基于初始种群改进策略的经验遗传-单纯形算法

为提高初始种群的多样性,加快经验遗传-单纯形算法搜索效率,对算法初始种群的随机生成方式进行了改进.首先对问题搜索空间进行均匀划分,然后应用均匀试验设计对划分的子区间进行选择,最后在选择的子空间内分别产生随机数,由此获得在搜索空间内均匀分散的个体,增加初始种群的多样性.将该方法应用到典型测试函数的寻优计算中,比较和分析结果表明:在种群规模相同的情况下,相比于随机初始种群,均匀设计得到的改进初始种群可提高优化求解的寻优效率.     

基于SAGA的协同多目标攻击决策

以超视距协同空战为背景,在对每个目标分配一枚导弹攻击的模式下,研究了协同多目标攻击空战决策问题.首先,基于对空战威胁态势的分析,将协同多目标攻击决策问题转化为导弹目标攻击分配的优化问题并建立其攻击效能评估模型.然后,提出将模拟退火遗传算法(SAGA)用于该问题的寻优,算法中个体采用整数编码,并采用非常规的交叉与变异操作产生新的个体.在进化结束后,通过最佳导弹目标分配个体求得最终协同攻击决策方案.仿真结果表明所提出的算法对最优分配方案的搜索效率明显优于单纯的遗传算法.     

混合遗传模拟退火算法求解背包问题

提出了一种混合遗传模拟退火算法求解背包问题,该算法应用改进的模拟退火算法作为局部搜索,提高算法的搜索效率,采用同时考虑解的质量和种群多样性的种群更新策略,保持种群的多样性,仿真实验结果表明该算法是有效的.     

改进的多目标粒子群优化算法及其在雷达布站中的应用

为更好地解决多目标问题,提高多目标优化算法的多样性和收敛性,提出一种改进的多目标粒子群优化算法。算法将种群分为多个子种群同时进行优化搜索并改进粒子速度更新公式,扩大Pareto最优解集的覆盖面;利用反三角函数logistic映射初始化种群,使初始种群分布更均匀;并使用时变变异方法对外部档案进行变异,避免陷入局部最优。通过与标准多目标粒子群优化算法(MOPSO)和NSGA-Ⅱ在标准测试函数ZDT1、ZDT2、KUR上的仿真实验对比,验证了该文提出的改进算法的有效性,并将其应用于雷达优化布站。     

基于多群体改进萤火虫算法的UCAV协同多目标分配

对多UCAV协同攻击目标分配问题进行了研究。以收益指标、消耗指标及航程指标为准则建立数学模型,采用改进的萤火虫优化算法对模型进行求解;对基本萤火虫优化算法进行了改进,给出了新的萤火虫更新策略,引入了局部搜索及全局信息交换机制,并将萤火虫优化算法与混合蛙跳算法融合,实现了多智能群体共同进化,提出了一种基于多群体改进萤火虫优化算法的UCAV目标分配算法;针对UCAV协同攻击决策特点,设计了萤火虫离散编码方式,最终得到多UCAV协同攻击最优分配方案。仿真结果表明,多群体萤火虫优化算法能够稳定快速地给出目标分配最优方案。     

一种自适应混合多目标粒子群优化算法

文章针对多目标粒子群优化算法多样性损失和收敛性不好的问题,提出了一种自适应混合多目标粒子群优化算法。首先,使用Sobol序列映射决策变量初始值,使得初始解集在全决策空间范围有更均匀的分布。使用线性递减权重法调整粒子群算法的权重,增强算法收敛性。提出了使用基于多样性指标SP的自适应变异算子增加种群多样性的同时,还提出了在最优档案集中,使用基于改进的世代距离指标GD的自适应混沌搜索增强算法局部搜索能力。最后,将文中提出的改进算法与MOPSO(基本多目标粒子群优化算法)和NSGA2对比,结果显示出该算法能够在保持优化解收敛性的同时获得更好的多样性。     

资源受限多项目调度的混合遗传算法

针对资源受限多项目调度问题,提出了改进后的混合遗传算法.该算法基于串行进度生成机制,结合多项目任务列表与项目优先权设计了新的染色体,所设计的交叉算子与变异算子均能保证所得新个体满足项目紧前关系约束,从而有效提高算法搜索效率.算法充分利用不同启发式算法构造初始种群,有效扩大种群多样性以避免过早收敛.算法采用正向逆向调度技术对调度方案进行优化,进一步提高了调度方案的质量.与其他多项目调度启发式算法相比,该算法能有效分配资源,显著缩短项目平均总工期.     

