基于离散差分进化算法雌多维0／1背包问题求解

多维0／1背包问题（MKP）是一种典型的组合优化问题,并且被广泛的应用于各种工程领域。差分进化算法（DE）是一种有效的进化算法,能处理各种复杂的非线性优化问题,但主要是用来解决连续领域的优化问题。提出一种离散差分进化算法,并用来求解MKP问题。在经典测试集上的实验结果表明,提出的算法能更快的求得最优解。     

模糊人工蜂群算法的置换流水车间调度问题求解

针对传统人工蜂群算法早熟收敛问题,基于模糊化处理和蜂群寻优的特点,提出一种模糊人工蜂群算法.将模糊输入输出机制引入到算法中来保持蜜源访问概率的动态更新.根据算法计算过程中的不同阶段对蜜源访问概率有效调整,避免算法陷入局部极值.通过对置换流水车间调度问题的仿真实验和与其他算法的比较,表明本算法可行有效,有良好的鲁棒性.     

焊接条优化设计问题的混沌人工蜂群算法求解

利用混沌的特点设计了一种混沌局部搜索算子,将该算子加入到原始人工蜂群算法中提出了一种混沌蜂群算法(CABC),并用之来优化焊接条的结构设计问题。该问题的目标是在满足约束条件下使得制造焊接条所需的总费用最小,是一个典型多维多约束非线性规划问题。为了不让人工蜂群算法优化该问题时陷入局部最优解,在原始蜂群算法末期的最优值附近进行混沌局部搜索,使其跳出局部最优,有效提高了算法的局部寻优能力。最后对焊接条设计问题进行了仿真计算,并将结果与其他文献中的结果进行了对比,显示了混沌人工蜂群算法优化焊接条设计问题的优越性。     

求解0-1背包问题的牵制平衡算法

为扩充对于经典NP-hard问题中的0-1背包问题的求解方法,模拟生态系统中各物种间相互依存、牵制,最终达到动态平衡的自然机制,提出一种新型仿生算法：牵制平衡算法。算法以种群规模描述设计变量,以牵制关系为优化驱动力,以系统达到稳态为优化目标,设计了自成长函数、牵制函数、成长函数用以描述设计变量的变化规律,促进解的寻优进程。将牵制平衡算法对于10个不同规模0-1背包问题的求解结果与近年来文献数据进行对比,结果显示算法在8个不同规模的问题中能获得当前已知最优解,验证了牵制平衡算法的收敛性与求解性能,表明算法对于0-1背包问题的求解具有有效性和竞争力。     

基于改进人工蜂群算法的主动悬架LQR控制器设计

针对主动悬架LQR控制策略中性能指标的权重系数依靠经验选取的不足,提出一种改进人工蜂群算法对LQR控制器的权重系数进行优化.对于标准人工蜂群算法存在的收敛速度慢、易陷入局部最优的缺点,在跟随蜂阶段引入三种解搜索策略,并对选择策略进行调整,从而更好地平衡所提出算法的全局搜索能力和局部搜索能力.在MATLAB/Simuli...     

背包问题及其算法研究

背包问题其实就是一个优化问题,即在所有装包方案中选择一种最为有效精确的装包方案,使背包的体积最少t背包内所装物体价值最大.背包问题一直以来是研究的一个重点和难点,在总结国内外相关研究的基础上对背包问题及其算法进行研究,希望能够有助于提高我们对相关问题的认识.     

一种改进的人工蜂群算法及其在桁架几何优化设计中的应用研究

由于人工蜂群(artificial bee colony,ABC)算法存在收敛速度慢、易陷入局部最优的缺点,采用设置自适应缩放因子和基于适应度排序的选择方式代替传统的轮盘赌模型,提出了一种改进的快速人工蜂群算法(fast artificial bee colony,FABC).基于这种FABC算法对4个离散变量的几何优化模型进行了优化,并与遗传算法(GA)、蚁群算法(ACA)、启发式粒子群优化算法(HPSO)和群搜索算法(GSO)作了比较.结果表明,这种改进的人工蜂群算法具有较好的收敛精度.另外,ABC算法以及FABC算法结构简单,可应用在其他优化问题上.     

背包问题中贪心算法的应用探讨

在背包问题中,取得最优解一直是解决背包问题的最终目的,就贪心算法的动态规划关系以及方案在解决背包问题上作比较,但贪心法在什么时候都能取到最优解并无一般结论,而对于普通背包问题我们却有一个完美的结果——贪心法可取到最优解。     

基于自由振动响应识别桥梁断面颤振导数的人工蜂群算法

基于桥梁节段模型风洞试验自由振动衰减时程信号,提出了桥梁断面颤振导数识别的人工蜂群算法。基于最小二乘原理,将竖弯和扭转信号的整体残差平方和作为目标函数,使用人工蜂群算法对相关参数进行寻优搜索,识别出桥梁断面的颤振导数。与其他迭代算法相比,人工蜂群算法是受生物启发产生的寻优算法,对初值没有要求,从而避免了迭代初值对识别精度的影响。为考察人工蜂群算法在桥梁断面颤振导数识别中的有效性,进行了理想平板模型仿真以及某大桥节段模型风洞试验,结果表明,桥梁断面颤振导数识别的人工蜂群算法具有较好的稳定性和可靠性。     

背包问题的混合粒子群优化算法

经典的粒子群是一个有效的寻找连续函数极值的方法，结合遗传算法的思想提出的混合粒子群算法来解决背包问题，经过比较测试，6种混合粒子群算法的效果都比较好，特别交叉策略A和变异策略C的混合粒子群算法是最好的且简单有效的算法，并成功地运用在投资问题中。对于目前还没有好的解法的组合优化问题，很容易地修改此算法就可解决     

