一种自适应交替的粒子群差分进化优化算法

为了克服粒子群算法易陷入早熟收敛的缺点及提高差分进化算法的搜索能力,提出了一种自适应交替的粒子群差分进化算法.该算法采用自适应的概率交替使用PSO和DE,通过对6个基准函数的测试,说明本文提出的算法是一种收敛速度快、求解精度高的全局优化算法.     

解决作业车间调度问题的混合差分进化算法

文章提出了一种改进的差分进化算法—混合差分进化算法(Hybrid Differential Evolution Algorithm)来解决作业车间调度问题。为了防止基本差分进化算法陷入早熟收敛和局部最优,从2个方面对算法进行了改进。首先为了在进化初期能够保持种群多样性,后期减少缩放因子对最优解的破坏,提出了自适应的缩放因子F。其次交叉操作时采用分组交叉思想。通过对作业车间调度问题的研究,改进后的算法全局寻优能力和鲁棒性有了明显改进。     

基于种群分类的差分进化算法

针对差分进化算法易陷入局部最优及收敛速度慢的缺点,提出基于种群分类的差分进化算法.该算法首先在种群中随机选取3个个体,与目标个体的适应度值进行比较,从而将种群分为优势、一般和劣势子种群;其次对每类子种群采用不同的变异算子进行变异操作,并设置合理的参数取值.所提算法不仅保证了算法的鲁棒性,而且充分利用了每个个体的特征信息,有效地平衡了全局搜索能力和局部开发能力.数值实验说明了本文算法的有效性.     

融合自适应混沌差分进化的粒子群优化算法

针对粒子群优化算法易出现早熟收敛、收敛效率低的缺点,提出一种融合自适应混沌差分进化的粒子群优化算法.该算法首先将自适应混沌引入差分进化算法,再将所得结果进行一次校正变异和校正选择,最后将所得算法融合到粒子群优化算法,从而有效地利用与平衡了粒子群优化算法和差分进化算法的探测和开发能力,且局部搜索能力增强,进一步提高算法的求解精度和效率.数值实验证明本文算法的有效性.     

基于多策略组合的改进差分进化算法

作为求解全局数值优化及复杂黑盒问题的流行方法之一，差分进化算法的性能主要取决于其变异策略和控制参数的设置。为避免算法陷入局部最优和早熟收敛，提出了一种基于多策略组合的改进差分进化算法。首先，该算法利用个体种群适应度排名，再将种群分成3个不同子种群，并依据各子种群特征分配不同的变异算子。其次，为进一步提高算法的搜索能力，分别考虑不同差分项的作用并充分利用父代和子代间的差异信息，提出了改进的自适应参数设置方法。最后，通过在IEEE CEC2014标准测试集上进行数值实验，并与5个DE变体相比，数值实验及非参数检验结果表明所提算法具有更快的收敛速度和寻优能力。     

基于改进DE算法的造纸污水活性污泥法处理工艺优化控制策略

活性污泥法作为一种常见的造纸污水生物处理工艺,由于处理过程存在多种生化反应相互作用,导致实际运行能耗过高。在分析差分进化算法的基础上,提出了一种改进的差分进化算法,将其应用于造纸污水处理过程优化控制中。该算法通过基于个体适应度的优劣来自适应调整每个个体的缩放因子和交叉概率因子,有效平衡快速收敛和探索鲁棒性的矛盾,从而避免了算法陷入局部最优,实现了全局最优搜索。MATLAB仿真实验表明:与传统定参数控制和基本差分进化算法优化控制相比,改进的差分进化算法在保证出水水质的基础上,能够进一步提高出水水质以及降低运行能耗。     

基于思维进化神经网络的细纱断裂强度预测

探讨一种基于思维进化算法优化BP神经网络的细纱断裂强度预测方法。利用思维进化算法对BP神经网络的阈值和权值进行优化,发挥在全局寻优方面的优势。试验结果表明:基于思维进化算法优化BP神经网络预测模型比单一的BP神经网络预测模型具有更高的准确性,该模型的细纱断裂强度预测值与实测值之间的平均绝对百分比误差和均方根误差下降明显。认为:基于思维进化算法优化BP神经网络模型具有更好的综合预测性能。     

基于量子进化算法的固井方案优化设计

为获得油气田固并质量的几个主要相关因素的最优搭配,利用神经网络的非线性映射能力和量子进化算法的全局寻优能力,从大量历史固井数据中确定神经网络训练样本,建立了BP神经网络模型,然后用量子进化算法对所建立的神经网络模型寻优,找到最佳的施工方案.仿真结果表明,该优化设计方案具有较好的收敛速度和运算精度,能较好地解决实际问题.     

一种自适应的模拟细菌觅食算法

针对细菌觅食算法收敛速度慢,存储量大,不能解决高维问题的等缺点,给出了一种自适应的模拟细菌觅食算法.该算法.通过自适应调整细菌的搜索步长,加强了算法在优化初期的全局搜索能力.最后,用5个典型测试函数的实验结果,并与原始细菌觅食算法（BFA）及同样采用了参数调整策略自适应差分进化算法（ADE）和带压缩因子的粒子群算法（YSPSO）进行比较,说明了本文算法的有效性,且其优化能力优于BFA,ADE和YSPSO算法.     