一种三维多UAV协同航迹规划的空间模糊文化算法

针对多无人机在三维环境下航迹规划搜索空间大、多机协同困难等问题,提出一种基于空间模糊表示和差分进化相结合的文化算法.该方法首先用模糊集合表示三维空间网格点,提高关键路径点的被关注度;然后组合空间模糊信息、历史信息和协同信息成为文化算法的信念空间,用以剪枝规划的搜索空间;在文化算法的种群空间则利用差分进化生成满足多机协同约束的优解,并用差分获得的未知领域知识扩展信念空间,保证进化种群的多样性;最后,通过共享信息促进知识的积累和修正搜索的方向.仿真实验表明,该方法提高了关键路径点选取的效率,能够探索空间中更多的未知区域,避免求解陷入局部最优,更符合多机协同的需求,有助于快速规划出多条可行的协同航迹.     

多目标柔性作业车间调度的Pareto混合粒子群算法

针对多目标柔性作业车间调度问题(Flexible Job-shop Scheduling Problem,FJSP)的复杂性,建立了以总完工时间、所有机器总负载及最大机器负载为目标函数的多目标调度模型,提出了一种带有Pareto档案集的混合粒子群优化算法.该算法首先通过全局搜索、局部搜索和随机产生相结合的初始化方法产生高质量的初始种群,利用改进的快速排序法构造Pareto档案集,并给出了一种快速更新Pareto档案集的算法.既保持了种群的多样性,避免了算法陷入局部最优,又有效地提高了算法的收敛速度;算法中还引入逆转策略来进一步增加解的多样性.通过3个经典算例的实验仿真,验证了该算法的可行性和有效性.     

基于K-近邻域搜索的遗传算法求解旅行商问题

针对传统遗传算法在求解旅行商问题时存在容易陷入局部最优和运算时间较长的问题,着重考虑影响算法局部搜索能力和种群多样性保持两个方面的因素,提出改进策略.将交叉变异产生的新个体与父代种群合并后剔除重复个体,再选择优势个体作为新种群,防止种群中适应度值较低但具有优质基因的个体被剔除,促进种群多样性的发展;通过分析旅行商问题的内在特性,采用K-近邻域搜索的方式减少变异算子的无效操作,提高算法局部搜索能力及算法寻优效率.实验结果表明：与BLS算法相比,改进遗传算法的平均解误差降低了15.36%;相较于传统遗传算法,应用新型变异算子的改进遗传算法收敛速度明显提高.全精英选择法能较好地保持种群多样性,新型启发式变异算子在全局搜索的同时加强了局部搜索能力,对提高算法求解精度和寻优效率都有较好的效果.     

空战多目标集群攻击算法研究

针对传统多机空战中解算多机攻击策略需要很大计算量,不宜进行攻击任务分配问题,文章提出在我方多机不同编队视角下,采用改进的FCM算法将空战多目标根据目标属性相似性平均进行聚类划分,综合考虑聚类后各个类成员,运用熵理论处理空战客观信息,确定目标各个属性权重,解算不同编队视角下的各个类威胁以及不同聚类结果对我方编队的威胁度,得出最优聚类结果,采用矩阵法将划分的目标类与我方各个编队进行攻击配对,解算最终攻击分配方案.运用该法研究多目标集群聚类攻击问题,建立集群聚类攻击数学模型,并进行仿真研究.仿真结果表明该算法合理和有效.     

改进协同进化算法求解柔性车间调度问题

在柔性作业车间调度问题中以最大完工时间为优化目标,针对求解柔性车间调度问题在大算例中搜索能力下降的问题,提出了一种基于GA和PSO的学习型协同进化算法.首先通过GA和PSO两种算法的最优个体进行共享,通过两种群的相互协同提高种群的多样性,避免陷入局部最优;其次设计了一种变邻域搜索方式,提高算法的局部搜索能力;然后,针对每一代的最优个体的染色体结构进行学习形成机器选择知识体,来影响下一代种群的生成从而提高新生成染色体的质量.最后通过实验表明学习型协同进化算法不仅在小算例中搜索能力强,而且在规模较大的算力时仍然具有良好的全局搜索能力.     

用于解决多目标0/1背包问题的免疫系统Pareto强度算法

将人工免疫系统的机理与Pareto强度算法相结合,提出一种用于解决多目标0/1背包问题的免疫系统Pareto强度算法(ISSPA).ISSPA结合克隆选择操作和注射疫苗操作,并通过免疫特异性度量保持种群的良好多样性和算法的全局搜索能力.与其他多目标进化算法的对比实验证明,ISSPA搜索得到的Pareto解的支配能力和在空间分布的均匀性上较其他几种多目标进化算法有明显的优势.     

