具有能级稳定过程的MQHOA优化算法

在量子模型下将优化问题转化为求解约束态的基态波函数问题,通过泰勒近似采用谐振子势阱对目标函数进行逼近,类比量子谐振子的波函数图像提出了一种改进的多尺度量子谐振子优化算法。算法包括3个基本迭代收敛过程：能级稳定过程、能级降低过程和尺度降低过程,算法的收敛过程与物理模型基本吻合。改进算法将主观控制参数减少为1个,同时参照量子模型定义了算法的波函数和零点能。实验结果表明,改进算法的复杂函数优化性能优于多种常见优化算法,对于Ackley、Griewank、Sphere、Sum Squares、Zakharov等高维标准测试函数均能以100%的概率获得全局最优解。     

基于细菌群体趋药性的函数优化方法

本文在细菌趋药性(Bacterial Chemotaxis,BC)优化算法基础上提出一种基于群体智能的函数优化方法-细菌群体趋药性(Bacterial Colony Chemotaxis,BCC)算法.细菌群体趋药性算法同时使用单个细菌在引诱剂环境下的应激反应动作和细菌群体间的位置信息交互来进行函数优化.细菌群体趋药性算法在保留单个细菌较强的搜索能力的基础上克服了细菌趋药性算法收敛速度较慢,性能难以与其他常用的智能优化算法比较的不足.对不同函数优化试例的仿真表明细菌群体趋药性算法性能良好,是一种具有进一步研究价值的集群函数优化方法.     

一种基于免疫的抗体优化策略及应用

受自然免疫系统相关机理的启发,本文提出了一种引入进化梯度的免疫遗传算法(EG-IGA)并应用于抗体的优化。该算法基本思想是将生成的多样性抗体,分成若干个小生境,并排挤掉同一个小生境中的较差抗体,保留优良抗体;然后执行GA交叉、变异等操作:再利用进化梯度为优良抗体标记进化方向,按标记的进化方向继续局部寻优,以较快的速度寻找最优的抗体种群。最后将EG-IGA算法和NGA算法分别运用在同一个多峰值函数上,实验结果表明,本文所提出的EG-IGA算法具有提高解的精度及收敛速度、找到更多最优解等特点。     

M-精英协同进化分子动理论优化算法

提出了一种M-精英协同进化分子动理论优化算法(MECKMTOA, M-elite coevolutionary KMTOA)。该算法基于M个精英以尽量避免发生错误引导,通过精英间的学习与协作提高算法的收敛精度,采用新型的波动算子防止算法陷入按维早熟。测试结果表明,MECKMTOA在求解精度、算法稳定性、高维函数求解等方面均表现出良好性能。     

基于改进灰狼优化算法的服务功能链映射算法

随着工业互联网、车联网、元宇宙等新型互联网应用的兴起，网络的低时延、可靠性、安全性、确定性等方面的需求正面临严峻挑战。采用网络功能虚拟化技术在虚拟网络部署过程中，存在服务功能链映射效率低与部署资源开销大等问题，联合考虑节点激活成本、实例化开销，以最小化平均部署网络成本为优化目标建立了整数线性规划模型，提出基于改进灰狼优化算法的服务功能链映射（improved grey wolf optimization based service function chain mapping，IMGWO-SFCM）算法。该算法在标准灰狼优化算法基础上添加了基于无环K最短路径（K shortest path，KSP）问题算法的映射方案搜索、映射方案编码以及基于反向学习与非线性收敛改进三大策略，较好地平衡了其全局搜索及局部搜索能力，实现服务功能链映射方案的快速确定。仿真结果显示，该算法在保证更高的服务功能链请求接受率下，相较于对比算法降低了11.86%的平均部署网络成本。     

Research of stochastic weight strategy for extended particle swarm optimizer

To improve the performance of extended particle swarm optimizer, a novel means of stochastic weight deployment is proposed for the iterative equation of velocity updation. In this scheme, one of the weights is specified to a random number within the range of [0, 1] and the other two remain constant configurations. The simulations show that this weight strategy outperforms the previous deterministic approach with respect to success rate and convergence speed. The experiments also reveal that if the weight for global best neighbor is specified to a stochastic number, extended particle swarm optimizer achieves high and robust performance on the given multi-modal function.     

