化学反应蚁群优化算法

针对化学反应优化对反馈信息利用不足导致后期求解效率低的问题,提出化学反应蚁群优化算法.该算法利用化学反应优化生成较优解,通过信息素转换策略将较优解转换为蚁群算法的初始信息素,最后由蚁群算法累积更新信息素得到最优解.以TSP为例进行仿真,结果表明,与化学反应优化、蚁群算法、模拟退火算法相比,所提算法具有更高的寻优能力、收敛效率和计算效率.     

实值优化问题的非对称负相关搜索算法

现实世界中的许多应用与实值优化问题紧密相关.为了求解复杂的实值优化问题,一些研究工作提出不同的元启发式假设并设计相应的搜索策略.在搜索解空间过程中,如何平衡探索解空间新区域(多样化)与实现优质解利用(集约化)之间的关系,是提高元启发式搜索算法性能的关键因素之一.特别地,负相关搜索(negatively correlated search, NCS)通过在搜索进程中引入负相关的搜索趋势,促进了解的多样性,有效改进了并行爬山算法的搜索性能.负相关搜索将每一个搜索进程的搜索行为建模为概率分布,在此基础上,根据搜索进程的搜索范围的相对大小,将搜索行为进一步划分为全局搜索行为和局部搜索行为.然后提出一种新的元启发式搜索算法,即非对称负相关搜索(negatively correlated search with asymmetry, NSA),它假设具有全局搜索行为的搜索进程应尽可能远离具有局部搜索行为的搜索进程.得益于搜索进程之间非对称的负相关的搜索趋势,提出的算法相比负相关搜索拥有更优的搜索效率.实验结果表明：相比成熟的搜索方法,非对称负相关搜索在20个多模态实值优化问题上取得了最佳的整体性能.     

混合人工化学反应优化和狼群算法的特征选择

包装器特征选择是一种数据预处理方法,通过筛选出信息量最大的特征来降低原始数据集的维数,同时使分类特征的精度最大化.为提高包装器特征选择能力,提出了一种混合人工化学反应狼群优化算法——ACR-WCA.ACR-WCA算法采用自然策略,模仿狼群的搜索策略,可以快速向解空间靠拢,再采用人工化学反应策略优化狼群的种群行为,快速找到最优解,解决局部最优问题;其次,为有效处理数据特征,在初始化阶段利用转换函数处理成二进制特征问题;之后,结合分类准确率和特征选择数给出算法的适应度函数.同时,采用k最近邻(KNN)分类器对测试数据进行训练,并通过K-折交叉验证来克服过拟合问题.实验基于21个著名的不同维度数据集训练,并与4种传统方法和3种接近方法进行比较.实验结果表明,该算法是高效可靠的,它可以对大量特征进行分类任务,具有较高的准确率.     

混合花粉算法求解全局优化问题

元启发式算法可以用作寻找近似最优解的有效工具,因此,对元启发式算法进行改进,提高算法性能是有必要的。本文介绍花粉算法(Flower Pollination Algorithm, FPA)的增强变体,将花粉算法与极值优化算法(Extremal Optimization, EO)混合形成FPA-EO算法。FPA-EO算法综合利用了FPA的全局搜索能力和EO的局部搜索能力,并将其应用于11个基准测试函数来测试新算法。同时将该算法与其他4种著名优化算法（标准花粉算法(FPA)、蝙蝠算法(BAT)、萤火虫算法(FA)、模拟退火算法(SA)）进行比较。综合结果表明,本文算法能够找到比其他4种算法更精确的解。     

差分扰动的堆优化算法

针对堆优化算法（HBO）在解决复杂问题时存在搜索能力不足和搜索效率低等缺陷,提出一种差分扰动的HBO——DDHBO。首先,提出一种随机差分扰动策略更新最优个体的位置,以解决HBO没有对其更新从而导致的搜索效率低的问题;其次,使用一种最优最差差分扰动策略更新最差个体的位置,以强化其搜索能力;然后,采用一种多层差分扰动策略更新一般个体的位置,以强化多层个体之间的信息交流,并提高搜索能力;最后,针对原更新模型在搜索初期获得有效解概率低的问题,提出一种基于维的差分扰动策略更新其他个体的位置。在大量CEC2017复杂函数上的实验结果表明,与HBO相比,DDHBO在96.67%的函数上具有更好的优化性能,更少的平均运行时间（3.445 0 s）;与WRBBO（Worst opposition learning and Random-scaled differential mutation Biogeography-Based Optimization）、DEBBO（Differential Evolution and Biogeography-Based Optimization）和HGWOP（Hybrid PSO and Grey Wolf Optimizer）等先进算法相比,DDHBO也具有显著的优势。     

基于化学反应算法的系统辨识

化学反应优化算法起源于化学反应过程中的能量变化的模拟。提出一种利用化学反应优化算法对系统进行辨识的方法。即通过建立连续系统和离散系统的传递函数结构模型,首先将系统辨识问题转化为数学上求取相关参数的全局最优估计问题,然后利用化学反应优化算法对该问题进行求解。最后给出仿真实例,并且与遗传算法进行了比较,结果表明该方法具有较好的效果,且兼具速度快、精度高等特点。     

一种改进的实值负选择算法

通过分析已有实值负选择算法检测率不高的原因,提出一种通过鉴别边界自体样本的改进负选择算法,以提高对检测黑洞的覆盖事.给出算法的改进思想、具体实现过程及优势分析.采用人工合成数据集2DSyntheticData和实际Biomedical数据集对算法进行验证.实验结果表明,该算法检测率较高,所需的检测器数量较少,综合性能较...     

