基于单纯形算子的混合差分进化算法

针对DE／rand／1／bin方案收敛速度慢的缺点,提出一种将单纯形确定性算法和差分进化随机搜索算法相结合的混合优化算法。利用差分进化算法搜索范围广、全局搜索能力强和单纯形算法局部搜索能力强、收敛速度快的特性,较大地提高了差分进化算法的收敛速度和搜索精度。典型Benchmarks复杂函数优化实验表明,该算法优化效率高、优化性能好、对初值具有较强的鲁棒性,性能优于单一的优化方法。     

极大熵自适应微粒群混合算法求解绝对值方程*

绝对值方程Ax-|x|=b是一个不可微的NP-hard问题。在假设矩阵A的奇异值大于1（这里矩阵A的奇异值定义为矩阵ATA特征值的非负平方根）时,给出了求解绝对值方程的一个新算法。通过引进一种极大熵函数把绝对值方程进行光滑化处理,再引入适当的目标函数,从而把绝对值方程问题转换为无约束优化问题,然后利用自适应微粒群算法对其进行求解。数值实验结果表明了该方法的正确性和有效性。     

一种全局和声搜索算法求解绝对值方程

绝对值方程Ax-|x|=b是一个不可微的NP-hard问题。在假设矩阵A的奇异值大于1时, 给出了一个求解绝对值方程的全局和声搜索算法。新的和声搜索算法使用了位置更新和小概率变异策略, 实验结果表明, 该算法具有较强的全局搜索能力, 且收敛快、数值稳定性好、参数少等优点, 是求解绝对值方程的一种有效算法。     

一种粒子群和改进自适应差分进化混合算法及在生产调度中的应用

差分进化算法是一类基于种群的启发式全局搜索技术,但传统的差分进化算法存在停滞现象,容易使算法收敛停止。虽然之后出现了各种版本的自适应差分进化算法,但没有考虑到当代个体的适应值是否向着最优个体的适应值逼近,因此本文提出了一种新型的自适应差分进化算法FMDE。考虑到粒子群算法和差分进化算法类似,为了充分发挥两种算法的特点,提出了自适应差分进化和粒子群的混合算法PSO_FMDE;最后采用测试数据集对性能进行分析。实验结果表明,该算法根据进化过程中的搜索进度自适应地确定变异率,使算法易于跳出局部最优解,以提高全局搜索能力。PSO_FMDE算法较单一算法而言,性能更优,更易于靠近全局最优解。     

基于凝聚函数的和声搜索算法求解绝对值方程*

绝对值方程Ax-|x|=b是一个不可微的NP-hard问题。在假设矩阵A的奇异值大于1（这里矩阵A的奇异值定义为矩阵ATA特征值的非负平方根）时,给出了求解绝对值方程一个新的光滑化算法。通过引入一种凝聚函数对绝对值方程进行光滑化处理,得到一个非线性方程组;再引入适当的目标函数,进而把绝对值方程化为无约束优化问题,然后利用和声搜索算法对其进行求解。该算法模拟了音乐创作中乐师们凭借自己的记忆,通过反复调整乐队中各乐器的音调,最终达到一个美妙的和声状态的过程。数值结果表明,该算法收敛快,数值稳定性好,是求解绝对     

基于混合差分进化算法的梯级水电站调度研究

针对梯级水电站优化调度的复杂问题,结合差分进化算法和混合蛙跳算法各自优势,提出一种新的混合差分进化算法。该算法将差分进化策略嵌入到混合蛙跳算法框架中,对整个群体循环进行分组进化与混合操作,而在每个分组内部按照差分进化策略对个体不断进行更新。数值实验表明该算法具有较强的全局搜索能力,克服了基本差分进化算法易早熟收敛的缺点。将该算法应用于梯级水电站中长期优化调度实例,并与传统动态规划法进行比较分析,进一步验证了其可行性与有效性。     

一类不可微方程组的区间算法

针对不可微方程组—绝对值方程Ax+B|x|=b的数值解问题进行研究, 提出了通过构造极大熵函数和新的区间算子对方程进行求解的区间极大熵算法。该算法能同时求出绝对值方程的近似解和估算其近似解的误差限, 并在A的奇异值全部大于|B|的奇异值时, 证明了算法的收敛性且收敛速度至少是线性的。理论分析和数值结果均表明提出的算法是有效的。     

