具有人工蜂群搜索策略的差分进化算法

针对差分进化算法易出现早熟现象和收敛速度慢等问题,提出一种具有人工蜂群搜索策略的差分进化算法.利用人工蜂群搜索策略很强的探索能力,对种群进行引导以帮助算法快速跳出局部最优点.此外,为了提高算法的全局收敛速度,采用一种基于反学习的初始化方法.通过对12个标准测试函数进行仿真实验并与其他算法相比较,表明了所提出的算法具有较快的收敛速度和很强的跳出局部最优的能力.     

双块式无砟轨道凸台弹性垫板的研制

通过调节材料硬度、硫化体系、补强增塑体系和防老体系,研制了双块式无砟轨道凸台弹性垫板——A型垫板;通过调节发泡倍率、硫化发泡体系,研制了B型垫板。2种样品性能优异,可推广使用。     

尼龙绝缘轨距块产品翘曲变形影响因素及其解决办法

以铁路扣件系统中尼龙绝缘轨矩块产品为对象,从配方组成、模具浇口设计及注射成型过程中各项工艺参数如注塑速率、注塑压力、保压压力、保压时间等方面研究了其翘曲变形的成因,并提出了保持尼龙绝缘轨距块尺寸稳定的解决方法。研究发现,在聚烯烃弹性体接枝马来酸酐(POE-g-MAH)添加量为1.5份时最适合,轨距块角度合格,产品不变形;降低注塑速度和采用多级注塑,能够改善产品翘曲变形情况,同时减少产品表面的喷射纹;增大浇口可减小轨距块翘曲变形。     

超长沉管灌注桩的设计和施工

根据“浙江省建筑软弱地基基础设计规范”和“宁波市沉管灌注桩设计与施工细则”的规定,一般振动沉管灌注桩的施工长度不超过20m,在其有保证桩身质量的可靠措施和成熟经验时可适当增长至25m,单桩标准承载力不超过400kN。本文阐述在特殊情况下,加之有效的质量监测和可靠的施工措施,其长度和承载力均可适当增大。下面以工程     

基于BP神经网络的藻类生长预测研究

藻类的生长是湖泊、水库等水体污染程度的一个直接表现形式.本文将BP神经网络作为藻类生长的预测模型,基于L-M算法实现了长期预测模型.通过对一引黄水库藻类生长的预测,表明了这种预测模型的可行性,从而可用于环境污染的防治.     

引入人工蜂群搜索算子的粒子群算法

针对标准粒子群算法易出现早熟现象和收敛速度慢等问题,提出一种引入人工蜂群搜索算子的粒子群算法.首先利用人工蜂群搜索算子很强的探索能力,对粒子搜索到的历史最优位置进行搜索以帮助算法快速跳出局部最优点;然后,为了提高算法的全局收敛速度,提出一种基于混沌和反学习的初始化方法.通过12个标准测试函数的仿真实验并与其他算法相比较,所得结果表明所提出的算法具有较快的收敛速度和很强的跳出局部最优的能力.     

受启发的人工蜂群算法在全局优化问题中的应用

 人工蜂群算法是最近提出的一种较有竞争力的优化技术.然而,它的搜索方程存在着探索能力强而开发能力弱的缺点.针对这一问题,受差分进化算法的启发,提出了一个改进的搜索方程.该搜索方程在最优解附近产生新的候选位置以便提高算法的开发能力.进一步,充分利用和平衡不同搜索方程的探索和开发能力,提出了一个改进的人工蜂群算法(简记为IABC).此外,为了提高算法的全局收敛速度,用反学习的初始化方法产生初始解.通过18个标准测试函数的仿真实验并与其他算法相比较,结果表明IABC算法具有良好的处理复杂数值优化问题的性能.     

基于分解的演化多目标优化算法综述

基于分解的演化多目标优化算法(MOEA/D)的基本思想是将一个多目标优化问题转化成一系列子问题(单目标或者多目标)来进行优化求解.自2007年提出以来, MOEA/D受到了国内外学者的广泛关注,已经成为最具代表性的演化多目标优化算法之一.总结过去13年中关于MOEA/D的一些研究进展,具体内容包括:(1)关于MOEA/D的算法改进;(2) MOEA/D在超多目标优化问题及约束优化问题上的研究;(3) MOEA/D在一些实际问题上的应用.然后,实验对比几个具有代表性的MOEA/D改进算法.最后,指出一些MOEA/D未来的研究方向.     

基于差分进化的生物地理学优化算法

针对生物地理学优化算法在实数编码时搜索能力较弱的缺点,提出一种基于差分进化的混合优化算法(BBO/DEs)。通过将差分进化的搜索性与生物地理优化算法的利用性有机结合,以解决原算法在局部搜索时容易出现早熟的问题;并构造一种基于Levy分布的变异方式,确保种群在进化过程中保持多样性;最后通过实验比较,选取了合适的试验策略。利用高维标准测试函数对相关算法进行实验,结果表明该算法能够克服搜索能力不足的缺点,并继承了原算法的快速收敛性能,可以有效兼顾精度与速度的要求。     

混合差分进化算法

为了克服差分进化算法容易出现早熟和收敛速度慢的问题,提出了一种混合差分进化算法.该算法在趋药性差分进化算法(CDE)的基础上,通过对较优个体进行变异操作,维护了种群多样性、避免早熟;通过将较差的个体与较优个体进行杂交,提高了开采能力、加快了收敛速度.基于这两种策略,算法的开采能力与探索能力达到了平衡.用该算法解决标准函数优化问题,并将仿真结果与其他算法进行比较,数值结果表明该文算法具有较快的收敛速度和很强的跳出局部最优的能力.