一种改进的无局部搜索的类电磁机制算法

基于种群的类电磁机制算法是一种随机搜索算法,种群粒子在所受其他个体的合力作用下以随机步长运动。由于EM算法在计算粒子间的作用力时,粒子间距离对作用力大小的影响过大,从而导致EM算法本身的局部搜索能力较弱。根据粒子之间距离的不同情况计算个体间作用力大小,从而弱化了距离对作用力大小的影响。同时,通过引入分力权重系数,调整了吸引／排斥作用对合力的影响。粒子的运动则是根据粒子所受合力与最优粒子对该粒子引力的夹角大小来判断粒子是按合力方向运动,还是背离合力方向运动。另外,该改进的EM算法中还去掉了EM算法中局部搜索部分。实验测试结果表明,该改进的无局部搜索的EM算法提高了解的精度,并能更好的解决高维优化问题。     

一种基于佳点集的类电磁机制算法

提出了一种改进的类电磁机制算法——基于佳点集的类电磁机制算法.该算法运用数论中的佳点集理论构造初始种群;改进了局部搜索算法;运用改造后的公式计算粒子之间的作用力;设计了一种自适应移动算子来更新粒子.实验结果表明,改进后的算法能更快、更精确地收敛于问题的全局最优值.     

一种采用类电磁机制算法的线性分类方法

根据最优超平面和类电磁机制算法的思想,提出了一种组合优化线性分类方法.该方法利用样本训练提取样本个体的类别特征,寻找到将类别分类的最优超平面,设计并实现了一种采用改进的类电磁机制算法的组合优化线性分类方法.试验取得了很好的分类效果,证实了组合优化线性分类方法的可行性.     

求解约束优化问题的混沌类电磁算法

针对约束优化问题, 提出了基于混沌优化的一种新的类电磁机制算法. 采用多目标优化的约束处理技术, 将约束优化问题转化为无约束的双目标优化模型来求解; 对于转化后的新模型, 设计粒子的电荷和粒子间的受力公式. 同时, 为了加快算法的收敛速度, 结合混沌优化改进种群中的粒子. 采用标准的Benchmark函数对新类电磁机制算法的性能进行了仿真测试, 并将测试结果与已有算法的结果进行比较, 结果表明, 新算法能够快速找到问题的全局最优解或近似最优解, 是一种非常有竞争力的优化算法.     

无约束优化问题的多种群混合类电磁机制算法

在分析了标准类电磁机制算法不足之处的基础上,提出了一种处理无约束优化问题的新的类电磁机制算法。新算法用两个种群进化,从两个进化种群中选出优势个体互相学习,交换信息;提出了基于粒子电荷量和它们之间距离的自适应调节的新的受力计算公式。仿真试验结果表明,和已有算法相比,该算法能有效克服早熟收敛,具有收敛快、求解性能好的优点.     

一种新型的混沌BP混合学习算法

将一种新的快速BP(FBP)算法和混沌优化相结合，提出了混沌BP算法(CBP算法)．FBP算法吸收了误差函数的非线性信息，大大加快了BP算法的收敛速度，但它仍然采用梯度下降法，不可避免地存在局部极小的缺陷．混沌动力学具有遍历性、随机性的特点．能在一定范围内按其自身规律不重复地遍历所有状态，将混沌优化搜索引入FBP算法中，形成一种新型的混沌BP算法．它既能较快地局部收敛，又能全局收敛，避免了陷入局部极小的可能性．CBP算法为多层前馈网络的全局性收敛学习提供了一种有效的方法．     

一种具有学习机制的海鸥优化算法

为了克服海鸥优化算法在求解高维问题时存在的收敛速度慢、容易早熟和解精度低等问题,提出一种具有学习机制的海鸥优化算法(ISOAL)。首先,设计了一种基于当前粒子X_i与种群均值状态X_m差异的迁移算子,提升早期个体对解空间的搜索范围。其次,引入非线性自适应参数A保证算法适合于复杂问题解空间的搜索,避免算法过早地陷入局部最优。最后,通过引入部分精英粒子执行反向学习,加强对种群内的最优粒子所在空间的勘探,提高算法的解精度。实验选择了CEC2017中的10个无约束测试函数检测算法的性能,并与HPSO-TS、V-DVGA、DADE、CMA-ES等算法进行对比,该组实验结果显示,ISOAL比其他算法具有更高的解精度和稳定性。针对张力弹簧问题进行实验,结果表明：ISOAL所获得的弹簧总代价比SOA降低了3.5%,弹簧的线圈直径和平均直径分别下降了5.7%和3.5%。ISOAL算法具有收敛速度快、精度高和鲁棒性的特点,适合求解较高维度的连续函数优化问题和带有约束的工程优化问题。     

