基于直觉模糊熵的改进粒子群算法求解WTA问题

为了提高求解武器目标分配问题的效率和性能,提出了一种基于直觉模糊熵的改进粒子群算法(IFEIPSO)。首先,针对WTA问题的多约束条件建立了整数编码方案,降低了问题的复杂性;其次,采用一种交换操作和模拟退火机制对粒子群算法的局部最优解进行更新,从而得到更优的局部最优解和全局最优解,以增加算法的局部搜索能力;最后,以直觉模糊熵作为种群多样性的测度,根据熵值大小对种群进行变异操作,提高种群的多样性,增加算法的全局搜索性能。仿真实验结果表明,该算法很好地提高了粒子群算法的寻优能力,有效地解决了WTA问题。     

基于蛙跳算法的零空闲流水线调度问题优化

针对零空闲流水线调度问题,以E/T指标最优为优化测度,提出了一种蛙跳求解算法。首先,该算法采用新的个体产生方法,扩展传统蛙跳算法的求解模型。其次,使用带有启发式策略的种群初始化方法优化初始解性能。再次,借助基于种群多样性的方法进行排序和分组,并通过部分随机初始化策略保持种群多样性。最后,结合一种简单而有效的邻域搜索算法,达到局部探索和全局搜索之间的平衡,进而提高收敛速度。在若干benchmark问题上的仿真实验表明了所提算法的有效性。     

多目标遗传算法在船闸调度中的应用

针对传统水运调度效率低下的现象提出一种基于优化多目标遗传算法的船闸调度方法。借鉴生物进化过程，将船闸排档结果定义为进化对象的个体，进行染色体编码和种群初始化；根据不同调度指标构建目标函数，对初始种群进行个体适应度计算；反复按序进行选择操作、交叉操作和变异操作，从全局的角度进行评估决策，输出满足调度需求的最优排档方案，并使用长洲船闸的实际数据进行实验，结果表明该方法既提高船闸利用率又缩短调度时间。     

多群协同PSO优化算法的WTA问题求解

在现代作战指挥的研究中,武器目标分配(WTA)问题是一种典型的NP问题,针对基本粒子群(PSO)算法易于陷于局部最优解的情况,为提高速度和求解精度,提出用多群协同PSO算法求解WTA问题,设计了一种新的种群生成编码方法,缩小了可行解空间,并给出了采用多群协同PSO算法进行求解WTA问题的详细步骤.对于大规模WTA问题,将三群协同、四群协同PSO算法与基本PSO算法进行了比较,仿真结果表明了多群协同PSO算法当WTA问题规模较大时,在求解精度、收敛速度方面的优越性,能够有效求解WTA复杂而困难的问题.     

改进的萤火虫算法求解阻塞流水线调度问题

为了提高阻塞流水线调度问题的求解性能,提出了一种改进的萤火虫算法来求解阻塞流水线调度问题.首先,提出一种离散机制把个体的实数编码形式转换成离散的作业序列,从而使算法能够应用于离散问题求解;其次,设计一种双重初始化方法,并将NEH启发式方法应用到初始化中来,使算法有一个较优的初始化环境,提高初始种群的解的质量;此外,重新设计了算法中个体的移动方式来增大搜索域;最后,以一定概率对种群中的个体进行局部搜索,加强算法的局部搜索性能.通过对Taillard数据集中部分实例进行求解,实验结果验证了新算法的有效性.     

基于混沌序列的多种群入侵杂草算法

针对入侵杂草优化算法存在的早熟现象,提出一种基于混沌序列的多种群入侵杂草优化算法。首先,算法初始化时,利用混沌序列初始化种群提高初始解的质量;其次,在算法迭代过程中,若个体的聚集程度小于阈值时,再次用混沌序列重新初始化种群,使得算法迭代过程中能够有效地跳出局部极小;最后,将杂草种群分为5个种群协同合作,可有效地避免算法早熟现象,提高算法的寻优精度和收敛速度。通过对8个测试函数的测试,结果表明,所提算法获得最优值比基本入侵杂草优化算法精度提高了25％~300％;标准差提高了50％~100％。     

求解连续空间优化问题的改进蜂群算法

为了有效地解决人工蜂群算法容易陷入局部最优的缺陷,提出了一种改进蜂群算法。首先,利用反向学习方法构建初始种群,以提高初始化解的质量。同时,利用分布估计算法构造优秀个体解空间的概率模型以进行邻域搜索,以改善算法的搜索性能并防止陷入局部最优。对连续空间优化问题进行了仿真实验,结果表明改进算法具有较快的收敛速度,全局寻优能力显著提高。     

