求解约束函数优化的改进型果蝇视觉进化神经网络

具有广泛工程应用背景的强非线性约束优化是最优化领域极为困难的科技问题,如何寻找快速有效的优化算法求解其全局最优化解,仍然是该问题研究的关键.为此,针对强非线性约束函数优化求解难的问题,融合果蝇视觉系统的信息处理机制与种群进化思想,提出一种基于状态矩阵转移的改进型果蝇视觉进化神经网络.模型设计中,将候选解视为状态,构建以...     

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。     

方波型无刷直流电机的跟踪控制及扰动衰减

针对含随机扰动的方波型无刷直流电机的电压跟踪,引入饱和向量值函数及自适应参数,设计一种简单的、含饱和项的自适应非线性控制器克服电压跟踪中出现的电压饱和现象及抑制随机扰动,使受控系统跟踪参考电压信号．从理论上论证受控系统在设计的控制器作用下是全局一致毕竟有界．数值实验显示该控制器能使受控系统实现扰动衰减,电压跟踪效果较好．     

基于免疫网络模型的控制系统跟踪控制

针对大滞后、大振荡受控系统的抗干扰及输出滞后问题,基于Varela免疫网络模型与控制系统的相似性,设计单输入单输出情形下的免疫控制器模型.在此控制器作用下,借助非线性系统理论,获得增广系统的稳定性以及受控系统的渐近跟踪特性.数值实验表明该受控系统可以快速跟踪参考信号且具有较好的抗干扰能力和抗滞后特性.     

动态多目标免疫优化算法及性能测试研究

基于生物免疫系统的自适应学习、免疫记忆、抗体多样性及动态平衡维持等功能，提出一种动态多目标免疫优化算法处理动态多目标优化问题．算法设计中，依据自适应ξ邻域及抗体所处位置设计抗体的亲和力，基于Pareto控制的概念，利用分层选择确定参与进化的抗体，经由克隆扩张及自适应高斯变异，提高群体的平均亲和力，利用免疫记忆、动态维持和Average linkage聚类方法，设计环境识别规则和记忆池，借助3种不同类型的动态多目标测试问题，通过与出众的动态环境优化算法比较，数值实验表明所提出算法解决复杂动态多目标优化问题具有较大潜力．     

一种新的自适应蚁群算法及其应用

蚂蚁算法是一种新型的元启发式优化算法，初步的研究表明该算法具有较强的发现较好解的能力，但同时也存在一些缺点如容易出现停滞现象、收敛速度慢等。针对蚂蚁算法的不足，该文提出了一种自适应蚁群算法。该算法根据平均节点分支数动态地调整转移概率以避免算法出现停滞现象，从而极大地提高了算法搜索较好解的能力。仿真实验结果表明，新算法即使在运行的后期，仍然能以极大的概率搜索较好的解。     

基于免疫应答原理的多目标优化免疫算法及其应用

基于免疫应答原理，合理地构建免疫算子及引入一种新的小生境技术, 提出一种 解决多目标优化问题的免疫算法. 在此算法中，将优化问题的可行解对应抗体及Pareto最优个体对应抗原，这种抗原存于抗原群中,并应用新的聚类算法不断更新抗原群中的抗原, 进而获大量的Pareto最优解, 这些解能很好地分布在Pareto面（此指由Pareto最优解构成）上. 理论证明了该算法能获Pareto最优解. 最后，将该文的算法与文献\[3\]的算法SPEA进行仿真比较, 获该算法的有效性, 此表明免疫算法解决多目标优化问题具有广阔的前景.     

多目标约束优化免疫算法研究及其应用

基于生物免疫中抗体应答抗原的机理,提出具有动态性能的多目标约束优化算法,解决一般性的多目标约束最优化问题.该算法的关键在于如何充分模拟免疫应答的机制构建算子模块,以及如何提出约束条件处理和聚类新方法有效解决优化问题.其特点是稳健性及记忆细胞集保存优良抗体并用聚类算法限制其规模,抗体群规模动态调节及抗体应答的对象是抗原群,群体具有自我调节多样性和自适应环境的能力且能并行处理复杂优化问题.仿真事例比较验证该文算法的有效性及能处理高维优化问题.     

方波型无刷直流电机的电压跟踪控制策略

针对方波型无刷直流电机控制系统的电压跟踪控制问题,利用非线性系统理论获得一种关于角速度的非线性降阶观测器,以及一种简单、易于应用的非线性位置反馈控制器.理论上,论证了在所设计的控制器作用下,该受控系统能实现全局一致毕竟有界.数值实验显示该控制器具有很好的普适性,以及此系统能快速跟踪额定电压范围内的参考电压,转矩脉动能被有效抑制.     

一种新的免疫算法及其在多模态函数优化中的应用

提取免疫应答的部分简化机制并结合小生境技术,提出一种用于多峰值或非连续函数优化的免疫算法.该算法由记忆细胞获取、克隆选择、亲和突变及群体更新这四种算子模块构成.这些算子的有机组合不仅为最优化问题的解决提供了实用新方法,而且反映了抗体应答抗原的简化运行机制.算法设计的重点是借鉴小生境共享实现方法的思想建立有助于增强群体多样性及保留优良抗体的记忆细胞获取算子,以及利用亲和成熟机理设计抗体突变算子.所获算法具有整体和局部搜索能力及并行搜索特点.理论证明了其收敛性.仿真事例比较表明此算法不仅是有效的,而且能快速搜索到多个最优解(针对于多解最优化问题).