高效求解多峰值全局优化的区间-遗传算法

针对传统区间优化算法求解高维问题耗时的缺点,将区间算法和遗传算法进行融合,提出了一种区间-遗传算法。该算法利用区间算法为遗传算法的搜索区域进行定界,同时采用拒绝指标可使包含全局最优解的区间更容易被选择,而且算法通过遗传算法提供的问题全局最优解的上界可对那些不包含全局最优解的区间进行删除。对一些多峰值全局优化问题进行了仿真实验,结果表明:该算法相比传统区间优化算法更加有效,而且随着问题维数的增大,算法的高效性更加明显。     

电力系统最优潮流的内点割平面法分析与改进

针对电力系统优化运行控制的最优潮流问题,采用内点割平面法求解多重解的线性规划问题,算法迭代次数多,计算速度低,严重的可能导致算法不收敛.为此提出一种识别最优基的方法,通过对优化问题的解空间进行旋转和映射,将最优解沿可行域的棱移动至顶点,得到问题的最优基,从而解决原算法失效的问题.进一步采用随机扰动法和阶梯矩阵变化法提高算法的计算效率,平均计算时间缩短了20%左右.对电力系统标准测试系统IEEE14 300节点系统的数值仿真结果表明,改进算法能够正确处理最优解的各种情况,扩大了内点割平面法的应用范围.     

带Levy变异的约束优化PS0算法

提出了一种解约束优化问题的新PSO算法(LCPSO).该方法引入了Levy变异策略,使算法LCPSO能有效克服标准.PSO算法易陷入局部最优的缺陷.为更好求解约束边界附近的全局最优解,算法在选择下一代个体时保持群体中不可行解的一定比例,这样,不但能有效增加群体的多样性,而且避免了传统的过度惩罚,使群体向最优解更好、更快的逼近.数值试验表明该算法对约束优化问题求解是非常有效的.     

区间系统与区间优化模型——理论与应用

区间系统与区间优化模型是一种应用广泛的描述不确定性问题的数学模型.本文综述区间系统与区间优化模型在理论与应用方面的研究进展.特别地,本文将介绍区间线性系统的解和可解性问题、区间线性优化模型的最优解和最优性问题以及区间二次优化模型的最优解和最优性问题,最后简单概述它们的各种应用实例.     

基于正态分布和自适应变异算子的ε截断算法

针对约束优化算法不能很好协调收敛性及分布性的问题,提出一种基于正态分布和自适应变异算子的ε截断算法。将正态分布引入模拟二进制交叉算子中,使算法可搜索的空间范围更广,更易跳出局部最优;利用自适应变异算子,将种群个体当前信息与变异算子结合起来,引导种群向真实的Pareto前沿进行进化;结合自适应的ε截断策略,保留Pareto最优解和一定数量的不可行解,同时利用不可行解的信息,加大对搜索空间的探索力度,从而提高种群多样性。采用3种标准测试函数对算法进行测试,试验结果表明:本研究所求解集能够很好的跟踪真实的Pareto解集。该方法可以有效地协调算法的收敛性及分布性。     

基于细菌趋化的改进粒子群算法在电力系统无功优化中的应用

传统粒子群算法易陷入局部最优、后期多样性差,得不到最优解.在原有无功优化数学模型的基础上,引入了基于细菌趋化的粒子群改进算法.通过算例表明,该算法可以有效克服传统粒子群算法的缺点,优化计算结果.     

基于改进的自适应粒子群算法的给水管网优化设计

针对粒子群算法在优化给水管网设计时易陷入局部最优难以寻找到最优解的问题,提出改进的动态自适应粒子群算法(modified dynamically adaptive particle swarm optimization,M-DAPSO).定义趋同因子和参数调整函数,使算法能根据种群内部信息自适应调整参数,提出自适应变异策略增加种群多样性.最后,将M-DAPSO算法应用到Hanoi管网优化中,仿真结果表明:该算法能以最小的计算代价求得最优的工程造价;与其他优化算法相比,M-DAPSO算法具有较强的全局搜索能力和较快的收敛速度.     

多目标P系统仿生优化算法

为了更加高效地求解多目标优化问题,提出了一种基于P系统的仿生优化算法。算法结合P系统的动态膜结构以增强算法的适应性,同时结合经典的NSGA-II拥挤距离选择策略和膜内仿生自噬机制提高算法所得最优Pareto解的多样性。此外,算法内循环中的动态变异、交流及交叉等规则使得所提算法获得的Pareto最优边界与真实Pareto最优前沿的逼近度更高。仿真实验结果表明：该算法处理多目标优化问题时所得解集具有更好的收敛度和多样性。将该算法应用于非最小相位对象的PID控制器的多目标优化设计,获得了较好的系列非劣控制器组,基于搜索结果的PID切换控制策略具有满意的控制效果。     

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.     

