旅行商问题的较优可行解的搜索算法的设计

利用问题本身的特点和相关的已有结论,结合最近邻法和深度优先搜索算法设计了产生旅行商问题较优可行解的方法。首先,将与每个城市关联的城市由近到远排序,并将城市之间距离较远的边删除。然后选择一个城市作为出发地,按排序利用深度优先搜索算法在有限步内搜索可行解。若搜索到多个可行解,从中选择较优的作为以该城市为出发地的可行解;否则,重新选择出发地开始新的搜索。对经典的st70、a280问题依次将每个城市作为出发地进行实验,该方法产生的可行解的性能明显优于随机搜索算法。但仍不及最近邻法。     

基于禁忌搜索的贝叶斯网结构学习算法

针对随机搜索机制学习算法参数设置较多的不足,提出了一种基于禁忌搜索的贝叶斯网结构学习算法.此算法首先利用加边、减边、逆向边3个算子产生当前解的邻域,然后结合禁忌表和蔑视准则以引导和限制搜索过程,2个步骤迭代进行,直至达到全局最优解或近似最优解.仿真实验表明,此算法不仅具有结构简单、参数少、易于实现的特点,而且求解质量也能得到保证.     

求解整数规划方法新探

文献 [1] 提出了求解整数规划问题的一种新方法——松驰最优解邻域整点搜索法。本文用反例说明用松驰最优解邻域整点搜索法求得的最优解不一定是整数规划问题的最优解,并给出了直接搜索的改进算法。     

多机器人队形变换最优效率求解

提出多机器人编队的队形变换最优效率求解模型.将多机器人队形变换模式分为静态变换和动态变换,选择队列变换能耗（FEC）与队列收敛时间（FCT）作为效率衡量指标.最优FEC效率模型是使得队列中所有机器人移动距离之和最小的极小模型,最优FCT效率模型是使得队列中移动距离最大的机器人的移动距离最小的极小极大模型.动态变换的效率模型增加了队形几何中心移动方向与范围的约束条件.利用最小二乘法求解FEC模型,利用Lawson算法求解FCT模型,利用Lawson算法与拉格朗日乘子法联合求解带约束的FCT模型.通过求取模型的最优解,获取各机器人变换后的最优空间位置,并得到最优的队形变换效率.仿真实验显示了该效率求解模型的有效性.     

利用有效信息的粒子群优化算法

为了进一步提高粒子群优化(PSO)算法的性能,分析了PSO算法的信息共享机制及由个体最优位置构成的平衡点的作用,探讨了一个好的平衡点应满足的条件.在此分析基础上,根据对粒子邻域个体最优位置的不同利用方式,提出了两种利用有效信息的PSO(EIPSO)算法形式:EIPSO-1与EIPSO-2.EIPSO1算法中粒子的平衡点由性能不差于粒子当前位置的邻域个体最优位置组成,EIPSO-2中粒子的平衡点由粒子群中性能不差于当前粒子个体最优位置的粒子个体最优位置组成.EIPSO既充分利用了优秀邻域个体的信息,又避免了较差邻域个体的负面影响.5个测试函数的仿真结果及与其他PSO算法的比较结果验证了新算法的有效性.     

一种基于动态局部密度和聚类结构的聚类算法

为提高逆k最近邻在度量局部密度时的区分度,提出动态逆k最近邻概念.利用泊松概率密度函数拟合逆k最近邻分布,并计算累积动态逆k最近邻局部密度;基于动态局部密度对数据对象进行排序,利用逆k最近邻域扩展算法生成聚类结构;依据动态局部密度和欧式距离设计聚类决策图,根据决策图找出聚类结构中的类间间断点,利用间断点将聚类结构直接划...     

