基于串联协作的多方法协作优化方法

为更好地求解复杂优化问题的全局最优解,提出了基于串联协作的多方法协作优化方法。它采用串联方式组织各个优化方法之间的协作。各个优化方法在每次协作中进行若干次优化,每一优化方法在优化过程中及优化结果中包含的优化信息被用于其它优化方法中,以提高整体优化性能。选择了遗传算法、模式搜索法和Powell法等三个直接优化方法进行串联协作组成的多方法协作优化方法的设计,并对其优化特性进行了深入的理论分析。最后,用三个复杂多维函数对算法性能进行了测试。计算实例表明,基于串联协作的多方法协作优化方法取得了优于单个优化方法的全局最优特性。     

基于协进化路标法的多机器人协作运动规划

针对多关节式机器人协作运动规划方面的难点,在随机路标法的启发下,提出了新颖的协进化路标规划法．这种方法充分利用了协进化算法在优化搜索方面的启发功能和遗传算法对约束条件的处理方法,解决了高维组合C空间的优化搜索问题、静态和动态约束问题和运动轨迹的时间优化问题．并且,通过实验验证了算法的有效性．     

SAGACIA全局优化方法及应用

ＳＡＧＡＣＩＡ全局优化方法及应用＠李兵＠蒋慰孙￥华东理工大学自动化研究所模拟退火法，遗传算法，趋化性方法，优化ＳＡＧＡＣＩＡ全局优化方法及应用李兵蒋慰孙（华东理工大学自动化研究所上海２０００２３７）关键词模拟退火法，遗传算法，趋化性方法，优化１）国家自然科...     

路网约束下异构机器人系统路径规划方法

由无人机(Unmanned aerial vehicles, UAV)和地面移动机器人组成的异构机器人系统在协作执行任务时,可以充分发挥两类机器人各自的优势.无人机运动灵活,但通常续航能力有限;地面机器人载荷多,适合作为无人机的着陆平台和移动补给站,但运动受路网约束.本文研究这类异构机器人系统协作路径规划问题.为了降低完成任务的时间代价,提出一种由蚁群算法(Ant colony optimization, ACO)和遗传算法(Genetic algorithm, GA)相结合的两步法对地面机器人和无人机的路线进行解耦,同时规划地面机器人和无人机的路线.第1步使用蚁群算法为地面机器人搜索可行路线.第2步对无人机的最优路径建模,采用遗传算法求解并将无人机路径长度返回至第1步中,用于更新路网的信息素参数,从而实现异构协作系统路径的整体优化.另外,为了进一步降低无人机的飞行时间代价,研究了无人机在其续航能力内连续完成多任务的协作路径规划问题.最后,通过大量仿真实验验证了所提方法的有效性.     

遗传算法在多目标优化应用中的对比研究

多目标优化应用研究在过程工程领域越来越受重视。本文首先给出了多目标优化问题的一般形式,指出多目标问题求解任务：引导搜索向整个的Pareto优化范围;Pareto优化前沿上保持解集的多样性。在简要论述遗传算法求解多目标技术的基础上,对应用了遗传算法求解多目标的两种方法进行了对比研究,并给出了线性加权遗传算法和一种多目标遗传算法的计算框图。指出线性加权法求解Pareto最优解时不能不能很好地处理非凸区域、均匀分布的权重值不能生成均匀分布的Pareto前沿等局限性,以及多目标遗传算法生成种群多样性及Pareto最优解均匀分布的优点,并用实例进行了验证说明。     

多方法协作免疫进化算法研究

为提高免疫进化算法的全局寻优能力并降低计算复杂度,提出了多方法协作免疫进化算法。对免疫进化算法进行了改进。考虑抗体个体差异性,将抗体种群划分为精英、普通和劣等子群,对其分别执行高斯变异、均匀变异和消亡更新等差别化操作,增强了算法全局搜索能力。模式搜索法的探测和模式移动策略由单步交替改为贪婪下降,加快了算法收敛速度。将模式搜索法作为局部搜索工具嵌入免疫进化流程,同时采用免疫进化信息指导模式搜索法的初始点和参数设置,实现多方法协作优化。采用经典测试函数和某星载电子设备布局优化问题对算法进行了测试,测试结果表明算法寻优能力和收敛速度优于免疫进化算法,计算复杂度有显著下降。     

基于改进双种群遗传算法的AUV路径规划方法研究

研究了在静态环境条件下AUV全局无碰撞的路径规划方法,提出了一种将顶点图像法与双种群遗传算法相结合的路径规划方法。利用顶点图像法建立环境模型,对候选路径进行二进制编码,然后利用改进的双种群遗传算法进行路径寻优。仿真实验表明,本文采用的改进双种群遗传算法是正确和有效的,具有运算速度快、全局优化能力强等优点。     

隧道多中继协作通信系统功率分配与容量优化

基于多波模信道模型建立了矩形隧道多中继协作通信系统模型,给出了放大转发和译码转发协作模式下多中继协作通信系统的信道容量计算公式。在系统总功率受限的情况下,提出了基于遗传算法的隧道多中继放大转发协作通信系统优化功率分配方法和隧道多中继译码转发协作通信系统多重KKT优化功率分配方法,以优化系统的信道容量。仿真结果表明,隧道多中继协作通信系统优化功率分配方法可提升系统的信道容量。     