基于动态扰动项的禁忌粒子群优化算法

针对粒子群优化算法后期收敛速度慢,且容易陷入局部最优解的缺点,在算法中加入动态扰动项,改变了速度的更新公式,使粒子可以跳出局部极值.后期引入禁忌搜索算法,充分利用禁忌搜索的记忆能力和爬上能力,能够快速搜索到全局最优解.通过对测试函数的仿真实验表明,采用动态扰动项的禁忌粒子群优化算法更能提高收敛速度,获得全局最优解.     

应用混合粒子群优化的检查点全局优化算法

针对容错实时系统存在的局部最优检查点间隔为单次故障情况下的最优检查点间隔及局部最优检查点间隔并不是任务集全局最优检查点间隔的缺陷,首先给出检查点间隔全局优化问题的多目标优化模型,然后基于混合粒子群优化算法,提出检查点间隔全局优化算法.该算法通过混合粒子群优化算法的交叉和变异操作,避免算法陷入局部极值的困境,且增强了算法搜索全局近优检查点间隔的能力.实验表明,与其他检查点间隔优化算法相比,本算法可进一步提升系统容错能力.检查点间隔全局优化能在故障多次发生情况下,对任务集的检查点间隔进行全局搜索,以减小检查点设置次数和故障检测次数、高优先级任务抢占时间及故障恢复时间,提高系统可调度性.     

基于群密度的改进果蝇优化算法及在异常检测中的应用

针对传统果蝇算法面临的收敛稳定性差、难以协调全局搜索及局部搜索能力等缺点,提出一种基于群密度的改进果蝇优化算法。首先,借鉴现有算法的优势,将果蝇种群分为搜索果蝇和跟随果蝇,并分别使用两类果蝇进行全局化搜索与局部精细化搜索。然后,为提高算法全局搜索的稳定性,在每次迭代过程中使用基于最优区间回避的分区采样策略更新搜索果蝇的位置;该策略在每次迭代过程中获得表现最优的若干只果蝇以构造最优果蝇组,根据最优果蝇组中果蝇个体在每个维度上的取值范围确定最优区间,并通过对最优区间外的其他区间分区采样以确定搜索果蝇的新位置。最后,为协调算法的全局搜索能力与局部搜索能力,引入群密度的概念,通过计算果蝇群密度并结合相关阈值实现不同种群规模的动态调整。针对典型测试函数的实验结果表明,基于最优区间回避的分区采样策略相对于传统随机函数具有更强的全局优化性能。与传统优化算法相比,本文算法在保证收敛速度的同时获得了较高的寻优精度及稳定性,在综合性能上得到明显提升。在KDDcup99数据集上的异常检测仿真实验结果表明,本文基于分区采样及群密度的果蝇优化算法能有效避免局部最优,在获取异常检测分类器的重要参数最佳取值方面起到一定作用。     

一种采用类电磁机制算法的线性分类方法

根据最优超平面和类电磁机制算法的思想,提出了一种组合优化线性分类方法.该方法利用样本训练提取样本个体的类别特征,寻找到将类别分类的最优超平面,设计并实现了一种采用改进的类电磁机制算法的组合优化线性分类方法.试验取得了很好的分类效果,证实了组合优化线性分类方法的可行性.     

Tent混沌和模拟退火改进的飞蛾扑火优化算法

针对标准飞蛾扑火优化算法存在的易陷入局部最优陷阱、全局寻优能力不足的问题,借鉴混沌序列、模拟退火算法和遗传算法,提出Tent混沌和模拟退火改进的飞蛾扑火优化算法.首先,通过Tent混沌序列初始化种群,增加种群多样性;然后对当前最优解增加扰动产生新解,并与当前最优解按比例杂交相加,根据模拟退火算法中的Metropolis准则判断是否接受杂交后的新解,最终获得最优解.分别使用复杂高维基准函数和航迹规划问题测试算法性能.其中,6个复杂基准函数寻优测试结果表明,对于10维基准函数,该算法经过约0.25秒收敛到最优值;对于50维基准函数,该算法经过约0.5秒收敛到最优值.与标准飞蛾扑火优化算法和其它智能优化算法相比,该算法能够有效跳出局部最优解,寻优精度更高,收敛速度更快.航迹规划仿真表明,对有4个禁飞区和2个威胁源的空域环境,该算法经过大约100次迭代可以得到最优航迹,与标准飞蛾扑火优化算法相比精度更高,具有实际应用价值.因此,该算法具有更好的寻优性能.     

