多目标原油选择与混合优化方法

为保证原料的稳定供应,炼厂经常需要寻找相似原油替代库存量少的原油.以混合原油与目标原油质量偏差最小以及混合原料成本最低为目标,构建了一个多目标原油选择与混合优化模型.模型为混合整数非线性规划模型,可以将寻找替代原油转化为原油选择与混合优化问题.在原始多目标布谷鸟搜索(MOCS)算法基础上,对编码以及Lévy飞行进行了改进,结合非支配排序方法提出了一种改进的多目标布谷鸟搜索(IMOCS)算法.利用IMOCS算法求解模型,可同时确定原油的选择和混合比例,且一次计算可得到一组Pareto最优解.通过仿真,与非支配排序遗传算法(NSGA-Ⅱ)进行对比,验证算法的寻优效果.计算得到的混合方案可为炼厂寻找替代原油提供参考.     

一种用于求解多目标组合优化的混合遗传算法 *

为高效求解多目标组合优化问题 ,提出一种进化计算与局部搜索结合的多目标算法。此算法基于个体排序数和密度值进行适应度赋值 ,采用非劣解并行局部搜索策略 ,在解的适应度赋值和局部搜索过程中使用 Pa-reto支配的概念。实验结果表明 ,新算法不仅提高了优化搜索的效率 ,且能够找到更多的近似 Pareto最优解。     

求解多目标流水车间调度Pareto最优解的遗传强化算法

针对多目标流水车间调度Pareto最优问题, 本文建立了以最大完工时间和最大拖延时间为优化目标的多目标流水车间调度问题模型, 并设计了一种基于Q-learning的遗传强化学习算法求解该问题的Pareto最优解. 该算法引入状态变量和动作变量, 通过Q-learning算法获得初始种群, 以提高初始解质量. 在算法进化过程中, 利用Q表指导变异操作, 扩大局部搜索范围. 采用Pareto快速非支配排序以及拥挤度计算提高解的质量以及多样性, 逐步获得Pareto最优解. 通过与遗传算法、NSGA-II算法和Q-learning算法进行对比实验, 验证了改进后的遗传强化算法在求解多目标流水车间调度问题Pareto最优解的有效性.     

一种改进的求解TSP混合粒子群优化算法

为解决粒子群算法在求解组合优化问题中存在的早熟性收敛和收敛速度慢等问题,将粒子群算法与局部搜索优化算法结合,可抑制粒子群算法早熟收敛问题,提高粒子群算法的收敛速度。通过建立有效的局部搜索优化算法所需借助的参照优化边集,提高了局部搜索优化算法的求解质量和求解效率。新的混合粒子群算法高效收敛于中小规模旅行商问题的全局最优解,实验表明改进的混合粒子群算法是有效的。     

混合蚁群算法求解分布式系统任务分配问题

任务分配问题是被公认的NP-hard问题,应用广泛。在对分布式系统任务分配问题进行分析的基础上,将蚂蚁寻求任务分配方案的过程用一种新的图形表示方式来实现。针对蚁群优化算法易陷入局部最优的固有缺陷,提出了一种新的混合算法,该算法将蚁群优化算法与简单禁忌搜索算法相结合,增强了算法的局部搜索能力,提高了任务分配问题解的质量。实验结果表明混合算法的求解性能较优。     

一种求解双目标job shop问题的混合进化算法

提出一种求解双目标job shop排序问题的混合进化算法．该算法采用改进的精英复制策略，降低了计算复杂性；通过引入递进进化模式，避免了算法的早熟；通过递进过程中的非劣解邻域搜索，增强了算法局部搜索性能．采用该算法和代表性算法NSGA-Ⅱ，MOGLS对82个标准双目标job shop算例进行优化对比，所得结果验证了该算法求解双目标job shop排序问题的有效性．     

基于改进鱼群算法的多无人机任务分配研究

多无人机协同任务分配问题是多无人机协同控制的关键,为解决单目标函数构建的任务分配模型不能满足决策者对战场环境大量信息的需求,以最大航程和最长任务执行时间作为多无人机任务分配的两个目标函数,依据多目标优化理论,建立了协同任务分配多目标优化模型.并采用了一种借鉴遗传算法中的变异思想的改进鱼群算法进行求解,得到多无人机任务分配的多目标最优解集,然后根据决策者的偏好选择最佳任务分配方案.最后将上述算法应用于多无人机协同任务分配中并进行了仿真,仿真结果验证了改进鱼群算法的收敛性及有效性,为多无人机协同任务分配优化提供了参考依据.     

一种求解多目标优化问题的进化算法混合框架

为了提高多目标优化算法的求解性能,提出一种启发式的基于种群的全局搜索与局部搜索相结合的多目标进化算法混合框架.该框架采用模块化、系统化的设计思想,不同模块可以采用不同策略构成不同的算法.采用经典的改进非支配排序遗传算法(NSGA-II)和基于分解的多目标进化算法(MOEA/D)作为进化算法的模块算法来验证所提混合框架的有效性.数值实验表明,所提混合框架具有良好性能,可以兼顾算法求解的多样性和收敛性,有效提升现有多目标进化算法的求解性能.     

