一种基于混沌迁移的伪并行遗传算法及其应用

为了解决遗传算法寻优过程中的早熟收敛问题 ,本文提出了一种基于混沌迁移策略的伪并行遗传算法 ,该算法针对实时性要求不高的优化问题采用串行的算法结构实现分解型并行遗传算法的“独立进化、信息交换”思想 .在并行进化的个体异步迁移过程中 ,引入了混沌迁移序列引导个体迁移过程 ,利用其遍历性和随机性 ,保证了子种群之间能够进行充分高效的信息交换 .仿真研究和在库存优化方面的应用研究表明 ,这种算法具有很强的全局搜索能力 ,寻优效率高 ,有效克服了标准遗传算法的早熟收敛问题 .     

自适应的多种群并行遗传算法研究

典型的遗传算法本质上是一种并行的随机搜索策略,它不能对进化方向做出正确的感知和预测。文章定义了一个可以感知进化方向和衡量进化速度的指标,指导遗传算子做出自适应的调整。结合并行计算和多种群进化思想,提出了“带环多种群模型”,并构造了一种自适应的多种群并行遗传算法。实验结果表明,该算法可以有效地引导和控制进化方向,克服过早收敛现象,提高搜索效率。     

软件可靠性分配中的开发成本最小化问题研究

本文研究软件可靠性分配模式中的软件开发成本最小化问题。将软件系统的成本最小化问题表达为一类带约束条件的组合优化问题,采用并行遗传算法中的粗粒度模型及多种群进化策略,提高了搜索性能。实验表明:并行遗传算法有效地提高了求解质量。     

基于模拟退火机制的多种群并行遗传算法

模拟退火和多种群并行遗传进化是两种较好的改进遗传算法性能的方法 .将这两种思想有机地结合起来 ,提出了一种基于模拟退火机制的多种群并行遗传算法 .仿真结果表明 ,该算法不仅能增强算法的全局收敛性 ,还能加快遗传进化速度 ,得到满意的全局最优值 .     

基于遗传算法的随机性（Q，r）库存系统仿真优化

（Q，r）模型是库存管理中的重要控制模型。对于随机性（Q，r）库存系统，难以用解析方法求解最优的库存控制策略。运用仿真优化技术，基于离散事件系统仿真原理，建立了随机性（Q，r）库存系统的仿真模型，设计了一种改进的遗传算法并应用它优化库存系统的库存控制策略。采用面向对象方法实现了仿真模型和改进的遗传算法。仿真实例表明所提出的仿真优化技术是可行且有效的。     

并行启发式进化遗传算法

本文通过对遗传算法 (GA)的过早收敛问题及其解决方法的探讨 ,结合种群分布、多种群进化、迁徙及并行启发式结构等思想 ,提出一种求解全局最优解的并行启发式进化遗传算法 (PHGA) ,仿真结果验证了这种新算法良好的全局收敛性性能     

基于遗传算法的多用户检测技术分析

CDMA移动通信系统中的最优多用户检测问题是一个NP完备组合优化问题,遗传算法是求解这类问题的有效方法。通过分析CDMA系统多用户检测模型,对几种基于不同遗传算法的多用户检测方法的检测性能进行了实验仿真。仿真结果表明：基于多种群并行进化的分布式遗传算法更适合于多用户检测技术,具有较低的误码率和较强的抗远近效应能力。     

一种变增长率的多种群竞争协同进化

为提高遗传算法的收敛性能,借鉴生态学对个体生存环境和种群竞争的认识,并根据原有的生态种群竞争模型的协同进化模式,对种群增长与环境间的动力学特征的方程进行了优化,提出了一种变增长率的多种群竞争协同进化.利用信息熵的概念,构造出含有熵的多目标优化模型,利用该模型可以直接显式地给出作为拉格朗日乘子的种群最优解存在概率,从而得出种群的增长率.采用该模式的遗传算法在改善未成熟收敛和收敛速度两方面具有较好的性能.     

并行遗传算法收敛性分析及优化运算

经典遗传算法（Canonical Genetic Algorihms)利用单一种群对种群个体进行交叉、变异和选择操作，在进行过程中的超级个体易产生过早收敛现象，粗粒度并行遗传算法利用多个子群进行进化计算，各子群体分别独立进行遗传操作，相互交换最优个体后继续进化。文证明了该算法的搜索过程是一个有限时齐遍历马尔柯夫链，给出粗粒度并行遗传算法全局最优收敛性证明。对于旅行商问题TSP（Traveling Salesman Problem)利用粗粒度并行遗传算法进行了求解，以解决经典遗传算法的收敛到局部最优值问题。仿真结果表明，算法的收敛性能优于经典遗传算法。     

物流包装租赁系统配送库存路径模型与算法

发展物流包装租赁共享系统是解决落后的一次性包装使用方式的有效手段。为优化物流包装租赁系统中的空包装配送与库存控制这一频繁决策问题,将租赁客户点的需求和物流包装租赁系统的服务中心的库存能力、库存费用、车辆容量、单位运费等因素引入模型,建立了总成本费用最小的物流包装租赁共享系统的空包装配送库存路径集成优化模型。针对稍小和稍大规模算例,对利用CPLEX优化软件和带精英保留的改进遗传算法进行了求解比较分析,结果表明：改进遗传算法对稍大规模算例求解的结果虽然稍差,但求解时间大大缩短,这说明了启发式算法对大规模的实际问题是有效的。该模型和算法可为物流包装租赁企业的空包装配送和库存控制的集成优化决策提供参考。     

混合遗传算法求解高超音速飞行器弹道优化

高超音速巡航导弹最优上升轨道设计问题是终端时刻未定、终端约束苛刻的最优控制问题,经典算法求解这类问题时对初值选取敏感、局部收敛等问题表现得比较突出.针对上述问题,将具有良好全局收敛性的遗传算法应用到导弹最优上升段设计问题求解中,为了提高遗传算法的收敛速度和克服早熟问题,结合单纯形和Powell算法的优点,设计了两种混合遗传算法.通过所设计的两种混合遗传算法的求解结果和分别用单纯形以及Powell算法的求解结果进行比较,得出所设计的混合遗传算法是更有效的求解高超声速巡航导弹轨迹优化的方法.     