一种采用聚类单纯形搜索的引力算法

提出了一种基于聚类和单纯形法的中心引力优化算法,该算法引入了一种聚类单纯形算子,利用聚类方法选择合适的个体以构成单纯形的顶点,周期性地把单纯形算子搜索得到的最优个体迁移到中心引力算法的种群个体中．依靠聚类单纯形算子提高中心引力算法的局部搜索能力和收敛速度,聚类单纯形算子依靠中心引力算法跳出局部最优．实验结果表明,改进后的算法比其他常见优化算法有更好的收敛精度和收敛速度．     

一种类电磁机制算法在锅炉主汽温系统的研究

针对主汽温控制对象的特点,改进类电磁机制算法的不足,对串级主汽温控制系统控制器参数进行优化,选定了3个稳定工况点模型进行仿真实验,改进后的控制系统具有较强鲁棒性,能适应现场复杂多变的情况,满足电厂控制的需求。     

采用类电磁机制算法的SVM决策树多分类策略

基于分类问题的特点,设计了适用于分类问题的类电磁机制算法,然后设计了基于改造后的类电磁机制算法的最优决策树生成算法,用以解决支持向量机多分类问题．以最大分类间隔为准则,利用类电磁机制算法进行优化,从而生成最优或次优的决策树．在每个决策结点利用传统的支持向量机二分类方法进行分类,最终实现支持向量机多分类．仿真结果表明：这种方法比传统的1-a-1,1-a-r,DAG-SVM,DT-SVM以及GADT-SVM方法有更优的性能．     

Improved electromagnetism-like mechanism algorithm

Based on the principle of the electromagnetism-like mechanism(EM) algorithm, the algorithm's optimization mechanism is studied. An improved electromagnetism-like mechanism algorithm is proposed to solve the problems of the original EM algorithm, such as non-uniform initial population, low search efficiency, and pathological feature in the total force formula. The new algorithm generates the initial population with the uniform design method, improves the local search algorithm with the hybrid chaotic pattern search method and calculates the total force between particles with the modified equation. Besides, an adaptive formula of movement is designed to update the locations of those particles. Experimental results show that the improved algorithm has a better convergence result and a higher solution accuracy.     

Practical electromagnetism-like mechanism algorithm

The function optimization principle of the original Electromagnetism-like mechanism (EM) algorithm and some problems of it are analyzed, such as large computation, low convergence rate, and pathological feature in the total force formula. A new pratical EM algorithm is proposed according to the problems above. The power formula is simplified by adopting the method for normalizing the objective function value. The correction factor is introduced into the total force formula, so that the pathological feature in the total force formula is eliminated, the impact of the distance factor on the force between population particles weakened, and the convergence rate increased. Experiments show that the improved algorithm has a faster convergence speed and higher solution accuracy.     

基于遗传算法与模式搜索的混合优化算法

为了更好地实现全局优化,提出一种遗传模式搜索(Genetic Pattern Search,GPS)算法,该算法结合了遗传算法(GA)的强全局搜索能力与泛化模式搜索算法(PS)的强局部搜索能力.算法流程分为两步:首先是GA与PS联合实现粗搜索;其次是PS实现细搜索.实验对Hump、Powell、Rosenbrock、Schaffer、Woods测试函数进行搜索,表明GPS算法的成功率明显优于改进遗传算法与改进模式搜索算法,可作为一种有效可行的全局优化算法.     

约束优化问题的免疫混沌算法

结合免疫算法极强的全局搜索能力以及混沌优化方法适合局部搜索的特点，提出了一种新的免疫混沌算法.从一组可行解出发，采用免疫算法通过克隆选择、克隆扩增、高频变异和审查形成记忆细胞，并将其作为全局近似最优解，然后采用混沌优化方法按照混沌运动规律在近似最优解的邻域内进行局部搜索并审查，从而获得全局精确最优解.审查过程包含了对约束条件的处理，即对新产生的候选解进行审查，保留满足约束条件的可行解.利用该算法对几个经典约束优化问题进行了仿真测试，与以往方法相比获得了更优的结果，表明该算法是一种解决约束优化问题的有效方法.     

一种基于混沌的自适应免疫进化算法

基于免疫系统的克隆选择机理,利用混沌序列的遍历性,将混沌序列引入算法初始群体的产生和抗体的扩展过程,设计出新的扩展算子,从而提出一种基于混沌的自适应免疫进化算法。用不同测试函数进行仿真实验,结果表明该算法有效,并能以较快的速度完成给定范围的搜索和优化任务。