混沌优化方法及其应用*

利用混沌运动的遍历性、随机性、“规律性”等特点，本文提出了一种混沌优化方法（ＣＯＡ）。用混沌优化方法对一类连续复杂对象的优化问题进行优化，其效率比一些目前广泛应用的随机优化方法如ＳＡＡ，ＣＡ等要高得多，而且使用方便。  

变尺度混沌优化方法及其应用

基于混沌变量，提出一种变尺度混沌优化方法，该方法不断缩小优化变量的搜索空间并不断提高搜索精度，从而有较高的搜索效率，应用该方法对６个测试函数进行优化计算得到了满意的效果。  

粒子群优化算法

粒子群优化(PSO)算法是一类随机全局优化技术,PSO算法通过粒子间的相互作用发现复杂搜索空间中的最优区域。PSO的优势在于简单容易实现而又功能强大。PSO已成为国际演化计算界研究的热点。该文介绍了基本的PSO算法、若干类改进的PSO算法及其应用,并讨论将来可能的研究内容。  

一种基于蚁群算法的TSP问题分段求解算法

群居性昆虫行为的研究为计算机科学家提供了设计分布式控制和优伦算法的有力方法。对以蚁群算法为代表的群集群能的研究已经逐渐成为一个研究热点。该文首先在蚁群算法的基础上提出了相遇算法，提高了蚁群算法蚂蚁一次周游的质量，然后将相遇算法与采用并行策略的分段算法相结合，提出一种基于蚁群算法的TSP问题分段求解算法。实验结果表明该算法有较好的有效性。  

自适应蚁群算法

蚁群算法是由鄣大利得Ｍ．Ｄｏｒｉｇｏ等人首先提出的一种新型的模拟进化算法，初步的研究已经表明该算法具有许多优良的性质，为求解算杂的组合优化问题提供了一种新思路，此方法已经引起了众多学者的研究兴趣，但同时也存在着一些缺点，如需要较长的计算时间，容易出现停滞现象等，目前国内对此研究尚少，为此，本文对景中算法的研究现状作一综述，希望能够对相关研究起到一定的启发作用。  

免疫粒子群优化算法

受生物体免疫系统免疫机制的启发,论文把免疫系统的免疫信息处理机制引入到粒子群优化算法中,给出了免疫粒子群优化算法。这种免疫粒子群优化算法结合了粒子群优化算法具有的全局寻优能力和免疫系统的免疫信息处理机制,并且实现简单,改善了粒子群优化算法摆脱局部极值点的能力,提高了算法进化过程中的收敛速度和精度。一个求多维函数最优值的计算机仿真对比结果表明,免疫粒子群优化算法的收敛性能优于粒子群优化算法。  

粒子群优化算法

系统地介绍了粒子群优化算法，归纳了其发展过程中的各种改进如惯性权重、收敛因子、跟踪并优化动态目标等模型。阐述了算法在目标函数优化、神经网络训练、模糊控制系统等基本领域的应用并给出其在工程领域的应用进展，最后，对粒子群优化算法的研究和应用进行了总结和展望，指出其在计算机辅助工艺规划领域的应用前景。  

差分进化算法研究进展

作为一种简单而有效的新兴计算技术，差分进化算法（DE）已受到学术界和工程界的广泛关注．并取得了许多成功应用．为此，围绕差分进化算法的原理、特点、改进及其应用等方面进行全面综述．重点介绍了针对复杂环境的差分进化算法研究内容，包括多目标、约束、离散和噪声环境下的优化等．最后提出了有待进一步研究的若干方向．  

蚁群算法理论及应用研究的进展

蚁群算法是优化领域中新出现的一种仿生进化算法．该算法采用分布式并行计算机制，易与其他方法结合，具有较强的鲁棒性；但搜索时间长、易限入局部最优解是其突出的缺点．针对蚁群算法，首先介绍其基本原理；然后讨论了近年来对蚁群算法的若干改进以及在许多新领域中的发展应用；最后评述了蚁群算法未来的研究方向和主要研究内容．  

遗传算法纵横谈

以总结当前遗传算法的多种改进形式为主探讨了有关遗传算法的６个问题，它们对于不同领域的遗传算法的科研应用人员均具有一定的启发作用。