负载更为均衡，可有效解决多目标机加工柔性作业车间调度问题，为多品种、多件数类排产任务提供了一种良好的指导方案.     

改进差分进化算法在梯级水库优化调度中的应用

针对标准差分进化算法缺乏全局与局部搜索的动态调整,进化后期由于种群多样性降低,算法极易陷入局部最优的问题,采用控制参数的余弦函数调整策略,并提出综合分布参数概念,根据种群个体进化过程的特点及算法的阶段特性,自适应调整算法的控制参数及进化策略.通过对工程实例的模拟计算,其结果表明了改进的差分进化算法在解决水库优化调度问题上的有效性.将改进差分进化算法的计算结果与POA及标准差分进化算法进行比较分析,充分体现了改进差分进化算法的优点.     

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.     

求解约束优化问题的微粒群算法

微粒群算法(简称PSO算法)是一种新型的进化计算方法，已在许多领域得到了非常成功的应用。本以约束优化问题为对象，首先介绍了采用罚函数法将约束优化问题化为无约束优化问题，和将约束优化问题转化为minmax问题，然后对无约束优化问题和minmax问题，采用PSO算法进行进化求解；在此基础上，以目标函数和约束满足分别为优化目标提出了一种双微粒群的PSO算法。仿真实验结果验证了方法的正确性与有效性。     

基于PSO-DE算法的分布式光伏优化配置研究

为解决分布式光伏电源接入配电网的优化配置问题,提出一种基于粒子群和差分进化的PSO-DE算法,同时构建了包含网损最小、投资成本最低、电压质量最优的无偏好多目标分布式光伏选址定容综合优化模型。首先对差分进化算法的变异过程进行改进,然后利用粒子群算法对差分进化算法中的缩放因子和杂交因子进行优化,采用标准测试函数对PSO-DE算法进行测试和参数敏感度分析,验证了算法的客观性和稳定性;并利用无偏好可变权重对多目标模型进行处理;最后以分布式光伏选址定容优化的实际应用为例,并与其他算法对比,验证了模型和算法的有效性和实用性。     

求解不等式约束极大极小值问题的罚函数方法

构造一个新的简单精确光滑罚函数来求解含不等式约束极大极小值问题。首先通过添加一个变量,将含不等式约束的极大极小值问题转化为与之等价的连续约束优化问题,然后利用新的简单精确光滑罚函数,对等价的连续约束优化问题进行求解。在扩展的MF约束规范条件下,可以证明：当罚参数充分大时,无约束优化问题的局部极小点也是原极大极小值问题的局部极小点。算例结果表明,给出的罚函数方法可有效地求解含不等式约束的极大极小值问题。     

惩罚函数法在遗传算法处理约束问题中的应用

主要研究惩罚函数法在遗传算法中的应用。将传统优化方法中的惩罚函数法与遗传算法相结合，研究了三种不同的惩罚函数法在遗传算法中的实现和应用，编制了计算程序。通过对连续变量无约束优化、连续变量约束优化和离散变量约束优化等典型优化问题的计算分析，将三种惩罚函数方法进行了比较，指出了它们的特点及选用原则。同时，对遗传算法中各种算子的不同形式也进行了研究和比较，得出了一些有意义的结论。     

遗传算法在矿井通风网络优化中的应用

建立了矿井通风系统网络优化的非线性规划数学模型,并用遗传算法来求解该优化模型.使用罚函数法对优化模型所包含的约束方程进行转化和处理,使之适用于遗传算法.罚函数的形式采用不可微精确罚函数,并在惩罚参数的选择上参考了模拟退火算法的一些优点,设计出一种动态罚函数.应用遗传算法对一个简单通风网络的优化模型进行求解.结果表明：优化后通风系统总能耗降低了7.78 kW,其下降幅度约为3%.     