基于混合搜索策略的Job Shop调度研究

目的 提出基于遗传算法和禁忌搜索算法的混合算法，解决单一算法求解JobShop调度问题存在的不足，提高求解质量．方法 采用遗传算法作为全局搜索算法，禁忌搜索算法作为局部搜索算法．根据JobShop调度问题解的特征。提出基于关键工序的邻域选择方法，将基于这种邻域选择方法的禁忌搜索算法作为变异算子，加强了遗传算法邻域解的搜索能力．结果 混合算法在较短时间内，找到了FT10、LA24、LA36等典型benchmarks问题的最优解，得到的makespan的平均值较并行遗传算法（PGA）提高3．84％、较TSAB算法提高4.66％．结论 采用的禁忌搜索算法改善了遗传算法的局部搜索能力，说明提出的混合搜索策略是有效的．     

基于面积比不变量的遥感图像配准算法

为提高遥感图像配准性能和效率,提出一种基于面积比不变量的遥感图像配准算法,目的是利用面积比这一邻域约束快速去除错误匹配。为表征匹配的邻域结构,对每个初始匹配构建中值K最近邻（KNN）图,在中值KNN图中计算面积比不变量作为邻域结构的表示。由于错误匹配会打破邻域结构的相似性,其邻域结构之间的误差较大,可设置阈值将其移除。该算法最大的优点是不需要迭代便可以得到较为精确的特征匹配。实验结果表明,该算法具有较好的匹配效果和较快的处理速度,能够较好地实现遥感图像的自动配准。     

变系数(2+1)-维Broer-Kaup方程的分离变量解

研究了变系数（2＋1）-维Broer-Kaup方程的精确解问题,通过该方程的Backlund变换,找到该方程未知函数间的变换,从而将变系数（2＋1）-维Broer-Kaup方程转化为一线性偏微分方程,利用分离变量法获得了变系数（2＋1）-维Broer-Kaup方程一些新的精确解,所的结果包含了已有文献中的有关结果并发现了一类新的分离变量解。     

基于连续小波变换参数选择的小麦近红外光谱模型优化方法研究

为了提高模型预测精度,结合连续小波变换（CWT）的最优参数选择,优化小麦蛋白质光谱模型。对原始光谱进行CWT,利用主成分分析（PCA）选出5种小波db1、sym2、sym5、sym7、coif1;在不同尺度参数下利用偏最小二乘法（PLS）建模,确定尺度参数为15;在此基础上,利用CWT结合多元散射校正（MSC）及支持向量机（SVM）建模确定最优小波db1;在最优参数下用CWT结合无信息变量消除算法（UVE）和连续投影算法（SPA）及SVM建立预测模型,预测均方根误差为0.3930,优于CWT-UVEPLS-SVM的0.4558和CWT-SPA-SVM的0.4415,研究结果表明,CWT参数选择可有效优化近红外光谱模型。     

推广的误工排序问题的最优算法

研究了工件的就绪时间可以不相同、但是与交货期有“一致性”关系,并且在保证工件的一个子集T中的工件必须不误工的前提下,使误工工件的个数为最少的推广的误工排序问题1｜T,（ri≤rj）=〉（di≤dj）｜∑Uj。提出该问题的最优算法,并且用孙叶平等人证明误工排序问题1｜（ri≤rj）=〉（di≤dj）｜∑Uj最优性的方法,证明了提出的算法得到的排序是最优排序。     

改进的Sunday模式匹配算法的设计与实现

针对Sunday模式匹配算法低效率问题,研究了它的改进算法I—Sunday算法．依据模式匹配算法的跳跃思想,I—Sunday算法在遇到坏字符时,不但考虑当前匹配窗口的下一位字符,而且也考虑了下一位字符之后长度为模式串长度的那个字符,这就跳跃了更大的距离．另外,匹配时采用双向并行方式进行匹配．为了验证I—Sunday算法的性能,在同等条件下,在匹配次数和比较的字符个数两方面对I—Sunday算法进行实验．实验结果表明,由于I—Sunday算法能够跳过大量的坏字符,大大地减少匹配次数和字符的比较,从而缩短匹配时间,有效地提高模式匹配速度．     

