七号信令网的A／B平面划分问题及其启发式解法

七号信令网拓扑优化中存在高级信令转接点(HSTP)的A/B平面划分问题,其可归纳为一类新的图的划分问题.该问题被证明难度是NP完备的,神经网络、遗传算法和模拟退火等启发式算法被应用于该问题的求解.为了算法的可比性,精心设计了试验方案,计算结果显示遗传算法和模拟退火可以很高的概率和效率搜索到该问题的最优解.     

改进的模拟退火算法及其收敛性研究

高维连续函数的全局优化问题广泛存在于计算生物学、计算化学等诸多领域。针对这类问题，本文给出了一类改进的模拟退火算法，将局部极小化过程引入模拟退火算法。并采用一种简单的方法证明了该算法以概率1收敛于全局最优解。     

模拟退火算法求解指派问题新探

模拟退火算法是一种随机搜索算法,能渐进地收敛于全局最优解.指派问题是组合优化问题中的一种,可用模拟退火算法来解此问题.模拟退火算法解决指派问题时,需要考虑实现此算法的技术问题,例如解的形式、初始温度的计算等.实验结果表明,该方法能够以一定的概率跳出局部最优,从而实现全局寻优.     

一种求解机组组合问题的改进免疫算法

针对传统免疫算法存在的两大缺陷:容易陷入局部最优平衡状态、进化后期搜索停滞不前。提出一种改进的免疫算法,用模糊推理来动态改变交叉、变异概率,同时把模拟退火的思想引入到算法中,采用确定性和模拟退火相结合的方法选择接种个体。实验证明,改进的免疫算法用于求解机组组合问题时,不仅不易陷入局部最优解,而且它的收敛性和效率都有所提高。     

文化算法求解移动Agent路由规划问题

文化算法的主要思想是明确地从进化种群中获得求解问题的知识,并用于搜索过程.该文对移动Agent的路由问题进行形式化描述,给出了该问题的多约束最优路径求解模型,并提出了一种将模拟退火算法嵌入文化算法框架中来求解移动Agent路由规划问题的方法,根据Metropolis准则接受最优单体以推动文化算法中信念空间的进化.实验结果表明,改进的文化算法与遗传算法相比,解具有较优的结果以及较低的运算代价.     

求根问题的量子计算算法

求根问题是计算数论中的一个困难性问题,为了提高求根问题的求解效率和扩大量子计算的应用范围,对求根问题进行了量子算法的分析.在两大量子算法Shor算法和Grover算法的基础上,提出了2种解决求根问题的量子算法RF-Shor算法和RF-Grover算法.经分析,RF-Shor算法需要多项式规模的量子门资源,能以接近1的概率求出求根问题的所有解.在没有使用任何可提高搜索效率的经典策略的情况下,RF-Grover算法能在O(M/k)步内以至少1/2的概率求出求根问题k个解中的一个解.     

联合补充库存问题的模型及算法

对确定性需求的联合补充问题，有多种算法，这些算法或不能保证最优解或计算复杂性大，因此提出将模拟退火思想引入遗传算法，应用遗传模拟退火算法求解，阐明了该算法的具体实现过程，并通过算例表明该算法可以更有效地解决此类问题。     

求解非线性规划问题的一种新的通用演化算法

提出了一种新的求解非线性规划问题的算法。它是在郭涛算法的基础上提出来的。新算法的主要特点是引入了变维子空间,加入了子空间搜索过程和规范化约束条件,采用了自适应惩罚因子以及增加了处理带等式约束的实数规划,整数规划,0－1规划和混合整数规划问题的功能,使之成为一种真正坚韧的求解非线性规划（NLP）问题的通有算法。数值实验表明,新算法不仅是一种坚韧而又通用的算法,而且与已有算法的计算结果相比,其性能也最优。     