基于人工蜂群优化的印刷色彩分色

分析了2种原色油墨叠印后的颜色光谱,并在此基础上建立了印刷中黄、品、青、黑四原色的网点面积率和相互叠印之后的光谱反射率之间的关系模型,结合人工蜂群算法具有良好寻优能力的特点,提出了人工蜂群优化的印刷色彩分色模型。以标准色谱作为测试样本进行了仿真实验,结果表明该模型具有较高的分色精度。     

The Artificial Bee Colony algorithm in layer optimization for the maximum fundamental frequency of symmetrical laminated composite plates

In this study the layer optimization was carried out for maximizing the lowest (first) fundamental frequency of symmetrical laminated composite plates subjected to any combination of the three classical boundary conditions, and the applicability of the Artificial Bee Colony (ABC) algorithm to the layer optimization was investigated. The finite element method was used for calculating the first natural frequencies of the laminated composite plates with various stacking sequences. The ABC algorithm maximizes the first natural frequency of the laminated composite plate defined as an objective function. The optimal stacking sequences were determined for two layer numbers, twenty boundary conditions and two plate length/width ratios. The outer layers of the composite plate had a stiffness increasing effect, and as the number of clamped plate edges was increased both he stiffness and natural frequency of the plate increased. The optimal stacking sequences were in good agreement with those determined by the Ritz-based layerwise optimization method (Narita 2003: J. Sound Vibration 263 (5), 1005–1016) as well as by the genetic algorithm method combined with the finite element method.     

基于蜂群算法的等压灌装阀阀口流道结构优化

目的为了改善等压灌装阀的灌装性能,分析阀口流道结构参数对液料流场的影响,求解流道内最大压力损失、最大液料流速和最大湍动能均最小化的约束多目标优化问题。方法基于正交试验设计和Fluent流场仿真软件对灌装阀阀口流道流场进行数值模拟,并通过回归分析建立以阀口流道结构参数为自变量的最大压力损失、最大液料流速和最大湍动能的经验方程,进而建立阀口流道结构参数约束多目标优化模型,采用约束多目标人工蜂群算法对优化模型进行求解。结果流道内最大压力损失最小化、最大液料流速最小化和最大湍动能最小化这3个目标之间存在冲突,无法同时达到最优,基于多目标人工蜂群算法获得了阀口流道结构参数的最优Pareto解集。结论约束多目标人工蜂群算法能有效用于等压灌装阀阀口流道结构参数的优化。     

基于人工蜂群算法的SPECT-B超甲状腺图像配准

为了提高甲状腺肿瘤检出的准确率,提出一种基于人工蜂群算法的SPECT和B超甲状腺图像配准。首先,针对来自两个不同成像设备的SPECT和B超甲状腺图像灰度差异大的特点,使用NSCT和GCBAC相结合的方法提取B超图像感兴趣的轮廓特征,用KFCM的方法提取SPECT图像的轮廓特征;然后以互信息作为相似性测度,建立仿射变换模型,并以改进的人工蜂群算法作为优化策略来优化配准所需的空间变换参数。实验结果表明,该方法可以有效提高配准速度,具有较好的配准效果。     

Automatic Data Clustering Based Mean Best Artificial Bee Colony Algorithm

Fuzzy C-means (FCM) is a clustering method that falls under unsupervised machine learning. The main issues plaguing this clustering algorithm are the number of the unknown clusters within a particular dataset and initialization sensitivity of cluster centres. Artificial Bee Colony (ABC) is a type of swarm algorithm that strives to improve the members’ solution quality as an iterative process with the utilization of particular kinds of randomness. However, ABC has some weaknesses, such as balancing exploration and exploitation. To improve the exploration process within the ABC algorithm, the mean artificial bee colony (MeanABC) by its modified search equation that depends on solutions of mean previous and global best is used. Furthermore, to solve the main issues of FCM, Automatic clustering algorithm was proposed based on the mean artificial bee colony called (AC-MeanABC). It uses the MeanABC capability of balancing between exploration and exploitation and its capacity to explore the positive and negative directions in search space to find the best value of clusters number and centroids value. A few benchmark datasets and a set of natural images were used to evaluate the effectiveness of AC-MeanABC. The experimental findings are encouraging and indicate considerable improvements compared to other state-of-the-art approaches in the same domain.     

基于人工蜂群算法与反向传播神经网络的铝热连轧轧制力预测

在分析传统的轧制力数学模型的不足之后,提出了一种基于人工蜂群算法与反向传播神经网络相结合的铝热连轧轧制力预测方法,使用人工蜂群算法优化反向传播神经网络的初始权值和阈值。以现场采集的精轧机组数据作为训练和测试样本,并与Sims数学模型和反向传播神经网络的预测结果进行比较,实验结果表明所提方法的轧制力预测精度和误差明显优于传统算法。     

自适应人工蜂群优化极限学习机在拉曼光谱血液定量分析中的应用

提出了一种基于自适应差分进化人工蜂群优化极限学习机预测血液各组分浓度的方法。首先应用人工蜂群算法对输入权值和隐含层阈值迭代寻优;其次结合差分进化进一步提高模型精度且避免后期易陷入局部最优等问题;由于差分进化算法交叉率和变异率存在凭经验给定的不确定性,最后引入了自适应调整的思想提出自适应差分进化人工蜂群算法优化极限学习机算法的模型,将其应用于血液成分定量分析中。实验表明,自适应差分进化人工蜂群算法优化的极限学习机模型具有较高的预测精度,模型具有较强的稳健性。