二分图约束的顶点覆盖问题的快速算法

对超大规模集成电路芯片(VLSI)的缺陷修复可归结为受二分图约束的顶点覆盖问题，该问题属于NP完全问题。目前仍不能在多项式时间内对该问题求解。本文应用参数计算理论，将问题化简为与输入问题规模无关的问题来求解。并利用二分图的特性，提出了一种简单、高效的算法，大大提高了修复速度。     

基于微流控技术图顶点着色问题的DNA计算模型

为减少DNA计算中的人为操作,实现对生化操作的精确控制,设计了一种基于微流控技术求解图顶点着色问题的微流控DNA计算模型。通过温度来控制微反应器中DNA链库与磁珠探针的杂交与变性,并利用不同电极间的电位差来驱动DNA分子在微通道内移动以实现整个计算过程。分析表明,采用本文模型可以自动化地求解任意一个图顶点着色问题,提高了DNA计算的可靠性。     

箱型约束优化问题的免疫进化的微粒群算法

通过引入免疫进化项,提出一个求解箱型约束优化问题的新的算法—免疫进化的微粒群算法。该算法利用8个典型的测试函数进行数值实验,且与被动聚集的微粒群算法、全局版本的微粒群算法、局部版本的微粒群算法和具有压缩因子的微粒群算法进行计算比较,计算结果表明免疫进化的微粒群算法是求解箱型约束优化问题的一个高效的算法。     

列队竞争算法求解多目的厂间歇过程调度问题

由于组合爆炸特性，多目的厂的调度问题很难求解大规模甚至中等规模的问题，本研究采用一种新的随机型进化搜索算法——列队竞争算法对该问题进行求解，引入新的选择策略和变异方法。计算表明，同已有的方法相比，该方法求解效率高、收敛速度快、使用简单方便，可有效的克服计算负荷和求解质量之间的冲突，是一种求解多目的厂间歇过程调度问题的有效算法。     

一种凸多边形的交、并求解算法

凸多边形交、并求解的难点在于如何维护结果多边形的顶点序列.提出了以顶点与多边形的空间拓扑关系为基础,将不同拓扑关系的顶点进行重新组合的方法来解决任意2个凸多边形交、并的求解问题.算法易于编程实现,能够较好的求解二维凸多边形区域各种情况的交与并,可为G IS应用中矢量多边形之间的关系计算提供算法基础.     

一种求解约束优化问题的进化规划型文化算法

为了求解复杂约束优化问题,提出了一种新的进化算法——进化规划型文化算法。求解过程中,在基于自适应的文化算法中引入进化规划,有效利用进化过程中相关知识引导种群进化。针对约束优化问题,对这一算法的信念空间进行了设计,并利用基准函数和丁烯烷化生产调度问题进行了仿真,仿真结果表明该算法具有较好的全局搜索能力,而且大大减少了计算量。     

一个与Powell搜索相结合的混合免疫进化算法

提出一个求解无约束最优化问题的新的混合算法-Powell搜索法和免疫进化算法的混合算法.该算法不需要计算梯度,容易应用于实际问题中.通过对免疫进化算法的修正,使混合算法具有更加精确和快速的收敛性.本文主要目的是通过加入混合策略说明免疫进化算法是能够被改进的.利用4个基准测试函数进行仿真计算比较,结果表明新混合算法在解的搜索质量、效率和关于初始点的鲁棒性都远优于免疫进化算法.仿真结果表明了新算法是求解无约束最优化问题的一个高效的算法.     

基于多种群改进差分进化算法的环境／经济电力调度优化

应用多种群改进差分进化算法求解环境/经济电力调度(Environmental/Economic Dispatch,EED)这一多目标优化问题。将多种群策略引入差分进化算法,有助于保持群体多样性,有效避免经典差分进化算法的早熟收敛问题。采用自适应变异因子及交叉因子,使算法在搜索初期保持全局搜索能力,在搜索后期增强局部搜索能力,加快收敛速度。将该算法应用到IEEE 30节点-6机组系统的环境/经济调度优化,仿真计算结果以及与其他算法的对比分析验证了该算法的有效性。     

三角进化算法在非线性回归模型建立中的应用

非线性回归模型的建立是一类重要的问题,给出了一种基于三角进化算法的求解方法。利用最小二乘法将问题中参数的求解转化为无约束函数优化问题,而后利用种群并行搜索策略的三角进化算法对其求解。此方法不受问题连续、光滑的限制,避免了大量求导的计算,数值实验的结果证明了该算法的全局收敛性和有效性。     

基于商业电力系统分析软件的智能计算平台设计及应用

设计并建立一个基于商业电力系统分析软件的智能计算平台,分别介绍软件设计、算法和应用3个方面的相关情况。在计算平台的软件设计方面,采用可扩展性、模块化及可复用的设计思想,特别是进化算法软件采用了plug-in算法和算子分离的设计思想,增加算法软件模块的灵活性和可扩展性。在算法研究方面,简要回顾暂态稳定约束优化问题（SOPF）的模型及求解SOPF问题遇到的挑战,描述一类特殊的SOPF问题--基于最小控制代价模型的低频减载（UFLS）参数优化问题,并提出应用进化计算方法求解UFLS优化问题的算法步骤.在应用研究中,采用智能计算平台中的DE算法解决一个实际系统的UFLS优化问题,初步展示利用智能计算平台开展科研工作的潜力.     

