一种多策略搜索寻优的改进鸽群优化算法

针对鸽群优化算法易于早熟收敛、陷入局部最优解的不足,提出了一种改进的鸽群优化算法(MSIPIO)．首先,在地图和指南针算子中引入免疫算法,并提出变异因子,通过交叉变异,同时提升了算法前期找到最佳寻优方向的概率;其次,在地标算子中提出种群衰减因子和全局影响因子,克服标准鸽群优化算法后期数目衰减过快的不足,增强算法寻优能力;最后,利用模拟退火机制对次优解进行保留,有效减缓标准鸽群优化算法陷入局部最优解的问题,提高了算法获得全局最优概率．仿真结果表明,与其他5种算法相比,MSIPIO算法在收敛精度上有明显提升,并且能够有效避免陷入局部最优解．     

全局最优位置变异粒子群优化算法

针对粒子群优化算法的早熟收敛,容易陷入局部最优且搜索精度不高等缺点,在现有的粒子群优化算法的基础上对其进行了若干改进,提出了避免微粒群陷入局部最优的全局最优位置变异的粒子群算法,并与其他算法做了比较,体现了其优越性.     

引入相量算子和流向算子的天鹰优化算法

针对天鹰优化算法搜索效率不足,容易陷入局部最优的缺点,提出多策略改进天鹰优化算法(MIAO).引入广义正态分布优化算法(GNDO),将该算法得出的结果与天鹰优化算法第1阶段得出的结果进行比较,筛选出这2种优化算法下的最优值.该操作扩大了搜索空间,提高了解的质量.引入相量算子,将第2阶段变为自适应的非参数优化,提高算法的高维优化能力.针对天鹰优化算法在迭代后期存在种群多样性降低、局部开发能力不足的问题,在天鹰算法的第3阶段引入流向算子,使信息可以在每个个体间相互传递,提高种群信息的利用率,增强天鹰优化算法的开发性能.通过对16个测试函数寻优对比分析以及Wilcoxon秩和检验可知,MIAO的寻优能力和收敛速度都有较大的提升.为了验证MIAO算法的实用性和可行性,采用所提算法求解减速器设计问题,通过实际工程优化问题的实验对比分析可知,MIAO算法在处理现实优化问题上具有一定的优越性.     

粒子群优化算法研究进展

粒子群优化算法是根据鸟群觅食过程中的迁徙和群集模型而提出的用于解决优化问题的一类新兴的随机优化算法．介绍了PSO算法的基本原理和一些改进措施及PSO算法的应用，并对其将来的发展进行了展望．     

一种免疫补体优化算法

针对目前提出的免疫优化算法在求解优化问题时还存在收敛速度慢,往往不能求得最优解,鲁棒性低的问题,基于生物免疫补体激活原理,提出了一种免疫补体优化算法。在算法中,依据补体激活理论,设计了主要的补体算子：分裂算子和结合算子,并根据补体激活过程,通过补体算子的作用对问题解不断优化,求得全局最优解。最后对算法的收敛性和鲁棒性进行了理论分析,并将免疫补体优化算法与典型的克隆选择算法进行了对比实验。理论与实验结果表明了免疫补体优化算法是收敛的,并且收敛速度更快,求得的最优解更好,鲁棒性更高。     

粒子群优化算法研究进展

粒子群优化算法是根据鸟群觅食过程中的迁徙和群集模型而提出的用于解决优化问题的一类新兴的随机优化算法.介绍了PSO算法的基本原理和一些改进措施及PSO算法的应用,并对其将来的发展进行了展望.     

基于优化算子的快速碰撞检测算法

针对复杂人机交互实时性的要求,提出了一种基于优化算子的SIMD并行碰撞检测算法。引入了优化算子,将搜索空间限定在非均匀的局部极小区域,减少了蚁群的搜索时间。在多蚁群求解过程中,将子任务使用负载均衡策略分配到多核处理器的各个处理核心上并行执行,实验结果表明:与经典的I-COLLIDE、MPI及Pipelining等算法相比,本文提出的算法较好地解决了人机交互中的碰撞检测问题。     

基于遗传算子采样的自适应代理优化算法

提出一种应用于黑盒问题(black-box problem)的优化算法,称为遗传算子采样(genetic operator sampling,GOS)自适应代理优化算法。通过对当前样本进行两两交叉,对当前最优样本进行高斯变异2种算子获得候选样本集。对候选样本进行适应性评估,评估标准为候选样本处的交叉验证误差和该样本与父代样本之间最小距离的乘积,将乘积最大的样本加入已有样本集。GOS优化算法在一维问题中详细阐述,与有效全局优化算法(efficient global optimization,EGO)和最大化模型误差算法(maximum square error,MSE)在3个典型数学算例中进行对比,验证该算法的有效性。     

基于鸽群优化算法的图像分割方法研究

图像分割是一类需要在非线性参数空间中寻求最优解的有约束非线性优化问题.为提高此类优化问题的寻优精度,提出了一种基于鸽群优化算法的图像分割方法.首先以分割阈值为优化变量,将图像分割建模为以最大间类方差为优化目标,以像素概率分布有限为约束条件的非线性优化问题;随后,以随机的分割阈值作为迭代初值,采用鸽群优化算法(PIO)求解最优参数;最后,利用所得最优解作为最佳阈值实现图像分割.为验证方法的有效性,分别对具有两类不同特征的图片进行分割实验,并采用重叠度及时间效率对算法进行评估,进一步与PSO、KSW智能优化算法对比.结果表明,该算法重叠度最高,运算时间最短.并且对算法中的参数进行修改,将图像分割结果进一步优化.     