基于非线性主成分分析的自适应变步长盲源分离算法

算法的迭代步长对于算法的收敛性能有着重要影响。针对固定步长的非线性主成分分析(NPCA)算法不能兼顾收敛速度和估计精度的情形,提出基于梯度的自适应变步长NPCA算法和最优变步长NPCA算法两种自适应变步长算法来改善其收敛性能。特别地,最优变步长NPCA算法通过对代价函数进行一阶线性近似表示,从而计算出当前的最优迭代步长。该算法的迭代步长随估计误差的变化而变化,估计误差大,迭代步长相应大,反之亦然;且不需要人工设置任何参数。仿真结果表明,当算法的估计精度相同时,与固定步长NPCA算法相比,两种自适应变步长NPCA算法相对固定步长NPCA算法都具有更好的收敛速度或跟踪性能,且最优变步长NPCA算法的性能优于基于梯度的自适应变步长NPCA算法。     

On the application of iterative dynamic programming to singularoptimal control problems

The convergence properties of an iterative dynamic programming algorithm are examined by considering a singular optimal control problem involving five differential equations. Even with a relatively coarse grid, convergence to the optimal control policy is rapid. The procedure is easy to program, and the computations can be easily done on a personal computer     

二层以太网中最优组播树的构建方法

针对二层以太网难以构建最优组播树且收敛速度慢的问题,提出一种新的最优组播树构建方法。该方法将IS-IS协议用于二层以太网络最短路径树的计算,通过扩展链路状态包的CLV改进其通告机制,以便构建最优组播树,且网络拓扑发生变化时可快速重构此最优组播树。测试结果表明,该方法可将组播树的收敛时间从现有方法的10 s~20 s缩短到50 ms,并能确保该组播树为最优组播树。     

最佳动力换档规律自学习算法的收敛性分析

针对汽车电控机械自动变速器 (AMT)最佳动力性换档规律的获取方法工作量大且耗资多,所得换档规律对其它车辆适应性差等问题,根据迭代自学习控制理论,提出了一种在线、实时寻求最佳动力性换档规律的自学习算法,并从理论上证明了该算法的收敛性,给出了收敛条件,讨论了自学习算法的快速收敛问题.分析结果表明,此法可以应用于实际AMT系统.     

改进蚁群算法求解两地间时间最优路径

为提高蚁群算法的运算效率,提出一种改进的蚁群算法来求解问题。研究中中引入阀值排序算法对搜索路径进行优化,解决了蚁群算法前期搜索路径的盲目性问题。改进的蚁群算法加快了收敛速度,并提高了稳定性。经仿真试验证明,改进蚁群算法性在减少算法的迭代次数和提高解的稳定性方面有了较大的提高,并且能很好的用于求解路径时间最优问题。     

Convergence properties of an optimal filter design with correlated output noise

This note studies the convergence and stability properties of an optimal filter for systems with Markov measurement noise. The convergence and stability conditions for the design analyzed are the same as those for the optimal f'dter when the measurement noise is assumed to be a nonsingular white noise process.     

基于鲸鱼优化改进算法的基站选址

基站选址优化是网络通讯中的重要优化问题,对网络通讯质量有着极大的影响。本文基于基站选址优化问题的约束条件,以网络覆盖率作为优化指标,构建一种基站选址优化模型。传统优化算法有着收敛速度慢、易于陷入局部最优等问题,为此本文提出一种鲸鱼优化改进算法。首先,引入收敛因子随着迭代次数非线性递减的自适应改变策略以提升算法收敛能力;然后,对部分个体施加服从正态分布的变异扰动,以避免算法早熟收敛。其测试函数和基站选址优化问题的测试算例的仿真结果表明,本文提出的改进算法能够获得更理想的优化解,且具有较快的收敛速度。     

动态信息素更新和路径奖惩的蚁群算法

针对蚁群算法容易陷入局部最优,收敛速度慢,难以解决大规模问题的情况,提出依据信息熵和停滞次数的动态信息素的更新策略和基于最优路径集合的奖惩策略的蚁群算法,在动态信息素更新策略中,利用收敛系数来动态调节信息素,从而有效地平衡算法的多样性和收敛性。在搜索过程中,通过持续增大收敛系数,加快了收敛速度;当信息熵降低或者停滞次数达到一定数值时,通过降低收敛系数,跳出局部最优。同时基于最优路径集合,对较优路径进行奖励,对其他路径进行惩罚,通过减少蚂蚁每一步可选城市的数量,加快了收敛速度。并且使用三种局部优化方法,从而进一步提高解的精度。经过实验测试,该算法用于解决旅行商问题（traveling salesman problem,TSP）,具有较高的求解精度,并能有效平衡解的精度和收敛速度的矛盾。     

一种改进的恒模盲均衡算法

研究了步长对恒模算法（CMA）收敛性能的影响。调整步长至合适的值,使CMA算法性能达到总体最优,并对CMA算法进行改进。仿真结果表明,改进算法与CMA算法相比,收敛速度相近,稳态剩余误差更小,从而解决了CMA算法收敛速度和稳态剩余误差不能同时达到最小的问题。