改进人工蜂群求解多目标柔性作业车间调度问题

针对多个目标约束的柔性作业车间问题,本文采用基于Pareto解集的改进离散人工蜂群算法来求解.由于经典人工蜂群算法的选择概率不适用于多目标问题,本文对选择概率进行了重定义,将排序引入选择概率中;同时采用基于变异操作的邻域搜索方法进行局部搜索,并使用混合列交叉算子提高种群的多样性;采用Harmonic平均距离对Pareto解集进行裁剪,完成对Pareto解集的更新.最后通过实例测试及仿真实验,验证了本文算法在求解多目标柔性作业车间调度时的有效性.     

一种改进鲸鱼算法的无线传感器网络定位优化研究

针对无线传感网络(WSN)的最小二乘法节点定位误差大、精度低的缺点,提出了改进鲸鱼算法(Improved Whale Optimization Algorithm,IWOA)与定位模型相结合的研究策略.首先阐述了无线传感的节点定位模型,其次在鲸鱼算法种群初始化采用深度神经网络提高初始位置多样性,对包围捕食行为中的参数采用非线性和自适应策略避免算法过早陷入局部最优,在迭代搜索过程中利用二次插值法缓解鲸鱼位置多样性衰减问题,最终达到较好的位置搜索效果,最后将改进后的鲸鱼算法求解节点定位目标函数最优值.仿真实验中IWOA与改进的鸡群算法(ICSO)和反向蛙跳-教学优化算法(OSFL-TLBO)相比,在算法时间复杂度方面具有一定的优势,同时在未知节点方面提高了分别提高了12.1％和9.4％,在参考节点方面提高了15.19％和7.2％、节点密度方面提高了9.38％和8.23％、通信半径方面提高了7.41％和5.8％、区域面积方面提高了8.19％和7.95％,结果表明IWOA算法在节点定位方面具有良好的效果.     

改进粒子群优化算法求解任务指派问题

任务指派问题是典型NP难题，引入粒子群优化算法对其进行求解。建立了任务指派问题的数学模型，给出了粒子群优化算法求解任务指派问题的具体方案。为提高其优化求解效果，引入变异机制及局部更新机制对粒子群优化算法进行改进。实例及数字仿真验证了改进粒子群优化算法的有效性。     

基于混合果蝇优化算法的选址-库存联合优化策略

针对装备维修保障仓库系统运营费用高、仓库点位布局不合理、备件库存结构不合理等问题,建立以多品种联合补货问题为基础的装备维修备件仓库选址-库存控制决策联合优化模型,模型可用于求解仓库的开设位置、维修活动需求点的指派情况、仓库补货时间以及库存水平等.根据模型的结构特点,利用多种群协同进化的方法改进传统果蝇优化算法的位置更新方式,设计一种内外两层搜索策略的混合果蝇优化算法,外层搜索策略作为算法的主程序用于搜索仓库选址决策变量,内层搜索策略采用改进的RAND算法用于搜索库存控制决策变量.仿真结果表明,混合果蝇优化算法具有良好的求解效率,能够确保库存系统在一定服务水平的基础上有效降低库存运营总成本.     

基于多通信半径和跳距加权的WSNs三维迭代定位算法 �

针对三维DV-Hop全局跳数划分不够精确,平均跳距与实际跳距偏差大导致定位误差大的问题,提出一种基于多通信半径和跳距加权的WSNs三维迭代定位算法。首先,参考锚节点比例设置跳数阈值进行迭代定位;其次,利用多通信半径和多跳跳数偏差对单跳和多跳节点跳数进行精确划分;最后,将估计跳距与最大通信半径的偏差设为平均跳距的权值,采用最小最大法计算节点位置。仿真结果表明,在锚节点比例较大和通信距离较短时,该算法与3D-DVHop、3D-WD-DVHop和基于三维球形分割定位算法相比,定位精度明显提高。     

Numerical solution of time-dependent component with sparse structure of source term for a time fractional diffusion equation

We consider an inverse time-dependent component of source term with sparse structure for the time fractional diffusion equation in the present paper. We prove the uniqueness of the inverse problem with nonlocal observation data by Laplace transform technique. Concerning the sparsity of the source term, we transform the inverse source problem into an elastic-net regularization optimization problem. The semi-smooth Newton method is adopted to solve the optimization problem and the superconvergence of the semi-smooth Newton algorithm is proven. Several numerical examples are tested to verify the efficiency of the algorithm.     

