混沌局部搜索策略的差分进化算法

提出了一种应用混沌局部搜索策略的差分进化算法(CLSDE),在每一代中通过DE/best/2/bin形式的差分进化算法找到最佳个体,然后在最佳个体的附近用混沌的方法进行局部搜索.6个基本测试函数的优化结果表明:CLSDE寻优结果得到的最大值、最小值、平均值、标准差都比DE/best/2/bin好,而且收敛速度比DE/best/2/bin快.     

一种基于混合差分策略的改进差分进化算法

对启发式优化算法中的差分进化算法进行改进．在进化过程中并行交叉采用DE／rand／1／exp和DE／best／1／exp差分策略，应用聚集度因子进行种群重构，缩小了种群重构后的搜索范围，有效避免了种群重构的随机性．仿真结果表明，改进算法与使用单一差分策略的差分进化算法及PSO算法相比．寻优能力得到了显著提高．     

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.     

改进变异算子的差分进化算法并行性分析

针对并行差分进化算法的全局搜索能力和寻优的稳定性弱的现状,基于DE/best/1变异算子提出了一种改进的差分进化算法变异算子.该算子前期采用DE/best/1变异方法,当进化代数超过设定的进化代数值时,采用改进的变异算子.通过拓宽变异算子的搜索域来提高种群的多样性,提高了差分进化算法的寻优能力.对改进变异算子的并行差分进化算法进行了函数测试,实验结果表明:相比普通的变异算子,在相同种群规模的前提下,改进的差分变异算子拓宽了遗传算法的搜索域,提高了算法的全局搜索能力;在不同的种群规模下,改进的变异算子增强了算法的寻优稳定性.     

基于Spark的自适应差分进化极限学习机研究

为了解决传统自适应差分进化极限学习机（SaDE-ELM）在单机环境下运行效率低下的问题,本文提出了基于Spark平台的并行化自适应差分进化极限学习机算法（PSaDE-ELM）。该算法的主要思想是:将差分进化算法中的原始种群均匀地分割为几个子种群,每个子种群均占有RDD的一个分区,在每个分区中使用SaDE-ELM算法独立进化,并且周期性地将各个子种群中的最优个体按照一定的拓扑结构替换掉其他子种群的最差个体,以此来达到各个子种群共同进化的目的。实验结果表明:PSaDE-ELM算法的预测准确率与SaDE-ELM算法相比基本没有丢失,且随着数据集样本数或子种群数量的增加,算法的运行效率至少提升了1.5倍,在一定程度上证明了本文提出的并行化算法的有效性。     

差分进化最小二乘支持向量机法预测日用水量

为解决最小二乘支持向量机的参数确定问题,提出采用自适应差分进化最小二乘支持向量机法预测日用水量.引入改进粗糙集算法分析日用水量主要影响因素,利用自相关系数法确定序列的相关性,并将自适应差分进化算法(SADE)用于优化最小二乘支持向量机(LSSVM)的参数,建立了基于SADELSSVM的预测模型.结果表明,与传统差分进化算法(DE)和自适应遗传算法(SAGA)相比,SADE具有更快的最优个体搜索速度和群体进化速度,与基于SAGALSSVM和基于DELSSVM的模型相比,本文提出模型的预测能力更强.     

自适应调整差分进化算法在优化问题中的应用

差分进化算法在求解优化问题时,进化后期由于种群多样性急剧下降,算法全局搜索能力被削弱,极易陷入局部最优解而"早熟"收敛.针对该问题定义了算法停滞系数和个体相似系数.根据算法停滞系数自适应调整算法的缩放系数.同时,根据个体相似系数判定种群普通个体与最优个体的相似性,并以此为基础对相似个体实施基因重构操作,从而避免种群个体严重趋同造成的种群多样性下降问题.将改进算法应用于标准测试函数和车辆路径问题的优化.模拟计算结果表明:改进算法的优化结果优于标准差分进化算法,改进的差分进化算法具有更强的全局寻优能力,适于求解复杂优化问题.     