具有异构分簇的粒子群优化算法研究

 粒子群优化(Particle Swarm Optimization,PSO)算法在复杂多峰函数可行域空间搜索时极易陷入局部极值点.研究表明改变种群拓扑结构和调整算法参数有助于改善种群的多样性,但是目前研究中少有同时考虑种群全局拓扑结构和局部粒子个体能力.本文提出一种具有异构分簇特性的自适应PSO算法.该算法采用K-均值聚类算法对种群进行动态分簇,形成多异构子群,并采用Ring型拓扑结构进行子群间信息流通.而后采用基于寻解水平评价的粒子自适应参数调整策略进行个体调整.通过实验分析表明该算法能够提高粒子群优化的种群的多样性、粒子活性、搜索能力和收敛性能,同时也降低了算法对参数初值的依赖性.     

近红外无创测量前放噪声的优化设计

对光电测量前放电路I2V 转换电路的噪声模型进行了详细的分析,构造出其优化设计 的目标函数,并将之应用于脑血氧饱和度的无创测量的研究中,取得令人满意的效果。     

一种新的准连续波雷达波形设计方法研究

针对连续波雷达的泄漏及准连续波雷达的距离遮挡问题,提出了一种新的准连续波雷达波形,该波形基于最佳码和Gold码复合得到。文中对所设计波形的损失函数和模糊函数进行了分析和仿真,证明了该波形具有较低的距离遮挡和截获概率。     

求解约束优化的一种新的进化算法

罚函数法是解决约束优化最常用的方法,但如何确定罚因子是其难以克服与回避的问题.该文提出的求解约束优化问题的新的进化算法克服了这一困难,其基本思想是对种群中的个体按可行和不可行分别采取两种评价方案,对可行解按其目标函数值的大小加以评价,对不可行解按其违反约束的程度进行评价.作为评价个体优劣的适应度函数将可行点映射到(-1,1),将不可行点映射到(1,2),这样有效地区分了可行点与不可行点.数据实验与比较结果表明了该算法的有效性.     

广义Chebyshev最优滤波器设计

本文论证了等波纹广义Chebyshev函数滤波器的最优化特性,提出了由设计指标得到广义Chebyshev函数的方法,并且引入信号流图非常简便的得到了对应网络的拓扑结构,最终完成滤波器的设计.本文对具有带外传输零点的滤波器设计具有相当重要的意义.     

基于函数复杂度的自适应模拟退火和禁忌搜索新算法

在求解多峰复杂函数的过程中,传统的模拟退火算法和禁忌搜索算法经常出现算法快速收敛于局部最优解、后期收敛速度变慢和搜索能力变差等问题.为解决这些问题,本文给出函数复杂度的定义,并提出基于函数复杂度的自适应模拟退火和禁忌搜索算法.该算法首先根据函数复杂度自适应调整步长控制参数,然后根据调整后步长求得函数的粗糙解,在此基础上再使用初始步长求得全局最优解.实验表明,该算法不仅可以跳出局部最优解的限制,并且减少了迭代次数,有效地提高了全局和局部搜索能力.     

引入逆学习的量子自适应禁忌搜索算法

为增强量子进化算法的局部优化能力,结合禁忌搜索思想,提出一种具有逆学习机制的量子自适应禁忌搜索算法.算法采用一种量子自适应邻域映射机制,且禁忌表的禁忌长度可随量子态动态调整,这些策略较好的解决了集中性和多样性搜索的矛盾.另外,算法增加了一种能使个体尽快摆脱劣势区域的逆学习量子更新模式.设计的算法能较好的平衡全局和局部搜索,能有效避免量子过快陷入局部极值.通过实验表明提出的算法具有更好的局部搜索能力.     