双链基因的退火算法用于激光切割路径优化

为了缩短激光切割路径中的空行程,提高加工效率,同时避免在切割过程中损坏设备,本文分析了切割图元及其数学描述,将切割路径优化问题归结为广义旅行商问题,并提出了一种基于切割路径双链基因表示的模拟退火算法,MATLAB仿真结果表明该方法可以有效地解决上述问题。最后将优化路径和计算机辅助制造里自带优化软件规划的路径作比较,证明本方法可明显缩短激光头的空行程长度,并有效避免了打刀现象。     

一种新的求解移动Agent路由问题优化算法

文章对移动Agent在无线传感器网络中的路由问题进行描述,给出该问题的多约束最优非劣路径求解模型,并提出一种SA-CA算法求解移动Agent路由问题:利用模拟退火(Simulated Annealing,SA)算法接受最优单体以推动文化算法(Cultural Algorithms,CA)中信仰空间的进化,并将搜索步长作为情景知识指导群体空间最优解的搜索.这种双层结构特性减少了搜索时间,表现出较好的全局寻优性能.仿真实验也表明,与粒子群优化算法(PSO)、遗传算法(GA)的计算结果相比,提出的新算法在保证求解准确性的同时,具有更快的收敛速度和较高的可靠性,是解决无线传感器网络多约束QoS路由的有效途径,能提高整个网络的性能.     

蚂蚁算法在工件排序问题中的应用

蚂蚁算法是近年来新出现的一类随机型仿生算法。它已被成功的应用于组合优化问题中,如旅行商(TravelSalesmanProblem,TSP)问题等。运用蚂蚁算法研究m台机器目标函数为最小时间表长的同顺序车间作业排序问题(Fm|prmu|Cmax),设计出解决该问题的算法步骤与流程;并将蚂蚁算法与解决该问题的其它启发式算法进行了比较。比较的结果说明,蚂蚁算法能有效地解决此类问题,其最优结果优于或者与其他算法的最优结果相当。     

求解TSP问题的三角形编码抗体克隆选择算法

在探讨遗传算法求解TSP问题中编码方式和交叉、变异算子作用特点的基础上,发现模板理论已经不能很好地适应TSP问题,主要是因为非二值符号编码和交叉算子对边的过度破坏导致子代难以继承父代的优良模式．为了克服上述问题,提出一种三角形表示的路径编码方案,并给出相应的启发式路径搜索策略;引入生物免疫系统的克隆选择机理加强局部搜索,进而构造一种适合TSP问题求解的人工免疫系统算法--超变异抗体克隆选择算法(HACSA)．典型TSP问题的求解表明,和Endoh等人的免疫算法和遗传算法相比,HACSA的计算复杂度相当,60％以上的求解结果达到或者超过问题已知的最优值,而相应的免疫算法和遗传算法几乎均陷入局部极值,无法获得满意的求解结果．     

三角旋回算法及其在水电厂日前市场优化调度中的应用

为了解决水电复杂巨系统的优化问题,借鉴遗传算法和量子算法,提出一种新的全局优化方法——三角旋回算法（Triangle Gyration Algorithm,TGA）,其具有结构简单、鲁棒性强和快速收敛的特点。算法的寻优过程采用历史最优目标函数值进行指导,利用三角变换进行迭代使其能够快速收敛到全局最优。用一个典型的算例对三角旋回算法进行了性能分析,并且将该算法应用在水电站日前现货市场优化调度中,通过与其他几种常见算法结果进行比较,该算法的优化结果日收益比动态规划增加8.58％,同时通过计算过程可以看出,该算法具有灾变机制,能够防止其过早陷入局部最优;算法结构简单,克服了随机搜索的盲目性,算法的迭代机理和选值与传统优化算法具有本质的差别;目前该算法研究处于初级阶段,具有巨大的可塑性。     