自适应代表个体选择方法的协作协进化算法

协作协进化算法中,代表个体选择按贪心度不同可分为最优选择和随机选择.最优选择对于大多数子模块之间关联性不是很强的问题都较为有效,但对于子模块间有很强关联性的问题,随机选择比最优选择更为有效.所以,提出一种自适应代表个体选择方法的协作协进化算法,该算法通过进化停滞判断函数将最优选择和随机选择两种代表个体选择方法结合起来.仿真结果表明,该算法对于子模块间强弱不同的问题都能有效的找到解.     

基于共享学习策略的微分进化算法

针对传统微分进化算法易发生早熟收敛问题,提出基于共享学习策略的微分进化算法（SLDE）,引入共享个体和共享学习因子。共享个体覆盖整个种群,较优个体可引导算法朝希望方向进化,较差个体则能维持种群的多样性,向共享个体学习可避免丢失个体信息,实现整个种群间的信息交换,有助于算法跳出局部最优解,提高算法的局部开采和全局勘探能力。同时,算法充分利用个体的进化信息,根据个体适应值到最优适应值的距离自适应地调整共享学习因子,以弥补随机个体对进化带来的随机性和盲目性,增强算法的搜索能力。采用22个不同特性的Benchmark测试函数对算法进行性能测试,与7种改进DE算法进行性能对比,实验结果表明,SLDE具有较强的跳出局部最优解能力,能显著减少进化代数,大幅地提高算法的收敛精度、收敛速度和稳定性,SLDE的全局优化性能整体上远优于其他改进DE算法。     

基于精英存档自适应微分进化算法的多跑道独立进近排序

随着民航运输业的快速发展,运输需求与空域资源容量之间的矛盾日益突出,导致航班延误的比例也在逐年升高。进港航班排序作为空中交通流量管理的主要手段,能够有效地减少航班延误,减少经济损失,并提高跑道利用率。本文针对进港航班排序问题,建立了一种基于最小化总延误时间的多跑道进港航班排序数学模型,并通过采用精英存档策略和控制参数自适应策略,提出了一种精英存档自适应微分进化算法(EASaDE: Self-adaptive Differential Evolution algorithm with Elite Archive)。在EASaDE中,精英存档策略将当前种群划分为精英种群和非精英种群,参与变异的个体部分来自精英种群,剩余的来自非精英种群;而控制参数自适应策略则将控制参数应用到种群中的每个个体,并根据个体的进化停滞代数来自适应调整参数值。为检验EASaDE的优化性能,本文选取9个常用于优化算法对比的Benchmark测试函数和双跑道进港航班排序实际问题进行实验。从Benchmark函数的优化结果可以看出：EASaDE的优化性能要好于基本DE算法和其它参与对比的改进DE算法。同时,从双跑道进港航班排序的优化结果可以看出：与其它优化算法相比,EASaDE所求得的总延误时间明显更小,规划后的进港序列更为合理。因此,本文提出的EASaDE算法具有较高的收敛精度、收敛速度和稳定性,从而能够有效地减少进港航班队列的总延误时间,提高跑道吞吐量,并减轻管制员的调度压力。     

Harmony search algorithm with differential evolution based control parameter co-evolution and its application in chemical process dynamic optimization

A modified harmony search algorithm with co-evolutional control parameters(DEHS), applied through differential evolution optimization, is proposed. In DEHS, two control parameters, i.e., harmony memory considering rate and pitch adjusting rate, are encoded as a symbiotic individual of an original individual(i.e., harmony vector). Harmony search operators are applied to evolving the original population. DE is applied to co-evolving the symbiotic population based on feedback information from the original population. Thus, with the evolution of the original population in DEHS, the symbiotic population is dynamically and self-adaptively adjusted, and real-time optimum control parameters are obtained. The proposed DEHS algorithm has been applied to various benchmark functions and two typical dynamic optimization problems. The experimental results show that the performance of the proposed algorithm is better than that of other HS variants. Satisfactory results are obtained in the application.     

基于风电机组LPV模型参考自适应独立变桨控制

为了减少大型风电机组多输入、多输出的非线性耦合影响和独立变桨带来的附加控制载荷,根据线性参数变化理论（LPV）对风电机组风能转换系统进行局部线性化,建立统一化的风电机组独立变桨线性参数变化LPV模型.利用模型参考自适应控制理论（MRAC）,以线性化后的LPV控制系统为被控对象建立参考模型,设计出高性能的独立变桨距自适应控制系统.采取波波夫（Popov）超稳定性分析法给出风电机组LPV模型参考自适应控制律,并对所设计的LPV模型参考自适应独立变桨距系统进行计算机仿真实验.实验结果表明,所设计的基于LPV模型参考自适应系统能够适应机组参数在较大范围内的变化,能够实现风电机组独立变桨系统的整机控制,具有良好的稳定性和快速性.     