改进差分进化算法在非线性模型预测控制中的应用

为了解决非线性模型预测控制在实际工程系统应用时,传统方法求解非凸的非线性规划问题容易陷入局部极小,计算量随着问题维数的增加呈几何级数增长的问题,对传统的差分进化算法进行了改进.通过动态调节差分进化算法的主要参数加快差分进化算法的收敛速度,同时采用多种突变策略增加种群的多样性,有效克服了传统差分进化算法容易陷入局部极小的缺点.在简单三容液位系统上的仿真实验结果证明了该算法的有效性和可行性,在工业应用中具有较好的应用前景.     

波长选路光网络的一种新的波长分配算法

研究了波长选路网络光路径层设计中的波长分配问题,给出了一种新的数学描述。结合波长选路网络的特点和路径图的概念提出了一种新的波长分配算法。通过对路径图的顶点着色问题的求解得到波长分配方案。     

免疫量子进化算法

将免疫的概念和方法引入到量子进化算法中，提出一种新型的进化算法——免疫量子进化算法。该算法在保留原算法优良特性的前提下，力图有选择、有目的地利用待求问题中的一些特征信息或先验知识，抑制或避免求解过程中的一些重复或无效的工作，以提高算法的整体性能。对背包问题的仿真实验表明，免疫量子进化算法的性能优于经典的进化算法、免疫进化算法、量子进化算法等3种算法。     

求解车辆路径问题的量子差分进化算法

基于量子差分进化算法在解决组合优化问题时表现出的计算效率及优化性能方面的优势,提出应用量子差分进化算法求解车辆路径问题,将量子比特解码为表示顾客顺序的实数量子染色体,设计了基于量子比特概率幅的差分交叉和变异算子以保持种群多样性,构建了动态量子旋转门进行变领域搜索,提出应用贪婪准则进行量子更新选择,将设计的算法应用于典型车辆路径问题,求解结果表明算法具有较好的鲁棒性,与标准CVRP算例的对比结果表明笔者算法是求解中、小型规模算例的一个有效算法。     

遗传算法求解TSP的进化策略

本文提出用遗传算法（ＧＡ）求解旅行商问题（ＴＳＰ）的一整套进化策略，包括染体的编码、反向运算、循环运算、交换运算。其中除反向运算外，均与通常的ＧＡ算法所采用的策略不同。文中解释了它们的几何意义。用该算法求解中国３１个城市的ＴＳＰ问题得到了１５４０４公里的新的路径长度。计算结果表明整个算法是有效的。     

求解约束优化问题的微粒群算法

微粒群算法(简称PSO算法)是一种新型的进化计算方法，已在许多领域得到了非常成功的应用。本以约束优化问题为对象，首先介绍了采用罚函数法将约束优化问题化为无约束优化问题，和将约束优化问题转化为minmax问题，然后对无约束优化问题和minmax问题，采用PSO算法进行进化求解；在此基础上，以目标函数和约束满足分别为优化目标提出了一种双微粒群的PSO算法。仿真实验结果验证了方法的正确性与有效性。     

基于链式遗传-模拟退火混合算法的电网扩展规划

将模拟退火机制引入到食物链生态进化算法,提出了链式遗传-模拟退火混合算法（CAGSAH）,对种群执行并行退火操作,弥补食物链生态进化算法爬山能力不足,提高算法全局寻优能力。给出了链式遗传-模拟退火混合算法的详细计算流程,并将其应用到求解电网扩展规划问题,实际计算结果显示链式遗传-模拟退火混合算法在搜索效率及收敛性能上明显优于食物链生态进化算法。     

一种求解二重积分的差分进化算法

针对传统方法和基本差分进化算法在求解数值积分方面存在的不足,提出了一种求解二重积分的差分进化算法,该方法的基本思想是在矩形积分区域的两个方向上各自随机选取一定的节点,通过改进的差分进化算法对这些节点进行优化,以优化后的节点作为分割点计算二重积分值,数值试验表明,本文算法得到的积分值精确度高,而且收敛速度快,在科学计算中具有一定的应用价值.     

差分进化算法在物流配送路径优化中的应用

研究无时限单向物流配送车辆路径问题,主要考虑车辆容量、最大距离等约束,考虑车辆满载情况,以车辆非满载率最小、总的行驶路径最短为目标,提出了该物流配送问题的多目标优化问题的数学模型,运用差分进化算法求解该问题.算法构造了合适的编码方法,应用Matlab语言编程进行实例仿真计算,得到了模型的最优解,验证了算法的有效性.     

一种求解最大团问题的蚁群算法

将最大团问题看作子集类问题,提出了基于子集类问题的特殊蚁群算法用于求解最大团问题。该算法将信息素和局部启发信息与图的顶点相关联,而不再与边相关联,从而提高算法的运行速度。仿真实验研究表明,该算法较传统求解最大团问题的蚁群算法有着更短的运行时间,较强的求解能力,更适合用于求解最大团问题。