一种改进的头脑风暴优化算法

针对头脑风暴优化(BSO)算法精度较差、后期收敛速度慢的问题,提出了一种改进的BSO (MBSO)算法. MBSO算法通过对种群分组策略概率参数的调节,改变个体生成方式调节参与全局和局部搜索的个体比例,算法前期加强全局搜索后期加强局部搜索,有效避免陷入局部最优.同时MBSO算法根据搜索所处不同阶段采用可变最大步长的策略加速算法收敛并提高了优化精度.采用6个标准测试函数对MBSO算法搜索性能进行了测试,与原始BSO算法、粒子群优化(PSO)算法和差分进化(DE)算法结果进行比较实验.仿真结果表明,MBSO算法可以有效地避免陷入局部最优,稳定地找到更好的最优值,收敛速度显著加快. MBSO算法在优化问题中表现出了优异的性能和巨大的潜力.     

基于禁忌搜索的前向神经网络的径流预测

BP算法具有学习效率低、收敛速度慢和易陷入局部极值的局限,针对此不足,提出将禁忌搜索算法与前向神经网络相结合方法,即采用禁忌技术指导神经网络的参数调整,从而使参数调整过程中避免了局部邻域搜索,具有收敛于全局最优的能力.该方法应用于新疆伊梨河雅马渡站年径流量的预测建模,并与用传统BP算法的预测建模相比较,结果表明:基于禁忌搜索的前向神经网络优化算法不仅提高了算法效率,而且预测精度也有一定的改善.     

DE算法的改进及其在系统辨识中的应用

对于一类高维、非光滑及非线性的约束优化问题,传统的搜索方法不能很好地求得全局最优解,而DE算法可以处理这类问题.为了提高DE算法收敛到全局最优的概率和精度,在基本DE算法的基础上,运用变步长梯度法和记忆库,得到改进的DE算法,并将改进的DE算法应用于实际水槽的模型参数辨识.经过测试对象、采集数据、选择模型结构、辨识参数和验证模型,结果表明,改进的DE算法使辨识系统参数收敛到全局最优的能力增强,收敛概率和精度得到提高,模型偏差平方和更小.     

一种改进的粒子群优化算法及其应用

介绍了粒子群优化算法及其原理,针对其后期容易陷入局部极值的缺陷,提出了一种改进粒子群算法.改进算法采用全局最优粒子变异策略和部分粒子群部分维初始化策略.通过将其应用于(N M)容错系统模型的实例,对改进算法的性能进行了分析,结果表明,改进算法的搜索效率和精度均优于一般的粒子群算法,同时具有较好的收敛稳定性.     

混沌模拟退火粒子群优化算法研究及应用

针对粒子群优化算法容易陷入局部极值点、进化后期收敛速度慢、精度较差等缺点,提出混沌模拟退火粒子群优化(PSO)算法.引入混沌理论对粒子群优化算法的参数进行自适应调整,提高了算法的全局收敛性能|采用模拟退火(SA)算法,依据概率性的劣向转移,以一定概率接受劣解,使算法具有跳出局部最优而实现全局最优的能力.引入自适应温度衰变系数,使模拟退火算法能够根据当前环境自动调整搜索条件,从而提高算法的搜索效率.通过7个经典函数测试混沌模拟退火粒子群优化算法的性能,并将其应用于Job Shop调度问题.仿真实验结果表明,采用新算法有效地克服了停滞现象,增强了全局搜索能力,与遗传算法、粒子群优化算法相比寻优性能更佳.     

一种改进的进化规划算法在原料库存优化中的应用

库存控制是现代企业,特别是连续生产企业物流管理的一项重要内容.针对某有色冶金企业原料库存的实际情况,建立一个以资金损耗最小为直接性能指标的原料库存优化模型,并利用一种进化规划的算法对该模型进行优化.仿真及实际运行结果表明:进化规划算法有效地克服了传统遗传算法容易早熟收敛的缺点,具有全局收敛性,同时还能加快遗传进化的速度,得到令人满意的全局最优解.     

基于偏好粒子群算法的移动机器人路径规划

针对粒子群算法收敛速度快,但易陷入局部最优的问题,提出一种基于偏好粒子群算法的移动机器人路径规划方法.在对障碍物环境建模的基础上,根据避障偏好利用粒子群优化算法规划出全局最优路径.为避免搜索过程中算法陷入局部最优,采用深度优先搜索策略,保持了种群的多样性,提高了算法的搜索能力.实验结果表明:该方法能够有效地避开障碍物,并且获得较好的路径规划效果.     