一种混合化学反应优化算法求解最小顶点覆盖问题

最小顶点覆盖问题是组合最优化问题,在实际应用中有较广泛的应用,是一个NP难问题。论文针对最小顶点覆盖问题给出了一种混合化学反应优化求解算法。首先根据无向图的邻接矩阵表示法,设计了参与化学化反应的分子编码和目标函数;同时把贪心算法思想创造性地融入到化学反应优化算法的四个重要反应算子中,以加快局部较优解的搜索过程;最后通过模拟化学反应中分子势能趋于稳定的过程,在问题的解空间中搜索其最优解。模拟实验结果表明,该算法对于求解无向图的最小顶点覆盖问题是有效的,并且在求解效率等方面有一定的改善。     

一种基于Levy飞行的改进蝗虫优化算法

蝗虫优化算法是一种元启发式优化算法,能够用于解决任务调度问题。已有的改进蝗虫优化算法缺乏随机性,跳出局部最优的能力较弱,改进效果不够显著。针对这一问题,本文提出一种基于Levy飞行的改进蝗虫优化算法（LBGOA）。该算法引入基于Levy飞行的局部搜索机制增强算法的随机性,并采用基于线性递减参数的随机跳出策略来提高算法跳出局部最优的能力。CEC测试实验结果表明,所提出的算法拥有较强的搜索能力,在30个测试函数结果中能够获得17个最优解和6个次优解。将所提出的改进算法应用于边缘计算中的任务调度问题。任务调度仿真实验结果表明,所提出的算法能够有效提高搜索效果,相比GOA、OBLGOA、WOA、ALO、DA和PSO算法,LBGOA的搜索效果分别提升7.4%、7.5%、4.8%、27.7%、29.9%和20.7%。     

基于改进自组织临界优化的元启发式灰狼优化算法

针对新型元启发式算法灰狼优化(GWO)算法在寻优过程中易陷入局部最优这一问题,提升该算法获取全局最优解的能力。介绍了该算法的基本原理和建模过程,并在此基础上,结合自组织临界性理论的优点,提出了改进的极值优化(IEO)算法,将IEO融入到GWO模型中,构建基于自组织临界(SOC)优化的改进GWO算法(IEO-GWO)。通过与传统优化算法对于23个基准测试函数在寻优性能上的综合比较,验证了IEO-GWO模型在获取全局最优解性能上的优越性。     

A hybrid algorithm based on particle swarm and chemical reaction optimization

In this paper, a hybrid method for optimization is proposed, which combines the two local search operators in chemical reaction optimization with global search ability of for global optimum. This hybrid technique incorporates concepts from chemical reaction optimization and particle swarm optimization, it creates new molecules (particles) either operations as found in chemical reaction optimization or mechanisms of particle swarm optimization. Moreover, some technical bound constraint handling has combined when the particle update in particle swarm optimization. The effects of model parameters like InterRate, γ, Inertia weight and others parameters on performance are investigated in this paper. The experimental results tested on a set of twenty-three benchmark functions show that a hybrid algorithm based on particle swarm and chemical reaction optimization can outperform chemical reaction optimization algorithm in most of the experiments. Experimental results also indicate average improvement and deviate over chemical reaction optimization in the most of experiments.     

基于内插阵列变换的扩展传播算子实值算法

针对内插阵列变换(VIA)思想在非圆信号波达方向(DOA)估计算法中的应用问题,提出一种基于内插阵列变换的扩展传播算子实值算法——VIA-EPM实值算法。利用真实阵列流型与虚拟阵列流型之间的变换矩阵,将真实阵列输出转换为虚拟阵列输出,再根据信号源为实数的特点,分别求取虚拟阵列输出的实部和虚部,将其串联组合,扩展阵列输出的维数,通过对扩展阵列输出矩阵进行分块并得出扩展传播算子,进而得到一种传播算子(PM)类的DOA估计算法。仿真实验表明：存在阵元位置误差的情况下,VIA-EPM实值算法通过对阵元位置校准数据进行内插阵列变换,取得与阵元位置校准的扩展传播算子实值算法(EPM实值算法)相当的估计性能,保持了阵列扩展能力、高估计精度以及高分辨力;并且在二维阵元位置误差情况下,其估计性能明显优于阵元位置未校准的EPM实值算法。结合VIA-EPM实值算法的计算复杂度分析可以看出：它同时获得了内插阵列变换技术以及信号非圆特性的优势;与复运算相比,其复杂度也相对降低。     