一种新的差分与粒子群算法的混合算法

利用粒子群算法的快速收敛性和差分进化算法的搜索精度较高等特点,提出了一种新的混合优化算法。该算法在粒子群算法的中后期,在已经寻找到的最优位置周围,随机生成一定数量的粒子进行差分进化算法,可以减少一定的运算量和在较优的区域进行寻找最优解。通过几个Benchmark函数的测试证明,新的混合算法具有搜索精度更高和更快收敛的优点。     

基于共轭梯度法的反馈差分进化混合算法及其在弹簧设计中的应用

分析了差分进化算法多种变异方式的特点以及每种变异方式所适应的搜索状态,建立了一条能够让种群根据自身的搜索环境来动态选择变异方式的反馈回路,使个体能够自学习、自调节地高效搜索。在每一代的最优个体邻域内,采用共轭梯度法确定最佳的共轭搜索方向,向量能够在最优解邻域内进行细致的局部搜索。根据混合算法的子代更新形式,从理论上证明了种群能够以概率1的方式收敛到全局最优解。与其它进化算法的对比实验结果表明,本文的差分进化算法有效提高了benchmark函数的最优值精度,加快了收敛速度。在弹簧设计问题中,利用改进的差分进化混合算法得到了较好的结构参数。     

基于多代种群进化信息改进的差分进化算法研究

差分进化算法是进化算法中一种性能较为优良的全局数值优化算法,已在人工智能、信号处理等方面取得广泛应用,但当前研究往往仅考虑进化过程中某一代种群的分布信息,而忽略进化过程中多代种群累积的分布信息,造成信息利用不充分。借助自适应协方差矩阵进化策略的思想,充分利用进化过程中累积的种群分布信息,同时,由于自适应协方差矩阵存在收敛早熟、易陷入局部最优的缺点,先后对变异和交叉操作进行相应改进,以平衡算法的全局搜索能力和局部搜索能力。首先,根据种群中个体适应度值进行排序,由余弦函数改进的概率模型计算个体参与变异操作的概率,基向量和差分向量中末端向量根据概率值降序选择,差分向量中起始向量升序选择,从而提高种群的搜索范围;然后,对协方差矩阵进行特征分解,并在由特征向量构建的坐标系中执行交叉操作,该种方式生成的实验向量更接近全局最优解。针对上述改进操作,采用IEEE CEC2014作为评估函数,实验结果表明,相比现有的差分进化改进算法,本改进算法的实验性能提升更为明显。     

A new method for solving boundary value problems for partial differential equations

This paper proposes a symmetry–iteration hybrid algorithm for solving boundary value problems for partial differential equations. First, the multi-parameter symmetry is used to reduce the problem studied to a simpler initial value problem for ordinary differential equations. Then the variational iteration method is employed to obtain its solution. The results reveal that the proposed method is very effective and can be applied for other nonlinear problems.     

A numerical algorithm for optimal control of a class of hybrid systems: differential transformation based approach

A novel numerical algorithm based on differential transformation is proposed for optimal control of a class of hybrid systems with a predefined mode sequence. From the necessary conditions for optimality of hybrid systems, the hybrid optimal control problem is first converted into a two-point boundary value problem (TPBVP) with additional transverse conditions at the switching times. Then we propose a differential transformation algorithm for solving the TPBVP which may have discontinuities in the state and/or control input at the switching times. Using differential transformation, the hybrid optimal control problem reduces to a problem of solving a system of algebraic equations. The numerical solution is obtained in the form of a truncated Taylor series. By taking advantage of the special properties of the linear subsystems and a quadratic cost functional, the differential transformation algorithm can be further simplified for the switched linear quadratic optimal control problem. We analyse the error of the numerical solution computed by the differential transformation algorithm and some computational aspects are also discussed. The performance of the differential transformation algorithm is demonstrated through illustrative examples. The differential transformation algorithm has been shown to be simple to be implemented and computationally efficient.     