改进的BP神经网络在机械故障诊断中的应用

介绍了BP神经网络的结构和学习方法,针对BP网络存在局部极小值和收敛速度慢等问题,提出采用一种基于Levenberg-Marquardt算法(LM算法)的改进BP网络,最后通过汽轮机故障诊断实例的仿真研究,结果表明改进算法的性能明显优于常规BP算法,经改进算法训练的网络能大大提高故障的在线诊断能力,具有广泛的应用前景和应用价值。     

基于改进粒子群算法的平房仓粮温BP神经网络预测模型建立

在传统的BP神经网络预测模型的基础上引入改进的粒子群算法对神经网络中的权值和阈值进行不断优化,针对平房仓内部不同温度监测点处的粮食温度建立预测模型,改进后的粒子群算法拥有更好的局部寻优能力和全局寻优能力,较传统的BP神经网络预测拥有更精确的预测精度,更小的预测误差,使优化后的BP神经网络能快速的从历史粮温中总结平方仓粮温变化规律,实现平房仓粮温的预测。     

基于改进蚁狮优化算法的黄酒发酵过程模型的参数辨识

针对基于Levenberg-Marquardt方法辨识黄酒发酵过程模型参数时易陷入局部最优,收敛速度慢,很难准确获取具有强泛化能力的模型参数的问题,提出了一种具有莱维飞行机制和柯西变异的蚁狮优化算法(ant lion optimization with Levy flight and Cauchy mutation,LCALO),该算法采用基于莱维飞行和柯西变异来解决这类问题。莱维飞行可以提高算法的全局搜索能力,而柯西变异有助于避免陷入局部最优。结果表明,相比于遗传算法、粒子群算法和蚁狮算法,LCALO的收敛速度快,具有全局搜索能力和局部开发能力好的优点。最后将改进算法应用于黄酒发酵模型的参数辨识,仿真结果证明该算法具有较好的参数辨识能力。     

基于协作搜索策略的花粉算法

花粉算法是一种新型的元启发式智能算法,但存在陷入局部最优解、收敛速度慢、寻优精度低等缺陷.基于此本文提出一种基于协作搜索策略的花粉算法,该算法使得花粉个体能够在一定程度上跳出局部最优值,提高算法的全局寻优能力.最后,对8个标准测试函数进行测试,结果表明,改进后的算法在7个测试函数中能够找到理论最优值,收敛速度、寻优精度、鲁棒性均比花粉算法以及改进的花粉算法有较大的提高.     

混合生物地理优化策略

针对生物地理学优化算法全局搜索能力较弱,易于陷入局部最优解的缺点,提出了一种双向搜索的策略.在生物地理学优化算法中引入反转算子与正交实验设计的思想,以提高算法的收敛速度与全局搜索能力.通过对标准测试函数的实验,显示出新算法的高效性,并将其应用于调谐质量阻尼器参数优化问题.实验证明,该算法不但克服了原算法的缺陷,而且在精度和稳定性上也得到了显著提高.     

一种混合整体下降算法及其实现形式之一

基于最速下降法把无约束优化问题同约束优化问题结合起来，形成一种能避免最速下降法的重要缺陷，而具有全局下降性的新算法，同时给出了其总体收敛性定理和简单数值实验。应用此算法，分析了某些无约束多峰函数最优化问题。     

基于模拟退火算法优化波长的面粉品质检测

模拟退火算法（simulated annealing algorithm,SAA）是一种随机搜索、全局优化算法,为提高近红外光谱检测面粉品质模型的准确度与稳健性,实验提出基于SAA优化波长,再结合偏最小二乘（partial least squares,PLS）法建模预测的定量模型,并对SAA中冷却进度表参数设置进行对比分析。实验依据面粉中灰分含量梯度,随机选取126 份样本的近红外光谱建立SAA-PLS模型。结果发现,SAA从2 074 个波数优选出70 个波数,结合PLS建立的定量模型相关系数为0.976 0,交互验证均方根误差（root mean square error of cross validation,RMSECV）为0.022,预测均方根误差（root mean square error of prediction,RMSEP）为0.030 1,全谱建立的PLS模型相关系数为0.778 5,RMSECV为0.066 6,RMSEP为0.076 8。结果表明,基于SAA优化特征谱区,建立灰分定量模型是可行的,且准确度与稳健性明显优于全谱定量分析模型。     

基于改进型NSGAII的织造车间多目标大规模动态调度

织造车间调度规模普遍在300台织机、1000个织轴以上,遗传算法搜索极易陷入局部最优,针对传统动态调度机制在织造插单、打样等复杂生产场景中适应性不强的问题,提出一种改进NSGAII算法.从织造多织机、多织轴、多产品的大规模调度出发,基于织造和穿经之间独特的逆工序调度关系,构建以逾期损失、最大完工时间和织机空闲时间均最小...     

考虑原产地规则的跨境纺织供应链网络设计

为了实现纺织企业跨境供应链网络的利润最大化,在考虑原产地规则的基础上,综合考虑工厂布局、供应商选择、生产及运输等重要决策,构建了最大化利润的混合整数非线性规划模型,并将其等价转化为可最优求解的线性规划模型,设计相应的Benders分解算法实现对模型的最优求解。最终通过仿真,针对不同的贸易制度安排,特别是即将实施的“区域全面经济伙伴协定”中的区域累积原产地规则,研究了其对企业跨境供应链网络设计决策及利润的影响。研究结果表明:随原产地规则比例要求的提高,会导致企业利润的下降,而在区域累积的原产地规则下,企业能够更自由地进行选址及生产采购决策,有利于实现全球供应链的最优配置。