改进差分进化算法及其在模糊聚类分析中的应用

针对差分进化算法早熟与搜索效率不理想的问题,提出一种改进的差分进化算法。算法在变异阶段采用多策略与多参数并行的方法一次产生多个变异个体,有效地保持了种群中个体的多样性,抑制了早熟现象的发生。根据竞争机制选择适应度最好的变异个体进行选择操作,提高了搜索效率。与差分进化及其改进算法的对比实验表明了算法的有效性,并把提出的算法应用到模糊聚类分析中,较好的解决了原始聚类模型求解容易陷入局部极值的问题。     

触觉传感器非线性补偿仿生算法

为解决触觉传感器非线性误差大的问题,本文提出了一种基于动态密度聚类改进的自适应多种群遗传算法(IMPGA)。IMPGA算法通过对个体相似度的动态聚类分析生成多个子种群,各子种群采用自适应交叉、变异概率并行进化,提高了搜索全局最优解的效率。通过动态邻域搜索策略提高算法局部搜索的能力,通过移民算子保持每个种群的多样性和进化动力。实验表明通过IMPGA算法优化的BP神经网络能够有效减小触觉传感器非线性拟合误差,鲁棒性能好。     

基于改进多目标遗传算法的再入飞行控制分配研究

高超声速飞行器再入飞行段需要反推力器进行辅助姿态控制,控制力矩向气动舵面和反推力器的合理分配是再入飞行控制的一个关键问题。文章考虑燃料消耗、舵面偏转状态和误差三要素,将控制分配视为一个多目标优化的问题,提出了一种改进的多目标遗传算法。引入一种改进的模拟退火算法提高局部搜索能力;为保证种群的多样性,提出了一种改进的小生境技术,将距离参数设置为动态的函数,并引入种群的繁殖代数。分别设计燃料消耗、舵面偏转和误差的代价系数、约束条件等,获得多目标Pareto解集,并基于模糊逻辑,在最优解集中寻获最优解。通过仿真验证了方法的有效性。     

三维循环对称结构的多目标多约束拓扑优化算法研究

利用循环对称特性建立三维循环对称结构的多目标多约束拓扑优化算法.基于子结构法原理,将三维循环对称结构转化为一个扇形子块,建立在应力和位移约束下强度、刚度和频率的多目标函数拓扑优化模型,采用罚函数法与遗传算法结合,形成多目标多约束拓扑优化算法.在拓扑优化算法中,采用个体相似控制以使初始种群的个体遍布整个可行解的空间,采用混合选择法以增加种群的多样性并提高运行效率,采用最优保存策略以保证算法的收敛性.同时对适应度函数做可调的非线性变换,以提高遗传算法的收敛速度.另外在遗传算法的进化过程中,引入了多样性策略,去除重复的个体,增加新的个体,扩大解的搜索范围.算例结果表明,文中所建立的算法是合理、有效的,且可用于循环对称结构的初始方案设计.     

基于分解的自适应多目标粒子群算法研究

针对多目标粒子群算法在选取全局最优解和保持种群多样性上存在的缺陷,本文提出了一种基于分解的自适应多目标粒子群优化算法。该算法采用切比雪夫聚合方法,将多目标问题聚合为若干个单目标问题,并对每一个单目标问题粒子的速度和位置更新公式进行改进,提高了算法搜索到Pareto解集的效率。同时,改进了惯性权重和加速因子,使其自适应调整,能够更好地平衡全局和局部搜索,采用网格技术存储最优解集,能有效保持进化群体的分布均匀性,并采用5个经典的两目标测试函数进行了仿真实验。实验结果表明,通过改进粒子群算法的速度和位置更新公式,可以提高非支配解对真实解的逼近程度,体现了本算法的有效性;多目标粒子群优化算法求得的Pareto解集,在解的收敛性和分布性上都有明显的提升。本算法为求解多目标优化问题提供了一种新的方法。     

多角色多策略多目标粒子群优化算法

针对粒子群算法在解决复杂多目标问题时存在过早收敛和多样性不足的问题,提出多角色多策略多目标粒子群优化算法(MOPSO_RS). 该算法根据粒子的角色划分指标,给不同性能的粒子赋予不同角色;提出多策略的学习参数调整方法和多策略的全局最优粒子选取方法,帮助种群执行各种搜索策略. 不同的学习参数使各角色粒子获得不同的搜索策略,以调整粒子的探索和开发能力. 不同的全局最优粒子使各角色粒子搜索不同区域,提高种群的搜索效率. 为了避免算法陷入局部最优,引入带有高斯函数的变异算子,使粒子根据其角色朝向不同的全局最优粒子变异,提高算法的求解精度. 实验结果表明,对比其他改进多目标算法,MOPSO_RS具有良好的收敛性和多样性,并验证了所提策略的有效性.     

一种采用双混沌搜索的类电磁机制算法

针对现有算法中初始种群随机性强、局部搜索能力差、移动公式效率低等问题,提出了一种改进的类电磁机制算法．结合反向学习理论,引入带扰动因子的反向学习机制构造初始种群;提出了一种双混沌优化机制用于局部搜索;运用改进后的公式计算粒子之间的合力;设计了一种自适应移动算子来更新粒子．实验结果表明,改进后的算法具有更好的收敛效果和更高的求解精度．