主动管理模式下分布式风电源规划

提出主动管理模式下基于双层规划的分布式风电源选址定容规划模型,以分布式风电源的净收益期望值最大作为上层规划目标,以满足节点电压和支路潮流约束下风电源出力切除量期望值最小作为下层规划目标,考虑主动电压管理在改善节点电压和支路潮流方面的积极作用,提出模拟植物生长算法与概率最优潮流算法相结合的求解方法．33节点配电系统规划结果验证了规划模型的合理性和求解算法的有效性．     

求解背包约束下下模集函数近似算法及性能保证

为有效求得背包约束条件下不同问题的解,我们往往采取不同的方式,以获得其最优解。但更多情况下,我们无法找出其精确最优解,这时我们将选取不同的变量,通过有效的算法,以获得该问题的近似解。我们利用线性规划的知识,分析最大化非减下模集函数在背包约束下近似算法,得出该算法计算复杂性为O(n5),性能保证为1-e-1。     

基于遗传算法的煤与瓦斯突出影响因素研究

针对采用BP神经网络对煤与瓦斯突出预测时的过学习现象,引入遗传算法对煤与瓦斯突出的影响因素进行选择,并建立了以筛选出的变量作为输入的优化BP网络预测模型.遗传算法中染色体采用二进制编码,个体适应度函数引入了惩罚函数,并对基本遗传算法的遗传操作算子进行了一定的改进,最后利用平煤八矿煤与瓦斯突出的实测样本,在MAT-LAB2009b环境中对上述算法进行仿真研究.结果表明,以遗传算法筛选出的变量作为输入建立的预测模型的输出结果的拟合效果变好,预测精度提高,建模时间缩短.     

一种改进的单调增强单纯形算法

考察单调增强单纯形算法的实际计算性能,并解析其计算效率较低的原因．该文提出一种改进方法,即从第一阶段算法开始,每旋出一个人工变量,就使非负缩减费用系数的个数得到单调增加;在第二阶段算法中,放松对枢轴行的选择要求,从而可使驱动变量尽快旋入基中,产生一个对偶可行解,然后再应用对偶单纯形算法获得问题的最优解或无可行解的结论．大规模数值试验对改进算法进行检验的结果表明,这种改进算法的计算效率优于经典单纯形算法,单调增强单纯形算法理论具有实用价值．     

禁忌粒子群算法

针对基本粒子群算法容易陷入局部最优的缺点,将禁忌搜索算法中的禁忌思想与粒子群算法结合,提出了一种新的粒子群算法——禁忌粒子群算法（TPSO）。该算法将粒子群算法找到的当前最优值禁忌一段时间后再释放,以此避免算法陷入局部最优,即使算法暂时陷入局部最优,该算法跳出局优的能力也很强。实验表明,TPSO在收敛速度以及收敛精度方面都比基本粒子群算法有了很大程度的提高,特别对于多极值问题搜索效果非常好,可以很好的解决算法陷入局部最优的问题。     

关于求线性规划初始正则解的一个新方法的注记

在线性规划问题的求解中,对基变量取负值的情形,文献提出一种求初始正则解的新方法．该文对这种方法作了进一步讨论,指出它实质上是由原有单纯形法和对偶单纯形法两个阶段组成．第一阶段通过引入非负右手边向量构造辅助线性规划问题,然后用单纯形法求解这个辅助问题获得原问题的一个正则解（如果存在）;第二阶段由此正则解出发,用对偶单纯形法求得原问题的最优解（如果存在）．通过大规模例子对这种算法进行数值试验,结果表明它的计算效率非常低,因而对这种方法进行了改进．     

基于鱼群算法和Ｈｏｐｆｉｅｌｄ网络的ＰＩＤ参数寻优

提出1种融合了人工鱼群算法与Hopfield神经网络的PID参数优化算法．该算法前期利用鱼群算法快速随机的群体性全局搜索能力生成问题较优的可行解域,后期利用Hopfield神经网络硬件易实现简单快速的优点得到最优解,有效弥补了Hovfield网络对初始值过于依赖容易陷入局部极值的缺陷．将该算法用于某发动机PID控制中的参数寻优,结果表明新混合算法的整定效果好于Hopfield神经网络,且该算法简单易实现．