优化算法的信息原理与群搜索

从两个不同的角度对各种进化算法进行剖析,寻求合理的解释.从信息论的角度进行讨论,分析了在算法设计中如何表示信息.提取信息、传递信息,利用信息与信息融合等问题,在优化技术与信息论之间建立了联系的纽带.从搜索的角度进行讨论,分析了单点搜索与多点搜索,指出了各种进化算法均属于随机布点,企图寻找全局最优的数值方法.     

粒子群优化算法的发展趋势

分析优化算法的发展历程,指出粒子群优化算法(PSO)是基于群体智能的一种算法,简单易行,可调参数少,研究广泛且发展迅速.结合图形给出算法的个体极值和整体极值的搜优运动过程.研究总结算法的研究现状及特点,认为PSO还需要完善和继续研究.提出将算法应用于复杂的约束优化、随机优化与最优控制问题是算法应用研究的方向,并指出对该算法完整的收敛性分析是算法成熟的标志.     

凸显计算机专业特色的离散数学教学研究与实践

离散数学是计算机专业的一门重要基础课,对离散数学的教学研究一直是从事计算机教育工作者关注的热点。文章提出在计算机专业离散数学的教学过程中,教师应避免将该课程讲成一门数学理论课,而是对每一部分应结合计算机领域的相关实际应用背景进行阐述与引入,提高教学的针对性,从而调动学生学习积极性,促进教学质量的提高。     

基于改进海鸥优化算法的PID控制器参数优化

PID控制器广泛应用于自动控制、电子等领域,其参数的合理性是衡量系统性能指标的关键因素。引入自适应权重策略来平衡海鸥优化算法的全局搜索和局部搜索能力,通过惯性权重的余弦策略来增强局部搜索能力,以使算法更好地优化PID控制器的参数。对12个标准测试函数和二阶温控延迟系统进行测试,将算法与遗传算法、粒子群算法、人工鱼群算法进行比较,结果表明此算法具有更优的搜索性能。最后,将算法用于优化PID控制器的参数,结果显示算法具有良好的特性。     

动态规划粒子群算法解PCB数控钻孔最佳走刀路线问题

设计印刷电路板（PCB）数控钻的走刀路线是数控钻编程的重要组成部分,目前自动编程系统生成的钻孔路线未必是最佳走刀路线。本文在粒子群算法的基础上提出动态规划粒子群算法,并用此方法求解PCB的最佳走刀路线,获得了满意的结果。     

双凝固浴对膜蒸馏聚偏氟乙烯膜结构性能的影响

以聚偏氟乙烯(PVDF)、磷酸-N,N-二甲基乙酰胺为铸膜液体系,采用非溶剂相转化法,通过双凝固浴制备高性能的PVDF疏水微孔膜。采用正交实验的方法,考察凝固浴条件对PVDF膜结构和性能的影响。结果表明,双凝固浴法对膜的结构和性能有很大的影响,随着第1凝固浴中乙醇含量的增加,固液分相逐渐占据主导,促进了膜表面微纳米粗糙结构的形成,提高了膜表面的疏水性。以温度为60℃的质量分数40%乙醇作为第1凝固浴,浸泡时间20 s,温度60℃的水作为第2凝固浴所制备的PVDF膜,其直接接触膜蒸馏通量为28.3 kg/(m2·h),孔隙率为84.5%,平均孔径为1.05μm,接触角为116.8°。     

动态优化问题的瞬态自适应麻雀搜索算法求解

动态优化普遍存在于工业过程控制领域,是实现系统稳态与产值最大化的重要手段,应用并发展更加高效的动态优化方法逐渐成为了当前研究的热点。鉴于此,提出一种基于瞬态自适应麻雀搜索算法（TASSA）的动态优化问题求解方案。首先,分析了原始麻雀搜索算法的缺陷,为了提升全局勘探能力,引入瞬态搜索策略指导加入者的寻优过程;其次,采用随迭代而变化的惯性权重调节具体的搜索方式,增强了算法的动态适应能力,并通过九组基准函数的数值测试确认了改进策略的有效性。最后,采用时域等分的方式,在控制变量参数化（CVP）的框架下利用TASSA对三组典型的动态优化问题进行求解,对比不同文献中的方法,所提算法取得了更精确的结果。     

一种小规模多种群布谷鸟算法

针对布谷鸟算法后期收敛速度慢、计算精度不高等不足提出一种小规模多种群改进方法。将这种方法运用在基本布谷鸟算法CS(Cuckoo Search)和自适应步长布谷鸟算法(ASCS)中,改进后的算法分别称为小规模多种群布谷鸟算法MPCS(Small-scale and multi-population cuckoo search algorithm)、小规模多种群自适应步长布谷鸟算法MPASCS(Small-scale and multi-population cuckoo search with self-adaptive step)。通过8个标准测试函数进行测试,实验结果表明改进后的算法比改进之前的算法有更快的收敛速度、更高的计算精度和收敛成功率。     

模拟生物理想自由分布模型的萤火虫算法

通过分析生物在觅食行为中选择资源斑块的理想自由分布模型,提出1种模拟生物理想自由分布模型的萤火虫算法(IFDGSO)。该算法将萤火虫群中几个不重叠的个体最优位置的适应度视为资源斑块的食物数量,根据理想自由分布模型随机分配相应数量的萤火虫到每个资源斑块中,间隔一定的迭代次数,将各资源斑块的萤火虫重新组合,并重新随机分配。标准测试函数的仿真结果表明,改进后的IFDGSO算法比基本GSO算法有更优的性能。将IFDGSO算法用于解决伸缩绳设计和焊接条设计这2个典型的工程约束优化问题,结果表明,该方法具有收敛速度快、优化精度高、稳定性好的特点,具有较好的全局寻优能力。     

粒子群复形法求解旅行商问题

针对众多领域的组合优化问题可转化为旅行商问题（TSP），提出求解TSP的粒子群复形（CPSO）算法.该算法在迭代的每一步，都将全部点根据适应值进行排序，让好点与差点进行两两配对.根据配对的两点连线中点的适应值与好点的适应值的比值，确定在连线的某位置取出一点.将取出的点与差点和整体最优点的差值点进行线性组合, 所得到的新点取代当前两点中的差点.对TSP解序列提出5种运算, 得到能求解TSP的CPSO算法.并求解了14个点的TSP问题与印刷电路板（PCB）数控钻走刀路线优化问题.结果表明，与遗传算法和蚁群算法相比，该算法具有更强的搜索性能和更好的稳定性，收敛速度更快.