求解不等圆Packing问题的带全局变换禁忌搜索算法

圆形Packing问题考察如何将N个半径任意给定的圆形物体互不嵌入地置入一个半径尽可能小的圆形容器内.圆形Packing问题是个经典的NP难度问题,具有重要的理论价值和广泛的应用背景.本文将拟物算法与禁忌搜索相结合,辅以跳离局部陷阱的全局变换策略,得到求解二维不等圆Packing问题的带全局变换禁忌搜索算法GP-TS.拟物算法用于连续优化,可从任一初始格局收敛至局部最优格局;禁忌搜索在禁忌规则和特赦准则的约束下不断地将当前格局替换为其邻域中的最优格局;若禁忌搜索所得格局不满足约束条件,则执行全局变换策略,在不完全破坏当前格局结构的前提下跳离局部陷阱,然后进行新一轮的禁忌搜索,直至满足终止条件为止.数字实验结果表明,GP-TS能在可接受的计算时间内改进多个国际公开算例的已知最优解.     

求解多目标作业车间调度问题的混合变异杂草优化算法

针对多目标作业车间调度问题,提出一种混合变异杂草优化算法。该算法采用基于各子目标熵值权重的欧氏贴近度作为适应度值计算方法,引导种群向Pareto前端进化。在进化过程中,运用快速非支配排序策略构建Pareto档案,并利用进化种群中最优个体实时更新Pareto最优解集,提升算法的优化性能;同时通过引入变异算子增加种群多样性,避免算法陷入局部最优。最后,基于Benchmark算例的仿真实验,验证了该算法求解多目标作业车间调度问题的有效性。     

求解TSP问题的改进果蝇优化算法

基于求解TSP问题,提出一种改进果蝇优化算法（GFOA）,该算法结合TSP问题的特点,把果蝇优化算法的连续空间对应到离散规划,利用轮盘赌法初始化路径,并把遗传算法的交叉、变异操作应用于路径的寻优,同时利用C2Opt算子对局部最优路径进行优化,加快局部搜索能力和收敛速度。通过对13个TSPLIB 标准库的TSP算例进行仿真实验,实验结果表明,提出的算法在较小规模算例中能以较少的迭代次数和运行时间快速收敛到已知最优解,在较大规模算例中能接近理论最优解,具有较快的收敛速度和较高的收敛精度。     

用于求解连续优化问题的均匀设计和改造BLX-a的分散搜索算法

分散搜索算法是近年来快速兴起的一种基于种群的进化计算方法,与遗传算法不同的是,它对高质量解和多样性解并存的小数据集使用多种系统子方法和有限次随机过程来获取全局最优解或满意解.基于分散搜索的柔性框架,使用均匀设计来改进以往连续分散搜索算法中的多样性产生方法,将BLX-a算子加以相应改造作为解合并方法,提出了一种基于均匀设计和改造BLX-α算子的新型分散搜索算法(URBSS)来解决非线性连续优化问题.通过8个广为使用的测试函数进行了仿真实验,实验结果表明在与其他连续优化方法的比较中,URBSS能够准确快速地搜索到全局最优解,具有很好的收敛速度和全局优化能力.     

用于求解连续优化问题的均匀设计和改造BLX-α的分散搜索算法

分散搜索算法是近年来快速兴起的一种基于种群的进化计算方法,与遗传算法不同的是,它对高质量解和多样性解并存的小数据集使用多种系统子方法和有限次随机过程来获取全局最优解或满意解.基于分散搜索的柔性框架,使用均匀设计来改进以往连续分散搜索算法中的多样性产生方法,将BLX-α算子加以相应改造作为解合并方法,提出了一种基于均匀设计和改造BLX-α算子的新型分散搜索算法(URBSS)来解决非线性连续优化问题.通过8个广为使用的测试函数进行了仿真实验,实验结果表明在与其他连续优化方法的比较中,URBSS能够准确快速地搜索到全局最优解,具有很好的收敛速度和全局优化能力.     