二次划分和改进遗传算法的机器人路径规划

针对已有基于遗传算法的机器人路径规划的栅格建模方法粒度难以控制及种群初始化等方面的不足,提出了根据障碍物启发信息对环境二次划分的方法,以使得种群染色体长度具有自适应环境的特点,从而有效地提高算法的优化效率和性能,同时,提出了基于保险矩阵初始化种群新方法,可提高初始种群在搜索空间的遍历性和有效性。仿真实验结果表明：应用该算法,机器人可在具有复杂障碍物的环境中快速规划出一条全局优化路径,且能安全避障,效果显著。     

基于细菌觅食的FCM聚类算法

针对FCM聚类算法对初始聚类中心敏感和易陷入局部最优解的缺点,提出一种基于细菌觅食的细菌觅食聚类算法。将细菌觅食算法与FCM算法相结合,并以反向学习来初始化细菌种群,增加种群的多样性和代表性,求得的最优解作为FCM算法的初始聚类中心,使FCM算法对初始聚类中心的依赖性降低,同时也降低了陷入局部最优解的可能性,提高了算法的稳定性。实验结果表明,该算法克服了FCM算法稳定性差的缺点,收敛速度更快,具有良好的性能和聚类效果。     

改进型蝙蝠算法在作业车间调度问题中的应用

针对一类以最小化最大完工时间为目标的作业车间调度问题（Job Shop scheduling Problem,JSP）,提出了一种改进型蝙蝠算法（Improved Bat Algorithm,IBA）。为了克服基本蝙蝠算法在求解该类离散组合优化问题存在的局限性,首先对编码方案进行了设计,实现了算法中离散问题的连续编码;然后采用基于G&T算法和随机生成的方法初始化种群,以提高初始解的质量。此外,还引入了变邻域搜索策略,以避免算法早熟收敛,提高IBA算法的性能。最后,基于JSP问题的基准算例进行了大量仿真对比实验,结果显示了IBA算法的可行性和有效性。     

一种增强局部搜索能力的改进人工蜂群算法

针对人工蜂群算法初始化群体分布不均匀和局部搜索能力弱的问题,本文提出了一种增强局部搜索能力的人工蜂群算法（ESABC）。首先,在种群初始化阶段采用高维洛伦兹混沌系统,得到遍历性好、有规律的初始群体,避免了随机初始化的盲目性。然后,采用基于对数函数的适应度评价方式,以增大种群个体间差异,减小选择压力,避免过早收敛。最后,在微分进化算法的启发下,提出了一种新的搜索策略,采用当前种群中的最佳个体来引导下一代的更新,以提高算法的局部搜索能力。通过对12个经典测试函数的仿真实验,并与其他经典的改进人工蜂群算法对比,结果表明:本文算法具有良好的寻优性能,无论在解的精度还是收敛速度方面效果都有所提高。     

基于正交差分演化无迹卡尔曼滤波的短时交通流量预测算法

针对复杂交通路段下的短时交通流量模型的参数估计问题,建立了基于宏观交通流量预测的状态空间模型,提出了基于正交自适应差分演化的无迹卡尔曼滤波(UKF)算法,解决交通流量预测动态模型的参数优化问题.对差分演化算法(DE)的初始化过程,使用基于正交设计和量化技术的交叉算子最大限度地提高种群的多样性,平衡差分演化算法的开采性和勘探性,更高效地搜索无迹卡尔曼滤波的模型参数.并针对UKF、DE的不同情况,分别采用不同的自适应策略提高调节算法性能.实验结果表明,相对于单独使用随机分布的方式初始化,或者根据经验设置模型参数的方法,使用正交设计方法的初始化策略、变异算子以及参数自适应控制策略的差分演化算法能够有效地节省计算资源,提升预测性能和精度,具有更高的鲁棒性.     

基于搜索空间划分与Canopy K-means聚类的种群初始化方法

为了提高差分进化算法对搜索空间的探索与开发能力,提高差分进化算法的收敛性与算法的进化效率,提出一种基于搜索空间均匀划分与局部搜索和聚类相结合的种群初始化方法.该方法首先对决策变量空间进行均匀划分,并从各个子空间中随机选择一个个体,得到的个体能够覆盖整个搜索空间;然后,利用Hooke-Jeeves算法对各子空间进行局部搜索得到局部最优的个体,并结合改进的Canopy算法与K-means聚类算法,辨识搜索空间中的前景区域,以此为基础对局部搜索产生的局部最优个体进行筛选,最终生成初始种群中的个体.通过与其他种群初始化方法对CEC2017中5个测试函数进行实验对比,所提出的方法的运行时间可缩减为已有方法的0.75倍,适应度函数可减少为已有方法的0.03倍,且具有最小的标准差以及最优的收敛特性.     