数字图像的多向混合差分无损编码方法

通过对双向混合差分方法以及3-参数变长编码方法的研究与分析,针对数字图像编码提出了一种多向混合差分预处理方法。多向混合差分方法先根据当前点的邻近4点对当前点作局部特征分析,然后根据分析结果在基本差分方向中选择当前点的最佳差分方向。相对于双向混合差分方法,多向混合差分方法无需保存方向标志位;基本差分方向进一步细分为4种方向。与双向混合差分的实验结果相比,经多向混合差分处理后的测试图像平均熵值降低了8.2%,编码后单个像素值所占平均比特数降低了11%。实验结果表明,该方法可以把数字图像的熵值降到一个较低的水平,从而有利于编码效率的提高。     

基于极大熵差分进化混合算法求解非线性方程组*

针对非线性方程组,给出了一种新的算法——极大熵差分进化混合算法。首先把非线性方程组转换为一个不可微优化问题;然后用一个称之为凝聚函数的光滑函数直接代替不可微的极大值函数,从而可把非线性方程组的求解转换为无约束优化问题,利用差分进化算法对其进行求解。计算结果表明,该算法在求解的准确性和有效性均优于其他算法。     

基于单纯形的小生境混合遗传算法

总结单纯形搜索算法的核心思想.然后提出单纯形交叉方向算子和最优小生境、次差小生境与最差小生境3个概念.在最优小生境中采用单纯形搜索算法得到局部极值,在最优小生境与次差小生境之间用单纯形交叉方向算子产生优秀个体,而在最差小生境中采用受限单纯形搜索产生优秀个体,从而构成基于单纯形的小生境混合遗传算法SimplexNich-HGA.最后用SimplexNiche-HGA、单纯形混合遗传算法Simplex-HGA 以及基本遗传算法SGA求函数Rosenbrock的极值,并进一步用SimplexNiche-HGA和Simplex-HGA 求多峰值函数Shubert的极值,验证算法的正确性和求多峰值函数的极值的效率.     

一种改进的药代动力学参数优化方法及其应用

基于药代动力学参数优化方法PKAIN人工免疫网络算法,提出了迭代分组并发单纯形算子,并实现了线性网络抑制函数以简化人工免疫网络的参数设置。为了加快算法的搜索速度和搜索精度,提出了新型的人工免疫网络单纯形混合算法（PKAIN_spx）,用人工免疫网络实现粗粒度全局搜索,随后用单纯形进行精确搜索。仿真实验对改进的PKAIN算法（PKAIN_in）、人工免疫网络单纯形混合算法（PKAIN_spx）以及PKAIN算法进行了比较分析,结果表明PKAIN_spx算法在药代动力学参数优化中取得良好的实验效果。     

Time-series forecasting using a system of ordinary differential equations

This paper presents a hybrid evolutionary method for identifying a system of ordinary differential equations (ODEs) to predict the small-time scale traffic measurements data. We used the tree-structure based evolutionary algorithm to evolve the architecture and a particle swarm optimization (PSO) algorithm to fine tune the parameters of the additive tree models for the system of ordinary differential equations. We also illustrate some experimental comparisons with genetic programming, gene expression programming and a feedforward neural network optimized using PSO algorithm. Experimental results reveal that the proposed method is feasible and efficient for forecasting the small-scale traffic measurements data.     

基于混合双种群差分进化的电力系统经济负荷分配

针对电力系统经济负荷分配本质上的非线性约束优化问题,提出一种双种群混合差分进化算法.采用两个种群且以较小的计算量实现目标函数的寻优并保持解的可行性,同时引入单纯型法来提高算法的局部搜索能力.基于典型算例对该算法的进化行为进行测试,并通过仿真和比较验证了所提出算法的有效性.     

Pi-sigma神经网络混合学习算法及收敛性分析

将一种解决函数优化问题的混合遗传算法用于Pi-sigma神经网络的训练。这种混合算法充分利用遗传算法算法的全局搜索能力,又利用了单纯型法的局部搜索能力,因此该混合遗传算法可以使Pi-sigma神经网络更快的收敛到全局最优解,而且收敛速度比遗传算法更快。实验证明了这种算法的优越性。最后还证明了该算法可以以概率1收敛到全局最优解。     

Numerical solution of hybrid fuzzy differential equation IVPs by a characterization theorem

In this paper, we study hybrid fuzzy differential equation initial value problems (IVPs). We consider the problem of finding their numerical solutions by using a recent characterization theorem of Bede for fuzzy differential equations. We prove a corollary to Bede’s characterization theorem and give a characterization theorem for hybrid fuzzy differential equation IVPs. Then we prove that any suitable numerical method for ODEs can be applied piecewise to numerically solve hybrid fuzzy differential equation IVPs. Numerical examples are provided which connect the new results with previous findings.