结合凸优化的宽带MIMO系统接收天线选择

研究宽带多输入多输出(MIMO)系统中的接收天线选择技术。基于添加循环前缀辅助的宽带MIMO系统数学模型,利用邻近子载波间的相关性,设计次优的天线选择准则,并对结合凸优化方法的接收天线选择算法进行改进。仿真结果表明,次优准则可以获得与最优准则几乎相同的性能,改进的接收天线选择算法以增加较少计算量为代价,提高了系统的容量性能。     

解决多目标优化问题的遗传算法研究

近年来,多目标优化问题求解已成为进化计算的一个重要研究方向。本文简要分析了多目标进化算法的研究现状,给出了一种基于非群体迭代型的小生境多目标优化遗传算法。算例测试结果表明该算法结合错位交叉算子具有较好的性能,能够使算法收敛到Pareto概念下的比较均匀的一组非劣最优解。     

基于二进制烟花优化算法的认知无线网络频谱分配

针对当前无线频谱资源稀缺和利用率低的问题,提出一种基于二进制烟花优化算法的频谱分配方法。每个烟花个体进行分布式爆炸搜索,并对最优烟花的爆炸半径采用改进公式动态更新;在变异环节中,针对粒子间信息交流不足的缺点,引入遗传算法的交叉变异算子,进一步增强种群多样性;对选出的最优个体使用Metropolis准则进行模拟退火扰动,避免陷入局部最优。仿真实验表明,二进制烟花优化算法在认知无线网络的频谱分配中具有寻优精度高、收敛速度快的特点,较好地实现了网络效益和用户比例公平性的最大化。     

一种新的混合杂交方法及其在约束优化中的应用

为进一步提高基于混合杂交与间歇变异的约束优化演化算法的求解性能,提出了一种新的混合杂交方法。该方法主要是在混合算术杂交算子中引入离散均匀重组算子,并组成一个离散——算术混合杂交算子网,其中离散均匀重组算子起到协助调整子代分布、增强混合算术杂交算子局部搜索能力的作用。数值实验和比较表明所提的混合杂交方法可有效改善算法求解不等式约束优化问题的性能。     

变尺度混沌蚁群优化算法

将变尺度混沌搜索算法融合到蚁群算法中,并用于求解连续空间优化问题。蚁群算法每一次迭代结束时,就使用混沌搜索算子在当前全局最优解附近搜索更好的解。而随着蚁群算法的进行,混沌算子搜索范围逐渐缩小,这样,混沌算子在蚁群搜索的初期起到防止陷入局部最优的作用,在蚁群搜索后期起到提高搜索精度的作用。将变尺度混沌蚁群优化算法用于求解函数优化问题的实验结果表明,该算法在求解包括欺骗性函数和高维函数在内的多种测试函数优化问题方面具有很好的效果。     

A great deluge and tabu search hybrid with two-stage memory support for quadratic assignment problem

A two-stage memory architecture is maintained within the framework of great deluge algorithm for the solution of single-objective quadratic assignment problem. Search operators exploiting the accumulated experience in memory are also implemented to direct the search towards more promising regions of the solution space. The level-based acceptance criterion of the great deluge algorithm is applied for each best solution extracted in a particular iteration. The use of short- and long-term memory-based search supported by effective move operators resulted in a powerful combinatorial optimization algorithm. A successful variant of tabu search is employed as the local search method that is only applied over a few randomly selected memory elements when the second stage memory is updated. The success of the presented approach is illustrated using sets of well-known benchmark problems and evaluated in comparison to well-known combinatorial optimization algorithms. Experimental evaluations clearly demonstrate that the presented approach is a competitive and powerful alternative for solving quadratic assignment problems.     

A hybrid algorithm based on particle swarm and chemical reaction optimization for multi-object problems

Over the past decade, the particle swarm optimization (PSO) has been an effective algorithm for solving single and multi-object optimization problems. Recently, the chemical reaction optimization (CRO) algorithm is emerging as a new algorithm used to efficiently solve single-object optimization.In this paper, we present HP-CRO (hybrid of PSO and CRO) a new hybrid algorithm for multi-object optimization. This algorithm has features of CRO and PSO, HP-CRO creates new molecules (particles) not only used by CRO operations as found in CRO algorithm but also by mechanisms of PSO. The balancing of CRO and PSO operators shows that the method can be used to avoid premature convergence and explore more in the search space.This paper proposes a model with modified CRO operators and also adding new saving molecules into the external population to increase the diversity. The experimental results of the HP-CRO algorithm compared to some meta-heuristics algorithms such as FMOPSO, MOPSO, NSGAII and SPEA2 show that there is improved efficiency of the HP-CRO algorithm for solving multi-object optimization problems.     

