求解非线性规划问题的一种新演化算法

1.引言演化算法是建立在生物进化论基础上的算法,生物体可以通过遗传和变异来适应外界环境,物生其类,传种接代,这是生物的独特本领。各种生物所生的子代基本上像父代,这就是遗传;而所生的子代又不完全像父代,这就是变异。世代相传,使得生物体不断进化。演化算法就是利用了生物进化的思想而发展起来的一种通用的问题求解方法。由于其所具有的本质并行性以及自组织、白适应和自学习等智能特征,目前已广泛用于优化问题,它能克服传统优化方法的不足,寻找全局最优解。该方法是按照生物遗传进化世代繁衍的优生劣汰、演化出优良品种的特点,形成寻优的计算方法。特别是演化算法已成功地应用到那些难以用传统方法进行求解的复杂问题之中,从而成为一个引人注目的研究方向。     

用粒子群优化改进算法求解混合整数非线性规划问题

针对混合整数非线性规划(MINLP)问题，改进了粒子群优化算法(PSO)，提出了一种粒子迁移策略，改进了粒子速度更新策略，使之成为一种解决MINLP问题的新算法．实验表明，新算法精确度好、收敛快．     

基于改进果蝇算法求解混合整数非线性规划问题

在科学及工程系统设计中存在许多混合整数非线性规划MINLP(Mixed-Integer Non Linear Programming)问题,该类问题变量类型丰富且约束条件较多,难以求解,为此提出一种改进果蝇算法。该算法对不同类型变量的更新采取不同的策略,并采用周期性的步长函数指导果蝇的寻优,使其避免陷入局部最优。并通过与另外两种常用的算法在稳定性、收敛速度等方面进行了比较,实验结果表明该改进的果蝇算法效果较优,能有效地解决MINLP问题。     

一种求解混合整数非线性规划问题的混合优化方法

提出了一种适用于求解混合整数非线性规划(MINLP)方法(GA-SQP),针对确定型算法在NLP子问题复杂的情况下难以在有限时间内收敛的问题,将MINLP问题分解为一系列简单的NLP子问题,外层用遗传算法搜索最优的整数变量集,内层执行SQP算法解决NLP问题,相比传统的确定性算法,它能减少模型本身的非凸性,从而消除双线性项的求解困难,而相对于智能算法,它充分利用梯度信息,在求解NLP问题上具有明显的效率优势。在改进求解效率上,进一步引入存储机制,减少NLP重复求解从而加速收敛。最后以3个常用的测试函数和水处理网络问题为例,数值计算表明本文提出的方法搜索精度明显优秀于传统的确定型算法和启发式算法。     

一种求解混合整数非线性规划问题的模拟退火算法

通过适当处理离散变量，将求解无约束非凸ＮＬＰ问题的高效模拟退火全局优化算法推广到求解一般非凸混合整数非线性规划问题。数值计算结果表明，文中模拟退火算法在适用性、解的质量和计算效率等方面优于其它方法，是求解一般非凸ＭＩＮＬＰ问题的一种有效的全局优化算法。     

基于差异演化算法和郭涛算法的文化算法

针对数值优化问题,对差异演化算法进行改进,获得多子差异演化算法。将多子差异演化算法和基于自适应搜索子空间的郭涛算法融合到文化算法的框架中,提出一种新的文化算法。实验结果表明,与多子差异演化算法、差异演化算法和基于自适应搜索子空间的郭涛算法相比,该算法收敛速度快,不易陷入局部最优,所得解的质量更好。     

演化算法求解TSP问题的最新进展

TSP是一个著名的NP-hard问题.对近期出现的一些新的求解TSP问题的演化算法进行了比较全面的综述.其中有一类算法属于郭涛算法及其相应的改进算法,能够得到比传统演化算法更好的解,还有一类采用了实数编码的染色体表示方式,对求解TSP问题的新的染色体表示方式进行了尝试,还有的属于并行演化算法,通过增加并行进程的方式能够在原有算法的基础上得到更好的解.在综述这些算法的同时,还对比了它们的求解能力.最终的目的是希望通过对上述算法的研究,得到更合理的算法,推动演化算法研究TSP问题的进程.     

