基于协同进化的动态双重自适应改进PSO算法

针对PSO算法易陷入局部最优，发生早熟这一先天缺陷，在一定的误差容忍度下，借鉴协同进化理论中主体的能动性，系统的非线性，个体与环境的协同进化及个体的自适应性等优良特性，利用Feigenbaum迭代构造混沌序列，对粒子的位置和速度进行初始化取值；采用非线性和自适应调整策略对算法中的自我学习因子、社会学习因子及惯性权重进行取值，从而形成了动态双重自适应PSO改进算法（DDAPSO）。在单模态和多模态Benchmark函数上对上述算法进行仿真，并与其他5种算法进行了对比，仿真结果表明，DDAPSO算法较其他算法在求解精度、寻优效率和稳定性上具有极大的优势，表现出了较强的寻找全局最优解的能力，具有广泛的应用前景。     

基于SIR模型的时间侵占行为传播动力学建模与仿真

针对时间侵占行为在复杂网络上的传播问题,基于基本SIR传染病模型,提出了一种考虑了自发感染率和外部组织环境因素的时间侵占行为传播模型,探讨了时间侵占行为在ER随机网络,NW小世界网络,WS小世界网络以及BA无标度网络上的传播,在此基础上,集中分析了无标度网络上时间侵占行为传播的影响因素。研究发现:1. 时间侵占行为的传播受压力和公平系数的影响,一定范围内,压力越小,员工发生时间侵占行为的概率越大,传播过程也越快;反之压力越大,发生时间侵占行为的概率越小,传播过程也相对较为缓慢。2.时间侵占行为的传播与传播概率和自发感染概率密切相关,初始节点的度越大,传播越快,反之传播越慢。     

基于CAS理论的改进PSO算法

针对粒子群优化（PSO）算法易陷入局部最优,发生早熟这一问题,借鉴复杂适应系统（CAS）理论,将混沌和自适应引入到基本PSO中,形成一种双重自适应PSO算法（DAPSO）。该算法在初始化种群时,采用Logisitic方程产生混沌序列;在迭代过程中,通过非线性动态调整策略调整粒子个体学习因子和社会学习因子的大小,采用（0,1）随机均匀分布代替惯性权重递减的方法对[w]进行自适应取值来更新粒子的速度和位移,最终实现算法求解全局最优的目标。最后运用六个高维单模态和多模态Benchmark测试函数对该算法进行仿真,并与PSO,2PSO,KPSO算法进行对比。对比结果表明,该算法在求解全局最优解时,效果明显优于其他粒子群算法,在精确性和寻优效率上较其他算法表现尤为突出。