一种基于混沌搜索的文化算法及其应用*

针对文化算法求解函数优化问题存在过早收敛、不稳定等缺陷,基于文化算法框架、嵌入混沌搜索优化,提出了一种混沌文化算法。该算法模型由基于混沌的群体空间和存储知识的信念空间组成,利用标准知识和形势知识分别引导混沌搜索和混沌扰动,有效克服了文化算法过早收敛、混沌搜索优化对初值敏感、搜索效率低等缺陷。实例表明,该方法具有较强的全局搜索能力,在搜索效率、精度和稳定性上有显著表现,并能有效处理高维函数优化问题。     

基因学习算法解图的着色问题

本文在ＰＢＩＬ算法及自私基因算法的基础上,提出一个适应性更广、搜索能力更强的优化搜索算法：基因学习算法。该算法从各基因位的初始等位基因概率出发,通过一系列的概率采样、群体选择与局部搜索、概率学习等操作,逐步缩小概率搜索空间,直至收敛。本文将该算法用于求解图的着色问题,取得了非常好的结果     

一种求解约束优化问题的混沌文化算法*

在求解约束优化问题时,为了有效处理约束条件,克服文化算法易陷入局部极值点、混沌搜索优化初值敏感、搜索效率低等缺陷,将混沌搜索优化嵌入至文化算法框架,提出一种求解约束优化问题的混沌文化算法。该模型由基于混沌的群体空间和存储知识的信念空间组成,利用地形知识表达约束条件,标准知识和地形知识共同引导混沌搜索,并利用形势知识引导混沌扰动。实例表明,该算法具有较优良的搜索性能,尤其能有效处理高维复杂约束优化问题。     

基于文化算法的生产过程建模法

文化算法是一种模拟文化进化过程的优化算法,它由基于个体和群体特性的信念空间和基于个体行为的种群空间组成,为进化搜索机制和知识存储的结合提供一个构架。建立基于生产过程输入输出数据的统计模型时,参数估计是其中的关键,文化算法为此提供了有效途径。本文研究用文化算法实现多变量优化的具体步骤、算法和关键环节的实施。建立裂解炉裂解深度的神经网络模型,并用文化算法优化网络参数,实验表明,文化算法比标准遗传算法搜索性能更优,搜索时间更快,同时得到了满意的裂解深度模型。     

免疫文化基因算法求解多模态函数优化问题

为了尽可能找到多模函数优化问题的全部最优解,提出了一种免疫文化基因算法。采用危险信号自适应引导免疫克隆、变异和选择过程,并采用Baldwin学习机制作为局部搜索策略,增强了算法搜索最优解的能力。实验结果表明,本算法求解精度较高。     

生产调度优化问题文化进化算法研究

许多生产调度优化问题属于NP-hard问题,其求解通常采用智能启发式算法。基于文化算法及文化进化思想设计的文化进化算法,通过上层文化空间的经验知识指导下层个体进化搜索的方向及步长,通过模拟人类社会文化进化的机制实现文化空间的进化与更新,最后将算法应用到置换Flow shop问题的求解,用Matlab编程仿真测试,结果表明此算法解决生产调度优化问题是可行的,而且其全局搜索性能优于一种改进的GA算法。     

多因子进化算法研究进展

多因子优化是一类新的优化问题。多因子进化算法受到多因子遗传模型的启发,利用进化个体的单一种群,能够同时求解跨域的多个优化问题。它属于一种文化基因算法,是智能计算领域新近涌现的研究热点。介绍了多因子进化算法的生物学基础、算法流程,以及文化基因算法的基本概念。然后从工作机理、算法改进、典型应用领域等角度,系统总结了前人的理论和应用成果。最后,指出了将来研究所面临的若干挑战和机遇,以推动学科发展。     

基于文化的连续蚂蚁优化算法的研究*

针对蚂蚁优化算法在求解连续空间问题方面的缺陷,提出一种基于文化的连续蚂蚁优化算法。该算法将蚂蚁优化算法纳入文化算法的框架,组成基于蚂蚁优化算法的主群体和信念的两大空间。在知识和群体层面使用双重进化机制支持问题的求解和知识的提取,从而充分利用精英蚂蚁所携带的特征信息,在很大程度上提高了收敛速度,增强了搜索的多样性。实验结果表明,该算法求解速度快、寻优成功率高,是一种提高蚂蚁优化算法性能的有效算法。     

云计算任务调度双精英种群文化基因改进算法

云计算任务调度是一个难于精确求解的调度问题,需要兼顾考虑计算时间和资源利用率.为了最大程度地节省计算时间和提升资源利用率,论文提出了一种云计算任务调度双精英种群文化基因改进算法.首先,针对文化基因算法全局搜索能力不高的问题,通过结合遗传算法与粒子群算法,提出一种混合全局搜索策略,提高算法的种群多样性和收敛速度.其次,为改善普通精英种群在迭代后期进化缓慢的缺点,采用了双种群的进化机制.具体的Matlab仿真实验结果表明,改进算法的优化性能更佳.     

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.     