改进遗传算法与粒子群优化算法及其对比分析

进化算法作为一类新的优化搜索方法，广泛应用于各种优化问题．现对简单遗传算法进行了改进，采用实值编码，并与模拟退火算法及基于适值排序和随机选择的方法相结合，形成了改进遗传算法．同时还介绍了一种新的进化算法一粒子群优化算法．将这两种优化算法应用于函数优化，并对优化结果进行了对比分析．比较结果表明，改进遗传算法和粒子群优化算法都可以在函数优化方面表现出较好的健壮性，但在找寻最优解的效率上，粒子群优化算法较好．     

A new evolutionary algorithm for constrained optimization problems

To solve single-objective constrained optimization problems,a new population-based evolutionary algorithm with elite strategy(PEAES) is proposed with the concept of single and multi-objective optimization.Constrained functions are combined to be an objective function.During the evolutionary process,the current optimal solution is found and treated as the reference point to divide the population into three sub-populations:one feasible and two infeasible ones.Different evolutionary operations of single or multi-objective optimization are respectively performed in each sub-population with elite strategy.Thirteen famous benchmark functions are selected to evaluate the performance of PEAES in comparison of other three optimization methods.The results show the proposed method is valid in efficiency,precision and probability for solving single-objective constrained optimization problems.     

嵌入演化策略的双种群遗传算法及其应用

针对标准遗传算法的局限搜索能力差、解的精度低等一些不足,提出了一种嵌入演化策略的双种群遗传算法,即用自适应遗传算法进行种群寻 ,用演化策略优化小种群。将该方法应用于非线性约束优化问题中,结果表明,该算法的局部搜索能力、精度和计算速度较改进前有明显提高。     

基于遗传算法的多无人机协同逆推式路径规划

综合了多无人机群的任务和任务区域的特点,在优化过程中考虑了机群综合获利效益、无人机(UAV)的的最大转弯角限制和多无人机成员间防碰和威胁区域的生存概率,合理构建了UAV任务的目标函数和约束条件。将协同逆推预测控制(CRH)方法引入无人机机群路径规划方法的研究中,并采用遗传算法求出了满足目标和约束要求的控制量。仿真算例表明采用介绍的协同逆推式路径规划算法,任务空间中无人机能够自动地分别访问不同的目标以得到最大的获利值,证明了算法的有效性。     

一种提高DBSCAN聚类算法质量的新方法

针对基于密度带有“噪声”的空间聚类应用(DBSCAN)聚类算法存在的3个主要问题: 输入参数敏感、对内存要求高、数据分布不均匀时影响聚类效果,提出了一种基于遗传方法的DBSCAN算法改进方案数据分区中使用遗传思想的DBSCAN算法(DPDGA)来提高聚类质量．利用遗传算法改进K-means算法来获取初始聚类中心;对数据进行划分,在此基础上对划分的每一部分使用DBSCAN算法进行聚类;合并聚类的结果．仿真实验表明,新方法较好解决了传统DBSCAN聚类算法存在的问题,在聚类效率和聚类效果方面均优于传统DBSCAN聚类算法．     

用改进蚁群算法求解多目标优化问题

蚁群算法是一种崭新的仿生模拟进化算法,该算法在许多领域已经得到应用。多目标优化问题是一类很重要的优化问题,优化与求解较难。对此,提出了一种改进蚁群算法用于求解多目标优化问题,得到一组变量的权重后,用一定数量的蚂蚁在解空间中首先随机搜索,然后模拟蚂蚁寻食的方式,通过信息素来指引搜索。给出了具体的算法,示例仿真说明了其有效性,并表明该算法可以快速发现多个全局最优解。     

模糊多目标遗传算法及其在营养决策中的应用

讨论了用进化算法来解决多目标优化问题，提出用一个模糊增强Pareto进化算法FSPEA来解决多目标优化问题，并且通过与其他4种算法所获得的解进行比较来分析FSPEA算法的性能．最后把FSPEA应用到营养分析和决策的优化问题来获求最佳膳食营养结构．结果证明了该算法的有效性．