趋优算子和Levy Flight混合的粒子群优化算法

针对Levy Flight粒子群优化算法（LFPSO）普适性不强和搜索效率不高等问题,提出了一种改进的LFPSO算法（ILFPSO）,即趋优算子与Levy Flight混合的粒子群优化算法。首先,对Levy Flight进行改进,防止产生无效解,得到改进的Levy Flight;然后,将既有一定全局搜索能力又有较强局部搜索能力的趋优算子与改进的Levy Flight有机融合,以便更好地平衡算法的全局和局部搜索能力;最后,对速度边界动态调整,有利于搜索前期找到全局最优点和搜索后期找到局部最优解。28个benchmark函数优化仿真结果表明,与4种最先进的PSO改进算法LFPSO、ELPSO、SRPSO和RLPSO相比,ILFPSO更具有竞争性的优化性能、更好的普适性和更快的运行速度。     

电力系统无功优化算法研究综述(下)

综述了电力系统无功优化的相关概念、研究的关键问题和经典模型。系统地阐述了优化算法中的常规算法、智能算法及其改进算法在电力系统无功优化中的应用情况及存在问题,并对各种优化算法的优缺点进行了分析比较。针对各种优化算法的不同特征,提出了综合各单一算法优点的混合算法以求解无功优化问题。总结了近年来其它新型算法的无功优化应用情况。最后指出了随着智能电网的发展,电力系统无功优化算法当前存在的问题及有待于深入研究的几个方面。实现无功优化的实时计算将是今后无功优化算法问题新的研究方向。     

非线性优化的并行算法

介绍了并行处理技术中并行算法的最新发展－非线性优化的并行算法,分析了并行算法中计算函数值,利用最小化过程减少机器时间的方法和步骤。     

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。     

电力系统无功优化算法研究综述（上）

综述了电力系统无功优化的相关概念、研究的关键问题和经典模型,系统地阐述了优化算法中的常规算法、智能算法及其改进算法在电力系统无功优化中的应用情况及存在的问题,并对各种优化算法的优缺点进行了分析比较.针对各种优化算法的不同特征,提出了一种综合各单一算法优点的混合算法求解无功优化问题.总结了近年来其它新型算法的无功优化的应用情况.最后指出了随着智能电网的发展,电力系统无功优化算法当前存在的问题及有待于深入研究的几个方面.实现无功优化的实时计算将是今后无功优化算法问题新的研究方向.     

一种新的模糊C均值聚类算法的优化方法

针对模糊C均值聚类算法对初始值敏感、易陷入局部最优的缺陷,提出一种新的优化方法.该方法通过分集聚类的结果初始化粒子群,得到逼近全局最优的聚类中心,再进行全局聚类,能有效避免陷入局部最优.真实数据集上的实验结果表明模糊C均值算法经该方法优化后,能快速收敛至全局最优解,在保证聚类速度的同时提高了聚类精度.     

基于遗传算法的结构优化方法

介绍了结构优化的数学模型和遗传算法的改进,同时分别用简单遗传算法和改进的遗传算法对算例进行了计算比较。计算表明,改进的遗传算法能加快收敛速度,提高精度。最后通过编制VC＋＋来实现遗传算法程序,并结合算例对其进行了分析,证明了本程序是正确的。     

基于差异性激活方法的改进微粒群算法

针对标准微粒群优化算法的惯性权重系数采用固定或线性递减的方式无法有效解决粒子陷入局部最优解的问题及可能出现的停滞现象,引入以差异性为基础的激活方法对微粒群算法进行改进.在每次迭代时算法可以动态调整惯性权重参数及粒子的活性,从而促进粒子收敛至全局最优解.对6种典型函数的实验结果表明,引入本文的激活方法后,改善了微粒群算法的开发和探索能力,并提高了其收敛速度及精度,其中以非线性惯性权值递减策略的微粒群算法最为明显.     

基于遗传算法的多目标过程系统优化

提出了一种求解多目标优化问题的求解策略。在搜索寻优过程中 ,利用遗传算法生成 Pareto最优解集。在决策过程中 ,利用 TOPSIS方法来确定 Pareto最优解集中最佳协调解。最后 ,应用该算法对 DAM连续缩合过程的多目标过程系统做了优化研究。     

广义模糊算子及其在网络最优化中的应用

定义了建立在广义模糊关系基础上的一种合成运算,它运用于网络最优化中,可使最短路径、最大流问题的求解更加简单和方便。     

面向移动通信网络覆盖的四元数域粒子群优化算法

为优化移动通信网络的覆盖性能,针对天线指向变量中方位角与下倾角的内在关联性,提出了四元数域粒子群优化算法.该算法利用四元数表示天线指向,并基于四元数域乘法所表示的旋转实现粒子群算法的可行解沿最短路径进行更新.由于四元数域乘法不符合交换律,故在无穷小移动的概念上进一步提出了调和四元数粒子群优化算法,使粒子群中可行解的更新与惯性速度、朝向个体历史最优解和全局最优解的移动次序无关.实验结果表明,提出的两类算法,特别是调和算法在收敛速度和覆盖性能上均优于经典粒子群算法、萤火虫算法和遗传算法.