均匀搜索粒子群算法

针对基本粒子群优化算法容易陷入局部最优解的问题,本文定义了PSO粒子搜索中心的概念,并对其随机状态下粒子搜索中心在全局最优解与局部最优解之间的概率密度进行了计算,在此基础上提出了粒子搜索中心在两个最优解之间均匀分布的均匀搜索粒子群算法,并通过7个Benchmark函数与基本PSO算法进行了对比实验及算法分析,实验分析结...     

求解约束优化问题的混合粒子群算法

针对约束优化问题提出一种混合粒子群求解算法,该算法根据可行性规则,引入自适应惩罚函数,结合模拟退火算法,不断地寻找更优可行解,逐渐达到搜索全局最优解.通过对一些标准函数测试,计算机仿真结果表明,该方法是有效和可行的,且具有较高的计算精度,相比传统算法,最优解精度达到10-15.     

均匀搜索粒子群算法的收敛性分析

本文将均匀搜索粒子群算法(Uniform search Particle Swarm Optimization,简称UPSO)的位置更新公式变换为一个差分方程,求解差分方程得到非递推的位置更新公式,推导解的收敛条件并求出了UPSO对学习系数c及惯性系数w的收敛区域,最后通过6个Benchmark函数仿真实验对收敛区域的正确性进行验证,实验结果表明学习系数和惯性系数在收敛区域内时的UPSO收敛,不在收敛区域外时UPSO发散.     

粒子群算法在电梯群控调度中的应用

随着电梯的广泛使用,人们对电梯的研究也越来越多,针对乘客乘候梯时间过长、电梯能耗性能不理想的问题提出了一种基于粒子群算法的电梯群控调度方法。首先选取乘客乘梯时间、候梯时间、电梯电能损耗量建立电梯群控系统的多目标优化模型,使用粒子群算法对模型进行优化;然后设计仿真实验用乘客的平均乘梯时间、候梯时间以及电梯的起停次数这几个指标与遗传算法进行对比,最后的实验结果说明将粒子群优化算法应用到电梯群控调度中能够具有更好的表现。     

基于离散元胞蚂蚁算法的几何约束求解技术研究

 一个约束描述了一个应该被满足的关系,一旦用户已经定义了一系列的关系,那么在修改参数之后,系统会自动选择合适的状态来满足约束.在将几何约束问题的约束方程组转化为优化模型的时候,引入一种利用元胞演化规律和蚂蚁寻优特点的离散元胞蚂蚁算法.离散元胞蚂蚁算法是一种新型的仿生算法,它利用元胞在离散元胞空间的演化规律和蚂蚁寻优的特点,为解决实际问题提供了一种优化方法.实验表明,该方法可以比较有效的处理几何约束问题.     

粒子群优化算法在宽带耦合器设计中的应用

多节平行线耦合器的设计需要综合出各节的偶模特性阻抗。应用粒子群优化算法很好地综合出任意阶梯数任意耦合度等波纹时对应的偶模特性阻抗。举例优化了6倍频的耦合度为-35dB耦合器的偶模特性阻抗，并仿真设计了该耦合器。     

粒子群优化算法及其应用

粒子群优化（PSO）算法是一种新颖的演化算法，它属于一类随机全局优化技术，PSO算法通过粒子间的相互作用在复杂搜索空间中发现最优区域。PSO的优势在于简单而又功能强大。介绍了基本的PSO算法、研究现状及其应用，并讨论将来可能的研究内容。     

一种解决约束优化问题的模糊粒子群算法

该文针对复杂约束优化问题,提出了一种模糊粒子群算法(FPSO),设计了一个新的扰动算子,在此基础上定义了模糊个体极值和模糊全局极值,利用这两个定义改进了粒子群进化的方程,利用该方程更新粒子的速度与位置,可以避免早熟收敛问题;定义了不可行度阈值,利用此定义给出了新的粒子比较准则,该准则可以保留一部分性能较优的不可行解微粒。用概率论的有关知识证明了算法的收敛性。仿真结果表明,对于复杂约束优化问题,算法寻优性能优良,特别是对于超高维约束优化问题,该算法获得了更高精度的解。     

粒子群算法在三维微带阵列优化设计中的应用

采用粒子群算法与微波仿真软件CST联合仿真的方法,针对拓展吸波带宽或降低吸波材料厚度的不同要求,通过设计不同的适应度函数,实现了对三维微带线阵列吸波结构材料的优化设计。设计结果表明,经过优化设计,吸波材料的吸波带宽可以增加30%,或在吸波性基本不变的条件下材料厚度减少15%。调节适应度函数中的权重,还可以有针对性地拓展吸波材料的频率低频段或高频段。所采用的计算流程可以全程自动进行优化处理。     