Initialization strategies and diversity in evolutionary timetabling

This document seeks to provide a scientific basis by which different initialization algorithms for evolutionary timetabling may be compared. Seeding the initial population may be used to improve initial quality and provide a better starting point for the evolutionary algorithm. This must be tempered against the consideration that if the seeding algorithm produces very similar solutions, then the loss of genetic diversity may well lead to a worse final solution. Diversity, we hope, provides a good indication of how good the final solution will be, although only by running the evolutionary algorithm will the exact result be found. We will investigate the effects of heuristic seeding by taking quality and diversity measures of populations generated by heuristic initialization methods on both random and real-life data, as well as assessing the long-term performance of an evolutionary algorithm (found to work well on the timetabling problem) when using heuristic initialization. This will show how the use of heuristic initialization strategies can substantially improve the performance of evolutionary algorithms for the timetabling problem.     

A method for least-cost QoS multicast routing based on genetic simulated annealing algorithm

A method for least-cost QoS multicast routing based on genetic simulated annealing algorithm (NGSA) is presented. Genetic algorithm and simulated annealing algorithm are combined to improve the computing performance in this method. The chromosomes of the multicast tree are represented by tree structure coding to save the time of conversion between encoding space and solution space. A new population initialization method is used to make sure that every chromosome in initial population is reasonable multicast tree without loops. The adaptive crossover probability is used to improve the evolutionary efficiency. The simulation results show that this method has high speed of convergence and search capability. And the problem of least-cost QoS multicast routing is solved effectively.     

高斯混合模型聚类中EM算法及初始化的研究

EM算法是参数估计的重要方法,其算法核心是根据已有的数据来迭代计算似然函数,使之收敛于某个最优值。EM算法收敛的优劣很大程度上取决于其初始参数。运用EM算法来实现高斯混合模型聚类,如何初始化EM参数便成为一个关键的问题。在比较其他的初始化方法的基础上,引入“binning”法来初始化EM。实验结果表明,应用binning法来初始化EM的高斯混合模型聚类优于其它传统的初始化方法。     

基于CenSurE特征的虚实配准方法研究

针对虚实配准的高精度和实时性要求, 提出了一种基于CenSurE特征的自适应虚实配准方法。该方法包括离线初始化和在线跟踪两个阶段。离线阶段系统利用CenSurE-OCT滤波器和MU-SURF描述符进行特征提取和匹配操作, 并根据特征匹配集合建立坐标系, 同时求得虚实配准的初始矩阵。在线跟踪阶段系统采用自适应跟踪方法获取当前图像特征点与参考特征点的对应关系, 然后利用误差逼近的方法求得当前图像的虚实配准矩阵。实验结果表明, 该方法的配准误差均值为1. 91　mm, 运算速度为21 fps, 其综合性能优于基于FAST、SIFT和SURF等局部特征的虚实配准方法, 具有较高的配准精度和较强的实时性。     

基于对立策略的螺栓遗传算法

为进一步提高螺栓遗传算法的优化效率,加速寻优过程,提出基于对立策略的螺栓遗传算法。该算法在种群初始化阶段和变异阶段均用对立取代随机方式,提高产生解的质量。利用测试函数对算法的效率进行检验,将其与差分算法、遗传算法、粒子群算法和螺栓遗传算法进行对比,结果表明,新算法具有更快的收敛速度和更高的求解精度。     

A cluster centers initialization method for clustering categorical data

The leading partitional clustering technique, k-modes, is one of the most computationally efficient clustering methods for categorical data. However, the performance of the k-modes clustering algorithm which converges to numerous local minima strongly depends on initial cluster centers. Currently, most methods of initialization cluster centers are mainly for numerical data. Due to lack of geometry for the categorical data, these methods used in cluster centers initialization for numerical data are not applicable to categorical data. This paper proposes a novel initialization method for categorical data which is implemented to the k-modes algorithm. The method integrates the distance and the density together to select initial cluster centers and overcomes shortcomings of the existing initialization methods for categorical data. Experimental results illustrate the proposed initialization method is effective and can be applied to large data sets for its linear time complexity with respect to the number of data objects.