基于混合连续蚁群算法的最优潮流研究

提出了基于混合连续蚁群(HCACO)的最优潮流(OPF)计算方法;该方法将蚁群优化算法(ACO)的正反馈特性与实数遗传算法(GA)的进化策略相结合,克服了基本蚁群算法只适用于离散问题的局限性,并提高了寻优的效率,同时采用动态调整罚函数策略,有效提高了算法的全局收敛能力和计算精度,采用优进策略,提高了算法的收敛速度.应用此算法对标准IEEE-30节点测试系统进行最优潮流计算,该算法能够更好地获得全局最优解,仿真结果表明了该算法的合理性和有效性.     

解全局优化问题的差分进化策略

以进化策略算法为框架,提出一种求解连续函数,特别是高维连续函数问题的优化算法--差分进化策略.该算法利用进化策略快速收敛的优点,融入了差分演化算法中具有较强全局搜索能力的变异算子.经数值实验分析表明,差分进化策略在函数优化过程中具有较强稳健性,可提高全局搜索能力,保持快速收敛优势,能用于研究生物进化、机器学习、人工智能、模糊系统及人工神经网络训练等领域.     

基于差分演化-MP的快速信号稀疏分解

利用差分演化算法具有鲁棒性强和全局收敛性好的优点,提出了一种基于差分演化的匹配追踪算法(DE-MP)。算法使用差分演化(DE)算法替换传统匹配追踪(MP)算法中的遍历搜索策略,优化了寻找稀疏分解最优原子的过程,从而大大降低了算法复杂度。此外,DE算法特殊的搜索策略很好地提高MP的全局收敛性,进一步提高了稀疏分解的准确性。通过对雷达仿真信号和语音信号仿真实验结果表明:与传统MP算法相比,差分演化匹配追踪算法(DE-MP)在计算速度上提高了两个数量级,在收敛精度上也有明显提高,且收敛精度优于其他改进MP算法。     

基于相似日的遗传程序设计短期负荷预测模型

针对短期负荷预测中对自动化、智能化和预测精度的进一步需求,提出了基于相似日的遗传程序设计短期负荷预测模型.首先从日特征量、日前趋势相似度及其综合来选择预测日的趋势相似日样本数据,然后重点介绍了利用相似日样本数据进行短期负荷预测遗传程序设计演化建模的算法设计流程.贵州电网日96点负荷实例预测结果表明,模型所对应的预测曲线与原始曲线拟合较好,模型具有较高的预测精度,能够反映短期负荷变化的规律.     

粒子群算法在新安江模型参数优选中的应用

对粒子群算法进行了详细描述和分析,并将其应用于新安江模型的参数优选中.对于人工生成的理想水文资料,采用粒子群算法优化新安江模型,可以使全部参数收敛到真值;对于实测的水文资料,通过与单纯形混合加速遗传算法(SAGA)和单纯多边形进化算法(SCE-UA)进行比较,可以看出,粒子群算法全局收敛性能较好,计算效率和精度较高,是一种有效的新安江模型参数优选方法.     

基于遗传规划的机器人足球团体协作进化策略

利用基于进化的方法,对机器人足球比赛中的团队协作策略进行设计.论文给出了一种新的强类型的遗传规划算法,它对传统遗传规划方法做出了较大的改进,主要是提出了两种新的计算方法：基于概率的树的生成算法1,和基于概率的树的生成算法2.这两种算法不仅算法简便,又可以让用户对树结构进行控制,从而使其能更好地适应机器人足球系统的实时性和动态要求.     

用GP求解椭圆边值问题的参数识别

介绍用遗传程序设计(GP)方法来求解参数识别类型反问题的方法.利用GP可根据观测数据同时演化未知参数的结构和系数.运用该方法于椭圆边值问题的物理参数识别类型反问题的数值模拟,证实了此方法的有效性.     