一种基于遗传算法的无人潜水器推力分配优化方法

为解决无人潜水器（remotely operated vehicle,ROV）推力分配的输出饱和问题,文章提出一种基于遗传算法的无人潜水器推力分配优化方法。首先以某型微小型电动ROV的推进器空间布局为基础建立了ROV水平面与垂直面的推力数学模型,然后应用遗传算法分别对ROV的水平面与垂直面的推进器的推力分配进行优化,并与伪逆法的推力分配进行对比。仿真分析表明,与伪逆法推力分配相比,采用遗传算法优化的推力分配,不仅可以避免推力输出饱和,而且各推进器输出推力的合力或力矩与期望的合力或力矩基本吻合,误差可以保证在±1%以内。     

基于遗传算法的BP神经网络优化策略研究

人工神经网络（ANN）可用作机器人控制器,完成多机器人协作搬运作业。针对这种方法收敛速度较慢,误差较大的不足,本文提出基于遗传算法优化的方法。该方法利用遗传算法优化人工神经网络,通过改变ANN结构和遗传算法操作参数,找到最优网络,提高网络收敛速度。仿真结果证明,该方法的可行性与有效性。     

基于动态规划和遗传算法的混合算法研究

动态规划法和遗传算法是目前在水电站厂内经济运行中广泛应用的两种优化算法，文章提出了一种基于动态规划法和遗传算法的混合优化算法来分别解决大规模机组组合问题中空间最优化和时间最优化的计算机求解问题。避免了遗传算法计算速度缓慢的问题，又避免了动态规划法的“维数灾”问题。最后使用清江隔河岩水电站的4台机组的运行数据进行了仿真研究，并和完全使用动态规划法的结果进行了比较，获得了良好的效果，说明该混合优化算法对于厂内经济运行是一种可行的算法。     

解决旅行商问题的改进算法

首先提出旅行商问题(TSP),然后实现了常见的解决TSP问题的算法:有传统算法中的贪心算法和回溯法,还有现代优化算法中的基本遗传算法。并针对这3种算法的缺点提出了一种改进的算法,即综合运用贪心算法和遗传算法,依据贪心选择的原则指导遗传操作,可以大大加快搜索的速度,仿真实验表明改进的算法是十分有效和实用的。     

一种多模式协作遗传算法

该文主要针对遗传算法在实际操作应用中遗传算子和参数选取的复杂性,分析和探讨了一种多模式协作遗传算法。对于不同的优化问题以及遗传算法的不同运行阶段,引入局部遗传算法来实现一定领域中几种改进的遗传算子的适应性选取,使它们能够有效协作并且能够有效发挥各自特长,形成一种具有广泛适用性的算法模式。使用者可以在缺乏理论指导和经验参数情形下,不再凭借许多对比实验来选取合适的算子类型,方便和拓展了遗传算法的使用,并且通过试验证明了该方法的有效性。     

利用改进遗传算法的参数估计

基于极大似然法的参数估计实质上是一个复杂的非线性优化问题,传统的优化方法计算效率较低且容易陷入局部极值。而遗传算法是一种有导向的随机搜索方法,能以较大的概率收敛到全局最优解。本文将单纯形法引入到并行遗传算法中,提出了一种改进的遗传算法,可以有效地提高算法的收敛速度、防止搜索过程中的早熟现象。应用于系统初始状态未知时的参数估计问题,获得了满意的结果。     

基于神经网络的混合优化算法研究

为了在资源有限的嵌入式系统中提高智能特性,需要研究开发具有较好逼近和泛化能力的、以及代码简单的神经网络.本文采用具有很强全局寻优能力的遗传算法以及局部寻优能力较强的梯度下降法,结合两者的优点形成了一种神经网络混合优化算法.对遗传算法操作算子做了改进,能同时优化神经网络的结构和权值及阈值.仿真实验结果表明,该混合优化算法能够有效地对神经网络的结构和权值及阈值优化,优化后的神经网络有较好的逼近能力和泛化能力.     

基于演化算法的资源包投放优化

自然灾害中救援包的投放、高效的军事打击等现实情况都涉及资源包优化投放问题,但资源包的优化投放问题作为NP-hard问题,用传统的搜索方法很容易陷入局部最优,所以设计高效的现代启发式算法解决该问题显得尤为重要。本文提出一种通过区域分类、应用启发式算法及线性规划来解决该问题的方法。实验分别采用演化算法和遗传算法实现对资源包落点的确定。实验结果表明,应用演化算法的方法可以更高效地处理资源包优化投放问题。     

新型并行遗传算法及其在参数估计中的应用

基于极大似然法的参数估计实质上是一个复杂的非线性优化问题,传统的优化方法计算效率较低且容易陷入局部极值。该文将单纯形法与并行遗传算法相结合,提出了一种新的并行遗传算法,可以有效地防止搜索过程中的早熟现象。应用于系统初始状态未知时的参数估计问题,获得了满意的结果。     

基于改进遗传算法的线性离散系统辨识

介绍了一种基于遗传算法辨识线性离散系统参数的方法，为了提高算法的优化能力，将基率遗传算法和梯度法结合起来。仿真结果表明．改进的遗传算法辨识系统参数收敛到全局最优．且速度快，精度高．鲁棒性强。     

全局数值寻优的一种混合遗传算法

提出一种与单纯形法相结合，用于解决全局数值优化问题的混合遗传算法. 在该混合方法中，采用了非线性排序选择、多个交叉后代竞争择优、变异尺度自适应变化变异算子和适应性阶段进化策略等改进的遗传机制，并采用精英个体保留策略、修改的单纯形策略及改进的遗传策略共同产生下一代群体. 数值结果表明提出的该方法的有效性.