种群互利模型的企业共生行为机制分析

共生关系对共生企业群和共生行为的影响是企业共生行为研究中的核心问题.通过分析生态系统中的种群互利合作关系,从种群的互利性入手,建立以资产专用性和共生程度高低为标准的高共生程度和低共生程度的企业共生行为关系类型.分别以种群动力学中的原始协作关系模型和种群互利关系模型为基础,采用相图分析方法,构建了高共生程度企业共生关系模型和低共生程度企业共生关系模型;在此基础上,详细讨论了共生程度或共生关系对企业共生行为的效应与影响.得出结论:种群互利模型在对企业共生行为关系研究中优势明显;共生程度的高低对共生企业群的演化影响显著.     

改进差分进化算法及其在模糊聚类分析中的应用

针对差分进化算法早熟与搜索效率不理想的问题,提出一种改进的差分进化算法。算法在变异阶段采用多策略与多参数并行的方法一次产生多个变异个体,有效地保持了种群中个体的多样性,抑制了早熟现象的发生。根据竞争机制选择适应度最好的变异个体进行选择操作,提高了搜索效率。与差分进化及其改进算法的对比实验表明了算法的有效性,并把提出的算法应用到模糊聚类分析中,较好的解决了原始聚类模型求解容易陷入局部极值的问题。     

钢疲劳与循环蠕变交互作用损伤力学模型

为了对疲劳与循环蠕变交互作用下的损伤进行定量描述，采用一种新的损伤参量“等效模量”来定义损伤变量，提出了一种损伤力学模型，该模型能够综合体现最大应力和温度的影响.通过16MnR钢在中温应力控制条件下的脉动循环试验，测出在相同温度、不同最大应力以及相同最大应力、不同温度下的损伤变量变化规律.在适当假设的基础上，得到16MnR钢在不同最大应力、不同温度下的疲劳与循环蠕变交互作用的损伤表达式.结果表明，该损伤参量及损伤模型适用于描述在疲劳与循环蠕变交互作用下的损伤进程.     

时滞广义Markov系统的非脆弱保成本控制

在实际控制系统中,计算精度或者参数漂移等因素对控制器产生影响,使控制器本身具有不确定性,破坏了原有设计的控制效果,针对这一问题,对时滞广义Markov系统进行了非脆弱保成本控制的研究。控制器增益具有加法摄动和乘法摄动两种情况,以线性矩阵不等式的形式给出了在两种情况下非脆弱控制器增益的求解方法,实现对时滞广义Markov系统的保成本控制。最后,利用数值例子验证了算法的有效性。     

基因表达式编程ORF过滤算子的设计和实现

基因表达式编程(GEP)的个体代表了问题的候选解。在缺乏先验知识的情况下,个体长度的设定是个"两难"问题,过长或过短都会降低GEP的效率。对此,分析了个体长度对GEP求解效率的影响;设计了开放阅读框(ORF)过滤算子根据最优个体的进化历程动态调节个体的有效编码区域;验证了ORF过滤算子的有效性,实验结果表明,在同样的进化代数内,引入ORF过滤算子,GEP能进化出更高适应度的最优解且减少平均运行时间17.0%。     

化学双稳系统中控制参数的调制效应

采用调整控制参数的方法 ,实现对化学双稳行为的调制。以B Z反应双稳系统为例 ,经过理论计算和数值分析确定了参数调制后系统所呈现的不同演化状态。结果表明 :该方法能有效地控制B Z反应中的双稳行为。     

时滞分布参数控制系统无界控制

本文研究了如下分布参数控制系统。在输入输出无界时的线性二次型目标最优控制。在Ｊ．Ｌ．Ｌｉｏｎｓ的变分发展方程同构理论［１］框架下，用舍位算子与非半群发展性质，通过综合一个Ｆｒｅｄｈｏｌｍ积分方程得出反馈算子。推广了已有的成果。