Fuzzy control of an exothermic chemical reaction using genetic algorithms

Establishing suitable control of complex chemical reactions, a requirement in a number of industries, poses a difficult problem because of nonlinearities and frequently changing process dynamics. Researchers at the U.S. Bureau of Mines have developed a technique for producing adaptive fuzzy logic controllers (FLCs) that are capable of effectively managing such complex chemical systems. In this technique, a genetic algorithm (GA) is used to alter the membership functions employed by a conventional FLC; an approach that is contrary to the tactic generally used to provide FLCs with adaptive capabilities in which the rule set is altered. GAs are search algorithms based on the mechanics of natural genetics that are able to rapidly locate near-optimum solutions to difficult problems. The Bureau-developed technique is used to produce an adaptive GA-FLC for a particular system in which an exothermic chemical reaction is conducted. Specifically, formaldehyde is reacted with ammonia in a continuous stirred tank reactor to produce hexamine and water. Results indicate that FLCs augmented with GAs offer a powerful alternative to conventional process-control techniques in the nonlinear, rapidly changing chemical systems commonly found in industry.     

二进制粒子群优化算法在化工优化问题中的应用

优化问题是化工过程的一个主要问题,而由化工问题建模所得到的优化问题大多较为复杂,此时要求的优化算法具有良好的优化性能。粒子群优化算法是新近发展起来的一种优化算法,但其对多极值函数的优化时,易陷局部极值。本文在分析粒子群优化算法的机理、考虑二进制比十进制更易于学习等的基础上,提出采用二进制表示粒子群优化算法,使每个粒子更易于从个体极值与全局极值中学习,从而使算法具有更强的搜索能力与更快的收敛速度,性能测试说明了所提出的算法是有效的．最后将算法用于求解换热网络的优化问题,取得良好效果。     

改进和声搜索算法及其在连续函数优化中的应用

针对一般和声搜索(HS)算法在求解连续函数优化问题时存在的困难,提出一种改进的多样化和声搜索(IDHS)算法。该算法借鉴模拟退火算法的思想对参数的更新方式作出调整,并且限制保存在和声记忆矩阵中的一致和声的数量以增加解的多样性。数值仿真结果表明,与其他几种传统的和声搜索算法相比,该方法进一步提高了计算精度和收敛速度,以及全局寻优能力。     

求解约束化工优化问题的混合布谷鸟搜索算法

针对布谷鸟搜索算法存在收敛速度慢和易陷入局部最优等缺陷,提出一种基于Rosenbrock搜索和柯西变异的混合布谷鸟搜索算法用于求解约束化工优化问题。该算法首先采用佳点集方法对鸟窝位置进行初始化,为全局搜索的多样性奠定基础;然后利用Rosenbrock搜索算法对当前最优位置进行局部搜索,以提高算法的收敛速度;最后对当前最优解进行柯西变异以避免算法陷入局部最优。两个约束化工优化问题的实验结果表明了该混合算法的有效性。     

基于Alopex的野草算法

针对野草算法存在求解精度不高、收敛速度慢的问题,提出一种基于Alopex的野草算法。在原有野草算法框架的空间扩散阶段引入Alopex算法,通过从父代和子代个体自变量和目标函数值的变化情况获得启发信息,指导种群向最优方向进化。结合后的算法能够充分发挥两者的优点,改善野草算法收敛速度以及寻优精度。对典型基准函数的测试结果表明,该算法要优于基本野草算法,表现更为稳定,体现出较好的全局搜索能力,具有更快的收敛速度和更高的寻优精度,更适合于解决其它算法难以解决的高维多峰值函数的优化问题;通过与其它相关智能算法的比较,进一步验证了该算法的有效性。     

自适应布谷鸟算法及其在化工优化中的应用

动态优化问题广泛存在于化工自动控制过程中,对其求解是化工过程工业发展的一个不可忽视的环节。群智能算法求解此类优化问题时不可避免地存在后期收敛速度慢、求解精度的不高等不足,这一直是一个研究热点。针对新兴的布谷鸟算法与以上问题,提出一种变步长自适应布谷鸟搜索算法(VSACS),将基本布谷鸟搜索(CS)算法中的随机步长改进成根据迭代次数自适应调整的步长。通过15个标准测试函数的测试,结果验证了改进的算法有较快的收敛速度和较高的求解精度。最后将改进的算法用于批示反应器、管式反应器、生物反应器等3个典型的化工动态优化问题中,获得了满意的实验结果,同时也进一步表明该算法的有效性。     

竞选算法及其在函数全局最优化问题中的应用

竞选算法是借鉴人类竞选活动中所蕴涵的优化思想而建立的一种优化算法,其搜索机制模拟的是竞选人在整个竞选过程中追求最高支持率的行为。介绍了算法的基本思想、基本原理和计算步骤,并将竞选算法应用于求解函数的全局最优解。通过对标准测试函数优化的数值实验结果表明,竞选算法可快速搜索到函数的全局最优解,并具有较好的稳定性。