基于SCAD-ESN的时间序列预测模型

回声状态网络（ESN）是一种重要的时间序列预测方法,但在训练数据存在噪声或野点情况下,ESN将会出现过拟合问题。针对该问题,提出基于平滑消边绝对偏离罚函数的回声状态网络（SCAD-ESN）模型。不同于在模型中加入岭回归、L₁范数罚函数及小波降噪等常规方法,该模型利用SCAD罚函数对变量进行选择,将小变量置为零以满足变量稀疏性,将大变量直接置为常数,从而能够很好地解决ESN过拟合问题并满足近似无偏估计。对于SCAD罚函数的非凸函数优化问题,提出基于局部二次近似（LQA）的求解方法,将最小角回归（LQR）方法用于SCAD罚函数求解,避免了计算量巨大的问题。使用基于粒子群优化（PSO）的超参数选取方法快速确定平滑消边绝对偏离-回声状态网络模型的超参数,克服利用经验选取超参数时存在的盲目性较大且难以确定整体最优的超参数问题。混沌系统数值仿真和网络流量仿真结果表明,相对于常规模型,该模型能有效地降低测试误差,从而克服过拟合问题。     

基于贝叶斯最优化的Xgboost算法的改进及应用

在使用Xgboost框架时,经常涉及各种参数的调整,并且参数组合的选取对模型的分类性能影响较大. 传统的参数寻优方法,通常先导出一个惩罚函数,然后运用经验或者穷举法调整参数值来最大化或最小化这个惩罚函数,但是经常会遇到某个模型没有一个显式的表达式情况. 这类模型的参数寻优就非常麻烦,同时又会给算法带来一定的不确定性和随机性. 本文基于高斯法（GP）的贝叶斯最优化算法对Xgboost框架进行参数寻优,提出了一种新的算法GP_Xgboost,并通过多组数值进行实验. 结果表明本文改进的算法分类效果要优于人工调优和穷举法,从而证明了该算法的可行性和有效性.     

基于罚函数与水波优化的WSN定位算法

为了提高启发式定位算法的搜索效率和定位精度,提出了基于罚函数和水波优化的无线传感器网络（WSN）定位算法.首先利用bounding-box方法构造罚函数,提高算法搜索的效率和定位精度;然后利用动态学习策略对传统水波优化算法的传播阶段进行改进,促使个体对周围优秀个体的学习,并通过动态波高提高个体在后期局部搜索的概率,进一步提高搜索效率和求解精度.仿真结果表明,罚函数策略与改进水波优化算法能提高搜索效率和定位精度,所提出的算法在WSN节点定位上有较好的可行性和有效性.     

粒子群算法及特性的研究

研究了粒子群优化算法,探讨了算法的在线与离线性能指标,在此基础上,将粒子群算法与罚函数相结合,提出一种求解有约束问题的优化算法,用MATLAB实现了对典型多峰函数优化计算,仿真结果表明验证了它的收敛性、有效性,对典型的优化问题能以较大概率收敛到全局最优.     

一种求解约束优化问题的新的罚信赖域算法

很多现实的优化问题都能描述成一个约束优化问题。目前,已有很多经典的方法用来解决这类问题,其中尤以罚函数法最受青睐。本文中,提出了一种新的罚信赖域算法。新算法构造了两个光滑函数用来近似罚函数,并结合了信赖域算法。最后也对算法收敛性做了一些讨论。     

一种关于序列二次规划和lp罚函数的推论与证明

针对一般的含有不等式和等式约束的非线性优化问题,给出了一个关于序列二次规划和lp罚函数的推论与证明.推导了当取相应的二次规划子问题的解作为搜索方向时,则lp罚函数沿该搜索方向的方向导数满足一定的不等式条件;同时通过确定罚参数的取值范围,证明了该搜索方向是lp罚函数在原问题处的下降方向.     

一个求解约束优化问题的与可行基规则相结合的改进微粒群算法

提出一个求解约束最优化问题的新的混合算法-与可行基规则相结合的改进的微粒群算法。与惩罚函数法相比,可行基规则不需要额外的参数,且指引粒子迅速飞向可行域。利用5个基准测试函数进行仿真计算比较,仿真结果表明了新算法是求解约束最优化问题的一个高效的算法。