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．     

微进化算法

人类能够根据所积累的经验与知识,有效地引导人类社会的不断＂进化＂.受此启发,基于人类社会中趋同与趋异行为过程的有机结合,提出了一种新型的群体智能优化方法——微进化算法.采用若干benchmark函数进行了数值实验,结果表明,微进化算法求解速度快、计算精度高、鲁棒性强.此外,算法控制参数少,易于使用.该算法是一种新型有效智能优化算法.     

改进灰狼算法及其在港口泊位调度中的应用

为提升港口泊位调度的效率,提出一种基于改进灰狼算法的船舶调度优化方法.针对灰狼算法收敛速度慢、寻优精度不高等不足,引入Sin混沌初始化,增强初始种群的均匀性和遍历性;引入头狼引领策略,加快算法收敛,提高算法效率;引入合作竞争机制,增强算法局部搜索的能力;在灰狼种群位置更新时引入自适应权值,以满足不同时期的寻优要求.为验证改进灰狼算法的有效性,将该算法与其他6种不同算法进行对比实验.结果表明:改进灰狼算法的收敛速度明显快于其他6种算法,在不同测试函数的仿真中均能得到所求函数的最优值,且该算法独立运行20次取得解的标准差均为0,表明该算法对不同维度的求解问题均具有很好的抗扰性;在港口泊位调度的应用中,经过该算法优化后,所有船舶停留总时间较优化前缩短了14.7%,大幅度缩短了船舶的在港时间.该算法在船舶调度优化中取得了满意的应用效果,能够得出相对较佳的调度方案,实现泊位停靠最优化,为港口泊位调度优化提供了新方法.     

一种基于AHP以及欧氏距离的权重分配新途径

目前模糊理论以及层次分析法已经广泛运用于风险分析中，这两种方法都涉及因素的权重分配问题。在应用层次分析法的基础上，引入欧氏距离来描述各位专家所得权重的相似程度的大小。经过实证研究，利用欧氏距离在淘汰某些专家所得权重后，一定程度上减少了权重确定的主观性，使得权重的分配更加合理。     

基于改进黑洞算法的微电网优化调度

为提高微电网运行的经济性,需要对其进行日前优化调度.首先建立微电网优化调度数学模型,以微电网内部蓄电池充放电功率和燃料电池输出功率为优化向量,以微电网运行成本最少为优化目标,基于日前预测数据,先将一天分成24 h,以1 h作为1个调度时段进行优化;然后以15 min为1个时段将一天分成96个调度时段,将小时级优化调度的结果作为15 min级优化调度的初始值进行二次优化;最后采用差分进化改进黑洞算法分别求解模型.算例结果显示改进的黑洞算法收敛速度快,求得的优化结果能够作为未来一天中微电网内部蓄电池充放电功率和燃料电池输出功率的参考,减少微电网运行成本.     

基于欧氏距离法分析再生集料的性能差异

为量化建筑再生集料和道路再生集料的性能差异,以建筑再生集料和道路再生集料的表观密度、吸水率、针片状质量分数、压碎值等性能试验数据为基础,使用可表示两变量整体差异的欧氏距离对建筑再生集料和道路再生集料的各项基本性能以及二者总体性能进行差异分析.结果表明,建筑再生集料的各单项性能及总体性能欧氏距离的标准方差均大于道路再生集料;与建筑再生集料相比,道路再生集料的基本性能更接近天然集料,并且其总体性能更加稳定,更有利于在工程中重复利用或用于有较高要求的工程结构.     

随机欧氏距离的统计性质

对随机欧氏距离的统计性质进行了深入的研究,在一定的条件下,确定了它的概率分布,给出了它的数字特征,为科学地分类提供了理论基础.     

基于人工鱼的全局优化文化算法

针对基本人工鱼算法存在多样性缺失、搜索后期收敛速度较慢和搜索精度不高等不足,以及传统文化算法的框架模式,提出了基于人工鱼的全局优化文化算法.算法中首先人工鱼进行跳跃式全局搜索,当搜索过程较慢或处于停滞状态时,采用高斯变异算子对最优值进行变异,然后让人工鱼继续在最优值的周围搜索,可使结果精度更高.通过典型的基准测试函数和应用实例表明该算法收敛速度快、精度高,可有效用于全局优化问题的解决.     