基于郭涛算法的演化神经网络

提出了一种新的演化神经网络算法GTEANN,该算法基于高效的郭涛算法,同时完成在网络结构空间和权值空间的搜索,以实现前馈神经网络的自动化设计。本方法采用的编码方案直观有效,基于该编码表示,神经网络的学习过程是一个复杂的混合整实数非线性规划问题,例如杂交操作包括网络的同构和规整处理。初步实验结果表明该方法收敛,能够达到根据训练样本自动优化设计多层前馈神经网络的目的。     

基于混合演化算法的二维下料问题

介绍了将二维下料问题建模成旅行商问题的方法,指出单纯旅行商问题模型的局限性,认为其是一种启发式方法,理论上找不到全局最优解。针对于此,在原有模型的基础上引入旋转变换,提出了两种混合演化算法捆绑式深化算法和元算法。实例仿表明,该算法可以获得比普通经算法好的结果。     

求成对线性规划问题的组合最优解的快速算法

本文研究求成对线性规划问题的组合最优解的算法，巧妙地将问题的求解转化成了求西凸多面体间的距离，并给出了求两凸多面体间距离的快速算法，以该算法为核心，一系列的成对线性规划问题的组合最优解的均能在Ｏ时间内求得。     

一种新型非线性混合变量遗传优化算法及其应用研究

文章针对一般约束非线性混合整数规划问题，在设计了新的编码方案和遗传算子 的基础上，提出一种新型遗传优化算法．将其应用于对集群目标射击导弹作战效能优化问题 ，验证了算法的有效性．     

基于Pareto支配的双目标优化求解非线性双层规划问题

双层规划问题是一类具有双层递阶结构的系统优化问题。采用Pareto支配的双目标优化策略求解非线性双层规划问题。利用K-T条件把双层规划问题等价转化单层规划问题,进而结合约束部分建立可行性度量目标形成双目标规划问题。在基本的差分进化算法框架中融入非负的最小二乘曲线拟合判断候选解的可行性,构造基于动态概率的Pareto支配选择策略挑选下一代个体,解决种群容易陷入局部最优的缺陷。15个标准函数的测试结果对比显示,该算法在求解非线性双层规划问题中具有较好的全局寻优能力、较低的计算复杂度、较强的稳定性和适用性,可以获得全局最优解。     

面向非线性规划问题的混合式遗传算法

面向非线性规划问题,通过引入准可行方向、准可行方向的可行度等新概念,提出了描述和度量非可行点(染色体)的新方法;通过嵌入非可行染色体的信息于评价函数中,突破传统的给非可行染色体以大的惩罚的思想,提出了三种新的评价非可行染色体的方法.基于梯度方向搜索和新的评价方法,提出了一种新的沿权重梯度方向变异的混合式遗传算法(HGA).对测试问题的仿真结果表明了算法的有效性.     

非线性互补问题的多分裂加性Schwarz迭代算法

§1.引言 非线性互补问题在科学与工程中有着广泛的应用,因此研究求解非线性互补问题的高效数值算法是非常必要的。迄今为止,人们已给出了许多各种各样的Schwarz迭代算法用来求解变分不等式和互补问题。这些方法都适合并行计算,而且计算效果也不错。     

非线性规划程序HJSUMT简介

HJSUMT程序用于优化有约束的最小化问题,将模式搜索与SUMT法结合使用,一旦搜索出了可行域,采用探试程序技巧返回。 HJSUMT程序算法上三个主要概念: 搜索方法——取自Hooke和Jeeves SUMT公式——取自Fiacco和McCormick 返回技术——取自Paviani和Himmelblau 文中给出了三个实例。     

函数优化异步并行演化算法

提出了一种新型、高效的函数优化异步并行演化算法,利用这个算法,在巨型并行计算机上解决了一些高难度的大型优化问题,其中包括一个超高维的非线性规划问题－BUMP问题。由于BUMP问题的强非线性和超我峰特性,目前还未见有超过50维的BUMP问题的结果发表。而在此不仅仅得到了从2维到50维迄今最好的解,而且一直计算到了1000000维,并得到了满意的结果。数值实验表明,新算法是鲁棒和高效的。     

一种求解带约束最优控制问题的算法

本文提出了一种求解带有复杂的等式及不等式约束条件的非线性最优控制问题的新算法。本算法效率高,通用性强,且收敛性良好。此外,本算法可方便地应用于大系统最优控制,并易于在微型计算机上实施。     

搜索问题的代数描述及其算法

文中给出了搜索问题的一种代数描述方法，在这种描述方法的基础上，给出了一个算法模式。以货郎担问题的动态规划－分支限界法为例，讨论了如何用所给出的算法模式来设计饱含多咱算法设计技术的算法，称这种算法为混合（ｈｙｂｒｉｄ）算法。还讨论了如何用面向对象的方法进行程序设计。这种求解问题的方法不仅为算法的自支生成提供了一种有力的工具，如果用面向对象的方法进行程序设计，还能提高代码的利用率。     

动态系统的演化建模

针对采用传统方法解决动态系统的微分方程建模问题所遇到的困难和存在的不足,语文中设计了将遗传程序设计与遗传算法和相嵌套的混合演化建模算法,以遗传程序设计优化模型结构,以遗传算法优化模型参数,成功地实现了动态系统的常微分方程组建模过程自动化。