基于随机维度划分与学习的粒子群优化算法

针对粒子群优化算法在搜索过程存在的种群多样性低和过早收敛问题,提出基于随机维度划分与学习的新型粒子群优化算法（RVPLO）.该算法将每个粒子的维度随机划分为多个不同的子段,每个子段随机分配一种学习算子（中心学习算子或离散学习算子）,通过学习算子实现对各子段内的维度数值更新操作.中心学习算子用以加强粒子的全局搜索能力,离散学习算子用以加强粒子的局部搜索能力.粒子维度划分策略实现了将高维优化问题转化为低维优化问题,降低了优化问题求解的难度.粒子随机维度划分和算子随机分配的双重动态调节机制使得算法具备求解复杂单峰函数,多峰函数优化问题的能力.实验测试结果及显著性统计结果表明,RVPLO算法同其他8个经典改进算法相比,在单峰函数,多峰等函数优化中具有收敛速度快,求解精度高的优势.     

一种改进的自然数编码遗传算法在非满载时间窗车辆优化调度问题中的应用

用改进的一种顺序交叉算子代替实数编码遗传算法中的标准顺序交叉算子,应用于时间窗车辆调度优化问题的求解,克服了标准顺序交叉算子在求解该问题时局部寻优能力的不足.一组仿真实验结果表明,改进的顺序交叉算子具有很好的局部寻优能力,改进的算法求解时间窗VSP问题收敛性明显好于标准遗传算法.     

基于改进细菌觅食算法的无功优化

采用改进的细菌觅食(MBFO)算法求解电力系统无功优化问题,引入了步长递减的控制策略,改善了算法前期的全局搜索能力和后期的局部搜索能力;引入了SA-PSO变异算子,从而使个体可以相互交流,并从精英那里得到经验;引入遗传算法的交叉和赌盘选择,保护了精英个体,同时降低了解劣化的概率.以IEEE-30节点为例的算例结果表明,较其他几种优化方法而言,M BFO具有更快的收敛速度和更好的优化效果,故该算法在解决无功优化问题上可行且有效.     

求解扩展双资源约束作业车间调度的分支种群遗传算法

根据扩展双资源约束作业车间调度问题的特点,构造了一种混合遗传算法进行求解:以分支种群为载体继承遗传进化经验,利用精英进化算子、基于扇形分割的轮盘赌选择算子及邻域搜索等机制,进一步优化了算法性能。通过分析策略对比仿真、算法性能对比仿真等实验,结果表明上述各种优化机制可行,且对于算法运算效率与寻优性能的优化效果均有良好表现。     

一种求解TSP问题的改进遗传算法

旅行商问题(Traveling Salesman Problem TSP)是一个典型的组合优化问题,但应用基本遗传算法求解TSP问题时存在许多不足.结合TSP问题的特点,提出一种改进的遗传算法:应用贪心策略初始化种群,用2-opt对其进行优化,使得在初始个体中就包含较优子路径,在一定程度上加快算法收敛性,防止早熟和近亲繁殖.对交叉算子和变异算子进行改进后,既能维持种群的多样性,也保留了父代个体大部分优良性能.应用改进的算法对20个城市的TSP问题进行求解,结果表明该算法求解速度快而且求解的质量较好.     

解全局优化问题的差分进化策略

以进化策略算法为框架,提出一种求解连续函数,特别是高维连续函数问题的优化算法--差分进化策略.该算法利用进化策略快速收敛的优点,融入了差分演化算法中具有较强全局搜索能力的变异算子.经数值实验分析表明,差分进化策略在函数优化过程中具有较强稳健性,可提高全局搜索能力,保持快速收敛优势,能用于研究生物进化、机器学习、人工智能、模糊系统及人工神经网络训练等领域.     

Ramsey数的计算机新解法

本文讨论了基于遗传算法的Ramsey数下界的求解方法,涉及算法的编码策略,繁殖、杂交以及变异算子的选择等相关问题。     

用于函数优化的进化非选择算法实验分析

进化非选择算法是将生物免疫系统的非选择机制和进化学习机制相结合而形成的算法,影响其求解效率的算子除了传统进化算法中的变异和选择算子外,还有非选择算子.通过函数优化实验验证了进化非选择算法的求解性能,结果表明非选择算子的引入使得进化非选择算法能够较好地跳出局部最优解,具有较为稳定的求解性能.与此同时,针对函数优化问题,给出了非选择算子相关的自我集大小和自我集每代更新数目这2个影响算法效率的重要参数的参考取值方法.     

一种基于阈值对偶算子的优化组合遗传算法

针对遗传算法局部搜索能力差的问题,模拟生物基因的对偶性,本文提出的阈值对偶算子,与对偶算子的性能相比较,既改善了遗传算法的局部搜索性能,又减小了对种群多样性的影响,与具有良好全局搜索性能的遗传算子组合,构造了一种基于阈值对偶算子的优化组合遗传算法.从理论上证明了算法的收敛性,实验结果表明,该算法具有更好的寻优能力,对应用串型编码的遗传算法解决优化问题具有很好的借鉴意义,阈值可根据求解问题特征和局部搜索强度而设定.     

改进的基于平滑函数的全局优化进化算法

为了解决进化算法在求解全局优化时易陷入局部极小点的问题,引入了平滑函数,利用目前最好点来消除比其差的局部极小点;设计了适合该平滑函数的杂交算子,利用平滑函数与种群的关系寻找实值函数的下降方向。设计了一个变异算子,增加了种群的多样性。在此基础上,设计了一个求解全局优化问题的高效进化算法,并从理论上证明了其全局收敛性,从数值上验证了其有效性。