带可变随机函数和变异算子的粒子群优化算法

标准粒子群优化算法的收敛分析表明,改变随机函数、个体历史最优,群体全局最优,有助于提高该算法的性能。为此,本文提出了一种带可变随机函数和变异算子的粒子群优化算法,即通过改变速度更新方程中的随机函数分布来调节粒子在迭代过程中飞向个体历史最优和群体全局最优的比重,通过对个体历史最优和群体全局最优进行变异来增强种群的搜索能力。实验结果证实了该算法的有效性。     

一种求解企业员工指派问题的离散状态转移算法

员工指派问题是运筹学中的一类整数规划问题,为了寻找最佳的员工指派方案,使得完成所有任务的总成本代价最小,本文研究了一种新的离散状态转移算法.在一次状态转移的基础上提出了二次状态转移的概念,从而扩大了候选解集的范围,并提高候选解集的多样性.为了克服算法在迭代后期更新缓慢的缺点,提出了停滞回溯策略,即当算法陷入局部最优解时进行回溯操作,从历史停滞解中随机选择一个更新当前最优解.通过与模拟退火算法进行测试比较实验,证明了本文所提出算法的有效性,同时该算法提高了求解员工指派问题的成功率与稳定性.