基于贪婪思想的二阶段无线传感器网络定位算法

近些年来,将优化算法应用到节点定位问题当中成为了一个研究热点.本文假设下一次定位结果为准确坐标,对前后两次定位结果邻居节点之间距离关系进行深度分析和推导,得到一个邻域函数.在此基础上根据贪婪思想,提出了贪婪定位算法.为了达到更精确的定位结果,本文将贪婪定位算法分成两个阶段:第一阶段,根据贪婪迭代优化得到一组初始定位结果;第二阶段将满足一定条件的未知节点升级为锚节点,重新执行第一阶段的过程,重复第二阶段,直到没有未知节点可以升级为锚节点为止.实验结果表明,无论是定位精确度还是算法执行时间,本文所提算法都比当前的一些优化定位算法要好.     

硬件化演化算法在函数优化上的运用

针对用软件实现的演化算法普遍存在的执行速度慢、不能满足实时应用需求等特点,这里使用基于Altera公司的CycloneⅡ型号的FPGA,及用VHDL实现一种比较先进的演化算法,并详细给出硬件实现的一体化操作和仿真步骤,从演化算法的软件实现到演化算法的硬件化;以及用此硬件化演化算法求解一些函数的优化问题。实验结果表明,用这种硬件化的演化算法可以大大提高演化算法的运算速度、同时收敛速度快、效果好,为演化算法在实时场合的运用提供了一种可能性。     

先锋遗传算法在多峰值函数优化中的应用

本文对遗传算法应用于多峰值数值函数优化进行了研究,通过对算法的综合和改进,克服了传统遗传算法计算多峰值函数时容易出现的遗传漂移问题,实现了优化目的,证实了先锋遗传算法应用于此类问题的可行性和有效性.     

噪声环境下多模态函数优化的遗传算法

 针对噪声环境下多模函数的优化,本文理论上分析了噪声对多模函数优化的全局收敛性和收敛精度的影响,并通过全局区域搜索率和全局区域收敛精度分析噪声对算法的影响程度.实验结果和分析表明,增加多模函数寻优难度和噪声强度,遗传算法的全局区域搜索率都在下降,全局区域收敛精度总体变差;重采样的方法能够有效提高算法的全局区域搜索率,总体改善算法的全局区域收敛精度;确定性排挤遗传算法(Deterministic Crowding Genetic Algorithm,DCGA)和多种群遗传算法(Multi-Population Genetic Algorithm,MPGA)的全局区域搜索率和全局区域收敛精度要优于杰出保留遗传算法(Elist Genetic Algorithm,EGA).     

NFV数据平面的网络性能优化技术

近年来,NFV因为其部署灵活、成本低廉等优良特性,受到了学术界与工业界的广泛关注.然而,性能问题在NFV发展过程中变得愈加明显,逐渐成为制约NFV技术进步的主要瓶颈.针对影响NFV数据平面网络性能的主要因素进行了归纳概述,分析了NFV的性能瓶颈所在,并在此基础上进一步归纳了相应的优化方法.最后,简要介绍了当前比较成熟的两种系统架构,能够显著提升NFV数据平面的网络性能.     

高维多目标优化问题融入决策者偏好的集合进化优化方法

高维多目标优化问题普遍存在且非常重要,但是,已有的解决方法却很少.本文提出一种有效解决该问题的融入决策者偏好的集合进化优化方法,该方法首先基于决策者给出的每个目标的偏好区域,将原优化问题的目标函数转化为期望函数;然后,以原优化问题的多个解形成的集合为新的决策变量,以超体积和决策者期望满足度为新的目标函数,将优化问题转化为2目标优化问题;最后,采用多目标集合进化优化方法求解,得到满足决策者偏好且收敛性和分布性均衡的Pareto优化解集.将所提方法应用于4个基准高维多目标优化问题,并与其他2种方法比较,实验结果验证了所提方法的优越性.     

多峰函数优化的黄金分割斐波那契树优化算法

针对多峰函数优化问题，基于斐波那契树优化算法，结合黄金分割思想，提出一种黄金分割斐波那契树优化算法.该算法利用斐波那契树优化算法全局局部交替寻优特性，通过在寻优过程中对优化问题解空间进行黄金分割比例压缩，从而提高算法局部搜索能力与小峰值搜索能力.多峰函数优化的仿真结果表明，该算法多峰优化能力强、速度快、精度高.