噪声环境下RSSI定位问题及其求解的果蝇优化算法

针对未知节点的定位过度依赖于接收信号强度指示（Received Signal Strength Indicator,RSSI）物理测量的精度问题,将传统RSSI定位模型转化为非约束期望值规划模型,进而设计随机环境下的新型果蝇优化算法寻找未知节点的位置。该算法利用弧形分组将果蝇群均衡划分为子群,对果蝇个体实施混合变异,加速寻优进程,提高收敛速度和寻优精度。比较性的数值实验显示,该算法的收敛速度快,对未知节点的定位精度高,其应用于RSSI定位问题是可行的。     

基于SNN神经元重分布的NEST仿真器性能优化

为满足大规模脉冲神经网络（SNN）的计算需求,类脑计算系统通常需要采用大规模并行计算平台。然而随着节点数量的增多,通信在仿真中所占比例大幅增加,导致计算效率下降。类脑模拟器开源软件NEST采用缓冲区大小相等的策略,有效缩短了通信时间,但是由于缓冲区互相无交流,使得通信数据量持续增加,因此其在能耗方面表现较差。分析NEST集群的负载特性,针对其中的通信问题进行稀疏性优化,提出基于SNN子图跨节点优化的神经元重分布算法ReLOC。通过优化SNN子图的跨节点分布减少每一轮神经元到进程的数量,从而减少跨节点脉冲,使进程间通信更加稀疏,达到缩减每一轮通信进程的目的。在此基础上,以稀疏交换的思想对NEST本身的通信机制进行改进,使有脉冲交换的进程进行数据交换,从而在连接稀疏的情况下提升通信效率。以包含28个Xilinx PYNQ节点的计算集群作为实验平台,运行皮质微电路SNN模型和平衡随机网络模型,验证ReLOC算法的有效性。实验结果表明,相比循环分布算法,重分布算法能够使通信的平均稀疏性提高20%,同时配合稀疏交换最多可使通信能耗减少98.63%。     

基于跳距修正与狮群优化的WSNs三维定位算法

针对DV-Hop在三维空间中存在定位误差,为提高节点定位精度,提出一种基于跳距修正和狮群优化的WSNs三维定位算法(HCLSO-3D).首先,通过多通信半径传播,对节点跳数进行精确划分,得到优化跳数值.其次,使用相似路径搜索算法获取与待定位节点到相应锚节点之间最相似的锚节点对的路径,对此路径平均跳距值进行修正,得到待定位节点到目标锚节点的平均跳距.最后,利用狮群算法优化求解待定位节点坐标位置.仿真结果表明,在同样的网络环境下,HCLSO-3D算法与3D-DV Hop定位算法和文献[16]定位算法相比,定位精度明显提高.     

基于部分支撑集的L1范数稀疏重构算法

针对压缩感知理论中,现有的优化L1范数稀疏重构算法在重构源信号时,当且仅当稀疏度小于等于观测信号长度一半时才能够正确重构源信号的问题,提出了部分支撑集的L1范数稀疏重构算法。改进算法采用线性规划方法最小化源信号"尾部"支撑集的L1范数,能够在稀疏度大于观测信号长度一半时正确重构出源信号。仿真结果表明,在不同信噪比和稀疏度条件下,所提算法的重构精度优于现有的优化L1范数的稀疏重构算法和正交匹配追踪的稀疏重构算法。     

改进PSO算法在多无人机协同任务分配中的应用

针对多无人机协同任务分配越来越复杂的问题,采用一种改进的阶层分级粒子群优化算法（HGIWPSO）获得最优分配方案。首先,根据粒子适应度值将种群动态划分为三个不同阶层,依据不同阶层粒子特性选择合适的学习模型,并引入独立权重思想调节惯性权重大小,平衡算法全局与局部搜索能力,提高算法性能;然后,建立协同多任务分配问题模型,采用多余负载竞拍方案减少非法劣解,通过实数编码建立粒子和实际分配方案之间的映射关系,解决实际分配问题。实验结果表明,该算法能够有效解决复杂约束条件下多无人机协同任务分配问题,得到最优分配序列,具有一定的理论以及实际意义。     

一种无线传感网的Sink节点移动路径规划算法研究

为寻找传感节点均匀分布时Sink节点的最优移动路径和最大网络生存时间,提出一种无线传感网的Sink节点移动路径规划算法(MPOA).在MPOA算法中,将Sink节点的数据收集范围分解成多个圆环,将监测区域分解成多个网格.根据Sink节点的停留位置和多跳通信方式,采用数学公式表示每一个网格的单位节点能耗,从而获得Sink节点移动的网络生存时间优化模型.采用修正的混合粒子群算法求解该优化模型,获得网络生存时间、Sink节点的停留位置和移动路径的最优方案.仿真结果表明:MPOA算法可寻找到Sink节点的最优移动路径,从而平衡网络能耗,提高网络生存时间.在一定的条件下,MPOA算法比Circle,Rect和Rand算法更优.