基于混合粒子群算法求解TSP问题

遗传算法是研究TSP问题中最为广泛的一种算法,它具有全局搜索的能力。而粒子群算法收敛速度较快,但容易造成局部最优的情况。本文基于遗传算法的交叉变异设计了混合粒子群算法,通过对TSP问题求解分析,证实该方法提高了标准粒子群的搜索能力,获得了较高的收敛速度和近似最优解。     

节点约束型最短路径的几何代数算法

面向网络分析应用中复杂条件约束下的最短路径求解问题,引入几何代数进行网络分析算法构造.建立了基于几何代数的网络模型和双边搜索算法,以寻找经过指定必经节点且弧段最少的最短路径求解为例,进行了算法实现.基于道路网络数据的分析显示,本算法利用外积运算直接判断约束节点,算法具有更好的通用性和较少的路径遍历次数,且在多对多路径求解及多用户并行求解上具有优势.     

基于遗传模拟退火算法的约束求解

简述了遗传算法和模拟退火算法的特点,提出在约束求解中将两者结合起来,能大大提高算法的效率,并对此进行了实例分析。     

采用结构相似度和几何约束原理的影像误匹配剔除算法

针对影像匹配中存在误匹配点问题,提出了一种结构相似度(SSIM)理论的影像误匹配剔除算法,从亮度、对比度、结构三个方面建模得到一个相似性度量作为影像误匹配点剔除准则。该算法首先对匹配点邻域窗口计算其结构相似度,剔除结构相似度小于阈值的匹配点,然后对利用结构相似度理论难于剔除的误匹配点,再根据匹配点在影像空间几何分布特征来进一步进行剔除。通过与现有的基于RANSAC影像误匹配点剔除算法和基于灰度相关影像误匹配点剔除算法进行比较实验,结果表明本文算法能取得较好的误匹配点剔除效果,其综合性能优于其它两种误匹配点剔除算法,且时效性也较RANSAC算法好。      

基于组件式蚁群算法的车辆路径问题研究

现有方法仅从蚁群算法的基本结构出发设计软件,缺少软件设计模型的有效指导,很难用来求解不同种类的优化问题.鉴于此,应用组件软件设计方法,提出了一种组件武蚁群算法.该方法力求在结构上直接反映蚁群的本质思想和关键概念;最大程度降低与问题的相关性;强调以接口为中心的设计理念.大量车辆路径问题的验证结果表明,组件式蚁群算法性能优良,能够有效地求解车辆路径问题.该方法易于理解和使用,具有很强的可重用性和可扩展性,为求解各类优化问题提供了很好的起点和可持续发展的框架.     

An Algorithm for Solving a Class of Transportation Problems

ＡｎＡｌｇｏｒｉｔｈｍｆｏｒＳｏｌｖｉｎｇａＣｌａｓｏｆＴｒａｎｓｐｏｒｔａｔｉｏｎＰｒｏｂｌｅｍｓＸｉａＹｏｕｓｈｅｎａｎｄＹｅＤａｚｈｅｎ（ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ，Ｎａｎｊｉｎｇ...     

解决全局优化问题的粒子群进化算法

针对复杂全局优化问题,提出一种粒子群进化算法(PSOEA)。针对粒子群算法容易陷入局部最优等缺点,设计一个新的变异算子,使得粒子能够在整个空间进行搜索,同时保证了算法的收敛性。用概率论的有关知识证明了算法的收敛性。仿真结果表明,对于全局优化问题,算法寻优性能优良,特别是对于超高维优化问题,该算法能获得更高精度的解。     

离散PSO结合模拟退火算法解决云调度问题

本文以最小化工作流中任务完成所需的总的综合执行成本为目标,用一种改进的离散形式的粒子群算法并引入模拟退火机制和混沌机制来完成调度工作,并用实验证明该算法可行高效.     

Immune Algorithm for Solving the Optimization Problems of Computer Communication Networks

The basic problem in optimizing communication networks is to assign a proper circuit for each origindestination pair in networks so as to minimize the average network delay, and the network optimal route selection model is a multi-constrained 0-1 nonlinear programming problem. In this paper, a new stochastic optimization algorithm, Immune Algorithm, is applied to solve the optimization problem in communication networks. And the backbone network vBNS is chosen to illustrate the technique of evaluating delay in a virtual network. At last, IA is compared with the optimization method in communication networks based on Genetic Algorithm, and the result shows that IA is better than GA in global optimum finding.     

改进的稀疏近似逆预条件算法求解电磁场边值问题

提出了一种MAINV稀疏近似逆预条件算法,用于改善电磁场边值问题的有限元分析所产生的的线性系统的迭代求解。该预条件子是在基本AINV算法基础上,在分解过程中对可能导致算法崩溃的极小主元进行实时补偿,从而获得高质量的预条件子。数值结果表明,MAINV预条件子对SQMR以及若干经典迭代法的加速效果十分明显;此外,与其他常规预条件子相比较,MAINV具有更好的求解性能。