钛合金动态本构模型参数敏感度分析及识别方法

为分析钛合金动态本构模型参数的敏感度,克服了传统单因素分析法的弊端,采用拉丁超立方抽样方法在整个参数空间中抽样,利用非参数统计方法中的Spearman秩相关分析法对本构参数随机输入样本集与其对应的目标函数输出结果集作相关性分析。建立了用Spearman秩相关系数等效求解参数敏感度的表达式,进而实现了参数敏感度的整体性分析,提高了参数敏感度分析结果的可靠性。基于参数敏感度分析结果,为减少本构模型参数识别的计算量,快速、精确、可靠地搜索最优解,本文建立了基于改进小生境算法、可疑峰值点判断策略和局域精确搜索技术的改进遗传算法。该方法克服了基本遗传算法存在的无法同时满足精度、可靠性和节省计算时间的缺陷,避免了容易产生早熟现象,增强了局部寻优能力。数值计算结果表明：本文提出的方法显著提高了遗传算法的全局搜索能力且计算精度高。本文提出的参数敏感度整体性分析方法和改进遗传算法不仅能很好地实现钛合金的动态本构参数识别,而且对其它工程材料本构参数的高精度识别具有重要参考价值。     

基于频域网络模型的有源器件时域有限差分建模方法

在微波有源电路建模过程中，由于有些器件内部的等效电路复杂或者不能得到该器件的内部等效电路，无法采用传统的时域有限差分（FDTD）方法对该器件进行建模.为此提出了一种基于频域网络模型的有源器件FDTD建模方法.通过实验测量有源器件在包含器件工作频段的频域网络参数（如S参数），结合该器件的物理尺寸进行建模.应用有源器件的频域网络参数，忽略了器件的内部电路结构，使该算法可以对具有任意复杂内部结构的有源器件进行建模；采用包含器件物理尺寸的建模方法，可以在FDTD算法中建立有源器件的三维电磁模型，提高了建模精度.通过对一个工作频率为6 GHz的场效应管（FET）放大电路的建模过程的描述验证了该方法的可行性.该方法无须依赖于有源器件内部的电路结构，具有较高的建模精度.     

人工神经网络结合遗传算法反演岩体初始地应力的研究

提出综合应用实数编码的遗传算法与改进的BP神经网络的优化反演分析方法,并通过数值分析,探讨了该方法在应用于位移反演岩体初始应力与材料参数方面的有效性.在算例中,以Burgers模型的计算数据作为改进神经网络的训练样本,用遗传算法搜索待反演参数解向量.计算结果表明利用遗传算法优化神经网络权值能提高神经网络迭代算法的效率与可靠性.该方法应用于岩体初始应力场的反演具有迭代过程平稳、收敛快、结果准确等特点,能够有效地求得岩体初始应力与材料参数.     

基于遗传算法的潜艇隐蔽航路规划

将潜艇隐蔽航路规划为多目标规划问题，提出一种基于遗传算法的搜索算法，它对航路的邻域进行由粗到细的搜索，能实现全局最优和改善搜索效率，信真结果表明进后的遗传算法虽然计算时间较长，但收敛性能和解的精度明显高于动态规划和模拟退火等算法。     

An enhanced hybrid and adaptive meta-model based global optimization algorithm for engineering optimization problems

Due to the good balance between high efficiency and accuracy, meta-model based optimization algorithm is an important global optimization category and has been widely applied. To better solve the highly nonlinear and computation intensive engineering optimization problems, an enhanced hybrid and adaptive meta-model based global optimization (E-HAM) is first proposed in this work. Important region update method (IRU) and different sampling size strategies are proposed in the optimization method to enhance the performance. By applying self-moving and scaling strategy, the important region will be updated adaptively according to the search results to improve the resulting precision and convergence rate. Rough sampling strategy and intensive sampling strategy are applied at different stages of the optimization to improve the search efficiently and avoid results prematurely gathering in a small design space. The effectiveness of the new optimization algorithm is verified by comparing to six optimization methods with different variables bench mark optimization problems. The E-HAM optimization method is then applied to optimize the design parameters of the practical negative Poisson’s ratio (NPR) crash box in this work. The results indicate that the proposed E-HAM has high accuracy and efficiency in optimizing the computation intensive problems and can be widely used in engineering industry.     

基于遗传规划的采空区地面沉陷预测分析

针对地下开采引起的岩层移动与变形,提出一种基于遗传规划的采空区地面沉陷预测新方法.基于MTLAB工具编制的遗传规划程序,选取影响地面沉陷的主要因素,搜集学习样本对程序进行了训练,建立了采空区地面沉陷预测的遗传规划模型.最后,利用有关实测数据,对模型进行了实例检验.结果表明,预测误差在工程允许范围之内,应用遗传规划方法进...