一种求解TSP问题的离散蝙蝠算法

蝙蝠算法是一种新型的群智能优化算法,在求解连续域优化问题上取得了较好的优化效果,但在离散优化领域的应用较少。研究了求解TSP问题的离散蝙蝠算法,设计了相关操作算子实现算法的离散化,并引入逆序操作使算法跳出局部最优。对TSPLIB标准库中若干经典实例进行测试并与粒子群和遗传算法进行对比分析,结果表明设计的离散蝙蝠算法无论在求解质量还是求解效率上都有明显优势,是一种高效的优化算法。     

调速泵结构配置协调分解优化算法及实现

建立多级调速泵结构配置连续非线性规划和整数非线性规划二阶段模型.非线性整数规划子问题采用外逼近算法求解.针对连续非线性规划主问题,提出基于割角法的可行域协调分解优化算法,证明割角法陷阱问题并建立判断准则排除已知的陷阱区域,在此基础上构建系列松弛问题得到原优化问题渐进收紧的下界估计,并最终收敛到原优化问题全局最优解.三级调速泵结构配置实例验证了算法的有效性,并给出与其他算法的比较结果.     

遗传算法优化效率的定量评价

为了评价遗传算法的优化效率,提出了"平均截止代数"和"截止代数分布熵"的概 念,并用二者组成的平面测度作为评价准则.在此基础上,以浮点型遗传算法为例,对不同遗 传算子的优化效率进行了详细的研究.结果表明,不同遗传算子对应着不同的优化效率;这为 选择高效的遗传算子提供了科学依据.     

基于改进粒子群算法的网络广告配置优化

针对网络广告的特点,提出了一个基于混合定价策略的网络广告资源配置优化模型,将其建模为一个约束优化问题,最大化网站的总收益。通过罚函数法进行约束处理,提出一种改进的粒子群算法进行求解。仿真结果表明了该算法的有效性。     

类搜索算法

提出利用类结构驱动的群体进化计算方法——类搜索算法(CSA).CSA在个体间构造簇类形态的虚拟连接关系,并通过对类组织的结构和类搜索过程进行动态调节来优化模拟进化系统的计算状态,提高群体的搜索效率.介绍了CSA的基本模型,并基于CSA融合进化算子与差分计算机制设计出数值优化算法CSA/DE.对多个典型高纬函数和复杂混合函数的仿真实验结果说明,CSA/DE是一种对高纬连续问题高效、稳定的搜索优化方法.该工作一方面验证了CSA的可行性和有效性;另一方面则显示:基于类搜索模型可有效融合异构且具有不同计算特性的搜索机制,形成对待求解问题更具针对性且协调性更佳的搜索计算方法.这为高性能优化算法的设计提供了一条新的途径.     

基于复杂昂贵仿真的体系效能多目标优化

效能优化是实现体系结构设计、多方案配置等工作的重要途径.体系仿真系统通常具有组成结构复杂、连续离散混合、输入输出变量多、运行开销大等特点,导致效能优化面临多目标、混合变量、多峰值、低效率等问题,提出一种基于复杂昂贵仿真的体系效能优化算法.针对昂贵仿真问题,提出基于聚类与空间填充准则相结合的开发-探索序贯元模型策略;引入混合编码策略和相应遗传算子改进传统的NSGA-II (nondominated sorting genetic algorithm II)算法,提高多目标优化效率.与目前较流行的3种昂贵优化算法的对比分析表明,所提算法得到的优化结果具有较好的收敛性、多样性及分布性.最后,以某防空体系的效能仿真优化为例,验证所提方法的可行性和有效性.