基于全局距离和类别信息的邻域保持嵌入算法

提出一种基于全局距离和类别信息的邻域保持嵌入算法。该方法在使用欧氏距离构造邻域图中,加入表征全局距离的全局因子和表示类别信息的函数项,全局因子可以使分布不均匀的样本变得平滑均匀,类别信息可以使同类样本点紧凑异类样本点疏离,通过提高所选邻近点的质量,优化数据的局部邻域,使降维后的数据具有更好的可分性。试验结果表明,该算法具有较高的准确率,优于传统的邻域保持嵌入算法。     

基于欧氏距离的规则碎纸片拼接复原模型

针对规则碎纸片的拼接复原,将碎纸片的图片数据转化为数字矩阵,使用图像处理、数据的判别分析等方法,分别建立了纵切碎片复原、横纵切碎片复原及双面横纵切碎片复原等模型,使用Matlab、Excel等软件,给出了关于碎纸机对单面打印文件纵切、横纵切以及对双面打印文件横纵切所得碎片的复原。     

基于两阶段策略的粒子群优化研究

提出了一种基于传统粒子群优化的两阶段实施方案，通过对一组测试函数的仿真表明，该方案以适当增加的计算量为代价，提高了搜索成功率. 对比实验表明，两阶段方案几乎在各种最大可迭代次数的约束下都能获得更好的搜索成功率，且对学习速度参数的敏感性降低，算法的搜索性能更稳健.实施该策略时原则上子群数量宜选取一个适中的数值，以综合考虑可靠性与计算成本两个因素.     

基于距离浓度免疫算法的机械优化设计

机械优化设计是复杂的非线性优化问题.受生物免疫原理的启发,提出了一种基于距离浓度的免疫算法,并将该算法用于机械优化设计中.通过对一个轴的优化设计实例表明,该方法比采用遗传算法和传统的免疫算法设计方法有更好的性能.     

基于集合的细菌群优化算法

针对细菌觅食优化算法求解高维优化问题时不易跳出局部最优解的问题,引入趋向方向余弦向量和随时间变化的加速系数,控制细菌觅食优化算法的收敛精度和收敛速度,并将改进算法用于求解组合优化问题。依据细菌种群密度计算原则,设计了一种离散空间和连续空间之间相互转换的规则,同时用集合对细菌觅食优化算法中的算术运算符形式化描述。仿真试验结果表明:基于集合的细菌群优化算法避免了早熟现象,寻优结果优于蚁群算法且接近基于集合的粒子群算法。     

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。     

粒子群优化算法在函数优化上的研究与发展

粒子群优化算法(PSO)与其他演化算法相似,也是基于群体的。每个粒子被随机初始化以表示一个可能的解,并在解空间通过更新迭代搜索最优解。该算法的特点是简单容易实现而又功能强大。该算法最初被提出来主要应用于函数优化。经过几年的发展,已经出现了大量的改进算法。本文总结了这些改进算法的基本主要形式,并给出了未来可能的研究方向。     

基于免疫和进化扩散算法的全局优化问题求解算法

在求解全局优化问题时,通常免疫算法、进化扩散算法分别在局部搜索和全局搜索方面表现较弱。针对这一情况,基于免疫和进化扩散算法,提出了一个免疫-进化扩散算法。该算法结合了免疫和进化扩散两种算法的优点,一方面通过引入基于共享机制的小生境算法,保持了群体的多样性,另一方面通过提出一种步长参数动态调整策略,提高了算法效率。实验结果表明,在给定精度下,该算法的效率和稳定性都明显优于Tsui的进化扩散算法和Ingber的自适应模拟退火算法。最后对步长参数动态调整策略进行了分析。     

基于q-高斯分布的自适应变异粒子群算法

针对粒子群算法易陷入局部极值和早熟收敛的缺陷,提出了基于q-高斯分布的自适应变异粒子群算法.采用q-高斯作为变异算子对粒子的全局最优位置进行q-高斯变异,克服了因种群遗失多样性所导致的早熟收敛缺陷,随着种群的进化,非广延熵指数 q 的自适应调整平衡了算法的全局搜索能力和局部开发能力.测试了4个标准复杂函数和优化BP神经网络参数,结果表明,基于 q-高斯分布的自适应变异粒子群算法的优化性能最好,收敛速度快.     

改进遗传算法与粒子群优化算法及其对比分析

进化算法作为一类新的优化搜索方法，广泛应用于各种优化问题．现对简单遗传算法进行了改进，采用实值编码，并与模拟退火算法及基于适值排序和随机选择的方法相结合，形成了改进遗传算法．同时还介绍了一种新的进化算法一粒子群优化算法．将这两种优化算法应用于函数优化，并对优化结果进行了对比分析．比较结果表明，改进遗传算法和粒子群优化算法都可以在函数优化方面表现出较好的健壮性，但在找寻最优解的效率上，粒子群优化算法较好．     

基于改进型欧几里德算法的RS译码研究

为了简化数字电视译码电路的复杂性,提出一种改进型欧几里德算法。该算法利用多项式带余除法的相关推论,在关键方程中对错误值多项式进行巧妙的处理,这样可以方便地得到商式和余式,从而便于进行迭代。与传统欧几里德算法相比,该算法在求解关键方程的过程中能够更容易地得到错误值多项式和错误位置多项式,能减少硬件电路的复杂性,提高译码速度。