考虑入库洪水随机过程的梯级水库防洪优化调度

针对梯级水库防洪优化调度求解过程中存在的入库洪水过程的随机性,以及优化调度模型求解的复杂性这两方面的问题,建立了基于Copula函数的梯级各地区洪水的联合分布函数,通过随机模拟方法得到梯级水库的入库洪水过程;建立了梯级水库防洪优化调度模型,并提出了基于并行搜索思想的PDP算法进行求解。清江梯级水库实例研究结果表明,基于Copula函数的随机模拟方法,能充分考虑洪水地区组成方式的多样性和随机性,从而能模拟对梯级防洪调度最不利的情况;PDP算法比文中其他算法更容易收敛到全局最优解;较常规调度,梯级水库防洪优化调度可进一步降低下游地区的防洪风险。     

基于改进粒子群算法考虑阀点效应的经济负荷最优分配

经济分配对于电力系统节能至关重要,是电网中一类典型的优化问题,基于传统的粒子群算法的优化方法由于仅考虑速度与位置参数,易导致局部最优。针对电力系统的有功经济分配,考虑发电机组的阀点效应,提出一种改进型粒子群算法。通过引进视角参数,使粒子的移动状态受到视角的制约,改善传统算法粒子容易早熟而陷入局部最优的缺陷,降低搜索随机性并提高优化精度’仿真结论表明,带有视角参数的改进粒子群算法有更高效的全局搜索能力和更可靠的最优解,为发电机有功经济分配问题提供一种有效的新算法。     

Automatic pipes routing based on flow loss in electromechanical product

Based on flow loss,a new automatic pipe-routing algorithm is proposed for electromechanical product in 3D space,which consists of pre-processing and optimization search.Utilizing chaos theory,a chaos grid pre-processing model (CGPM) is established to efficiently pick up the solution space and reduce the search range in the pre-processing,which simplifies the optimization search.A modified particle swarm optimization (PSO) algorithm is presented to seek for an approximate optimal trajectory in the solution space in the optimization search based on standard PSO algorithm and migration characters of people.The comparison of experiments and analysis results shows that the modified PSO algorithm is capable of preventing prematurity effectively and searching for the optimal trajectory more efficiently.Theoretical analysis proves that the modified PSO algorithm converges at global optimum.The examples show that the automatic pipe-routing algorithm based on flow loss is effective and practical for electromechanical product.     

新型混合粒子群算法在核动力设备优化设计中的应用

针对标准粒子群算法在处理非线性约束优化问题时存在收敛速度慢、精度低和易陷入局部最优的缺点,设计了一种新型混合粒子群算法,该算法采用可行性原则处理约束条件,避免惩罚函数法中惩罚因子选取的困难;引入基本复合形法产生初始可行群体,加快粒子群收敛速度;引入遗传算法的交叉和变异策略,避免粒子群陷入局部最优;在迭代末期的优解附近,进行改进复合形算法的寻优,提高最优解的精度.通过算法测试基准函数的优化计算,结果显示,新型混合粒子群算法有较好的优化性能,并在核动力设备优化设计中有很好的应用.     

混合优化人工免疫网络用于过程动态优化

常见的用于求解过程动态优化的方法局部寻优能力强,易陷入局部点;而优化人工免疫网络虽局部寻优能力弱,但不易陷入局部点.针对这些方法的不足,提出了一种新的算法--混合优化人工免疫网络,将优化人工免疫网络植入局部寻优操作和二次响应机制,应用于Park-Ramirez和Lee-Ramirez生物反应器,此算法能以较少的计算代价搜索到最佳控制策略.将其用于模型参数发生变化的Lee Ramirez生物反应器,实验结果表明,此算法的二次响应机制可以节省85％的评价次数.     

微粒群惯性权值的改进及收敛性分析

微粒群算法是相对较新颖的优化算法,已成功应用于许多优化问题,但该算法容易陷入局部极值。惯性权值的选择方案的好坏,起到举足轻重的作用,本文提出三种惯性权值的改进方案。通过对4种常用测试函数进行测试,结果表明这些改进方案比经典惯性权值选择方案具有更低的平均最好适应值,快速收敛到全局最优解,优化效率明显提高。