求解全局优化问题的混合人工鱼群算法

把Powell算法作为人工鱼群算法的一个局部搜索算子,嵌入到自适应人工鱼群算法中,构成一种基于Powell算法和自适应人工鱼群的混合算法。该算法充分利用了自适应人工鱼群算法的全局收敛性和Powell算法的强局部搜索能力,使得混合算法的全局收敛性能得到了改善,并且减少了计算量。计算机仿真结果表明,自适应混合人工鱼群算法能够在保持较高精度的前提下快速收敛。     

求解Job Shop调度问题的混合蚁群算法研究

为了解决单一算法求解Job Shop调度问题存在的不足，该文提出了一种混合算法，将蚁群算法用于全局搜索。针对蚁群算法易于陷入局部最优的情况，提出了一种基于关键工序的邻域搜索方法，将使用此邻域搜索方法的TS算法作为局部搜索策略。利用TS算法较强的局部搜索能力，提高了蚁群算法的优化能力，达到改善Job Shop调度问题解的质量。实验结果表明，混合算法在较短的时间内，找到了FT10、LA24、LA36等典型benchmarks问题的最优解，得到的makespan的平均值较并行遗传算法(PGA)和TSAB算法均有所提高。     

港区导航系统中最短路径搜索算法

分析Dijikstra算法、限制区域搜索算法以及A*算法的时间复杂度和空间复杂度,提出一种最短路径搜索算法。将静态存储和动态搜索相结合,以限定区域搜索算法为主、A*算法为辅,并根据港区路况实现该算法。实验结果表明,在区域路网结构相对比较规则的情况下,该算法能够提高路径搜索的效率。     

文化基因算法在多约束背包问题中的应用

文化基因算法是一种启发式算法,与一些经典数学方法相比,更适于求解多约束背包问题.文化基因算法是一种基于种群的全局搜索和基于个体的局部启发式搜索的结合体,针对多约束问题,提出采用贪婪策略通过违反度排序的方法处理多约束条件,全局搜索采用遗传算法,局部搜索采用模拟退火策略,解决具有多约束条件的0-1背包问题.通过对几个实例的求解,表明文化基因算法与标准遗传算法相比,具有更优的搜索性能.     

爆炸搜索算法及其收敛性证明

受烟花(炸弹)爆炸的启发,结合经典优化算法提出了一种新的智能优化算法—爆炸搜索算法(Explosion Search Algorithm, ESA) 。ESA引入部域搜索的思想,将智能优化算法与下降搜索算法进行有机结合,使得ESA具有强大的局部搜索能力和全局搜索能力以及好的收敛精度。对算法的收敛性进行了证明,最后通过对benchmark函数集进行仿真并同其他算法进行比较,验证了ESA的高效性。     

求解全局优化问题的混合智能算法

把序列二次规划作为遗传算法的一个局部搜索算子,嵌入到实数编码遗传算法中,构成一种基于序列二次规划和实数编码遗传算法的高效的混合智能算法。该方法充分利用序列二次规划法的强局部搜索能力和遗传算法的全局收敛性,使得混合算法的全局收敛性得到改善并且减少了计算量。数值实验结果表明,混合算法是高效可靠的。     

基于Grover搜索算法的整数分解

非结构化搜索是计算机科学中最基本的问题之一,而Grover量子搜索算法就是针对非结构化搜索问题设计的。Grover量子搜索算法可用于解决图着色、最短路径排序等问题,也可以有效破译密码系统。文中提出基于Grover搜索算法并结合经典预处理实现整数分解。首先基于IBMQ云平台对不同量子比特的Grover算法量子电路进行了仿真,以及模拟使用Grover算法求解N的素因子P和Q;然后将化简后的方程转化为布尔逻辑关系,以此来构建Grover算法中的Oracle;最后通过改变迭代次数来改变搜索到解的概率。仿真结果验证了使用Grover算法求解素因子P和Q的可行性。文中实现了在搜索空间为16且一次G迭代条件下以近78%的成功概率搜索到目标项。文中还比较了Grover算法与Shor算法在求解一些数字时所耗费的量子比特数和时间渐近复杂度的差异。通过Grover量子搜索算法分解整数的实验拓展了该算法的应用领域,Grover算法的加速效果在大型搜索问题中尤为明显。     

大规模MIMO系统中优化导频分配方案研究

针对大规模MIMO系统中小区间干扰而导致的导频污染问题,提出了基于IGTSA（Improved Greedy and Tabu Search Algorithm,改进贪婪禁忌搜索算法）和基于CA（Competition Algorithm,竞争算法）的导频分配方案。提出的ITSA是将遗传算法中的变异操作加入禁忌算法来避免其陷入局部最优解,提升全局搜索能力。为更好地实现全局搜索与局部搜索的协调统一,引入CA进一步优化以系统可达和速率达到最大为目标的导频分配方案。相比于局部搜索算法,如GA（Greedy Algorithm,贪婪算法）和TSA（Tabu Search Algorithm,禁忌搜索算法）,所提出的方案能获得更优的系统性能。仿真结果和分析证明了算法的有效性。     

基于区间—遗传算法求解非线性方程组

将非线性方程组的求解转化为函数优化问题,结合遗传算法的群体搜索、全局收敛的优点,及区间算法特有的解的存在性检验准则,提出了一种区间—遗传算法。在迭代计算过程中,区间算法为遗传算法搜索提供可靠区域,同时遗传算法为区间算法提供安全的初始区域。数值实验表明,该算法能够在较大范围的初始区间内快速,可靠地迭代得到高精度的区间解,是求解非线性方程组的一种有效的算法。     

基于关键名词短语聚类的中文搜索结果聚类

目前,搜索结果聚类方法大多数采用基于文档的方法,不能生成有意义的聚类标签。为了解决这个问题,提出一种基于关键名词短语聚类的中文搜索结果聚类方法,该方法将名词短语、相关搜索词作为候选聚类标签,利用C-Value算法、IDF值筛选标签,然后使用Chameleon算法将标签聚类,最后将搜索结果划分到最相关的聚类簇。实验证明,该方法把关键名词短语和相关搜索词作为聚类标签,有效地提高了标签的描述性,降低了聚类算法的时间复杂度。