社会认知算法在非线性多峰函数寻优中的应用

多峰寻优问题是现实中经常遇到的问题,传统求解方法多易陷入局部最优.为了求解多峰优化问题,利用一种新的智能算法--社会认知算法,它对目标函数的解析性质没有要求,适合于非线性多蜂函数问题处理的求解,使搜索不容易陷入局部最优,并给出了该算法的原理和步骤.最后通过仿真实验结果表明,与其他优化算法比较,该算法概念清楚,计算简单,具有很好的全局寻优特性,表明了该方法的有效性,适用于求解于多峰寻优问题.     

基于遗传算法的多峰函数优化

目前,对于整体优化问题已经进行了大量理论研究,并提出了许多基于导数的解析方法和其他非解析的数值优化技术。但是,在实际领域中存在着各种高度复杂的优化问题,其目标函数可能表现为非连续或非处处可微、非凸、多峰和带噪声等各种形式,这类复杂优化问题不适合于采用解析方法,同时用传统上的搜索技术求解也会遇到许多困难。针对上述问题,提出利用遗传算法求解多峰函数的优化方法,新方法利用遗传算法的鲁棒性,对多峰函数进行优化,并用Matlab进行仿真,实验结果表明,遗传算法可以快速稳定地搜索到多峰函数的最优解。     

基于EGA与Alopex算法的非可微函数混合全局优化算法

遗传算法是一种全局化算法,能以较大概率搜索到全局最优解。本文将Alopex算子嵌入到保留最优个体遗传算法（EGA）中,对非可微或求导困难函数从而得到既能以较大概率搜索全局极值,又能进行局部细致搜索的混合全局优化算法;并对其全局收敛性和计算效率作了证明与分析。数值计算结果表明该算法优于求解函数优化的EGA和Alopex算法。     

基于两阶段搜索算法的多峰函数优化

多峰优化问题需要搜索多个最优值（全局最优／局部最优）,这给传统的优化算法带来很大程度上的挑战。本文提出了一种两阶段算法求解多峰优化问题。第一阶段采用带有邻域变异策略的排挤差分演化算法进行粗粒度搜索,在适应度景观上尽可能多的找到最优解的大概位置。搜索一定代数之后,调用DMC聚类方法把搜索种群划分成多个聚类,然后在每个聚类上调用协方差矩阵自适应演化策略算法进行精细搜索。另外,本文还提出搜索点补充策略用于平衡每个聚类的大小及增加算法初期的搜索能力。我们提出的方法和9个较新的经典算法在两个基准测试集上进行了大量对比测试,结果表明新算法是有效的,在大多数测试函数上都优于其它算法。     

带局部搜索的动态多群体自适应差分进化算法及函数优化

 提出将一种改进的差分进化算法——带局部搜索的动态多群体自适应差分进化算法(DMSDELS)应用于函数优化.该算法将种群中的个体随机动态分成多个子群体,以增强个体间的信息交换;变异操作中,选择最优个体为基向量,差分向量的方向选择有利于搜索的方向,以提高收敛速度;变异尺度因子F与交叉概率CR采用自适应机制,以平衡局部搜索与全局搜索;部分优秀个体搜索达到指定代数进入局部搜索,以加快收敛.通过对13个benchmark典型复杂函数进行测试,并与其他七种优化算法进行比较,仿真结果表明:DMSDELS算法具有较高的搜索精度和收敛性,且具有较强的跳出局部最优解能力.     

一种带斐波那契译码的高精度电流舵DAC

在设计的电流舵DAC中应用了一种新的译码结构,即斐波那契数列译码结构。通常电流舵DAC设计基于面积和精度的折衷考虑,会采用高位温度计译码,低位二进制译码的分段结构,在此设计的电流舵DAC为进一步提高精度,高位6位仍采用温度计译码,低6位用斐波那契数列译码代替二进制译码。仿真测得DAC转换器的积分非线性误差（INL）为0.5 LSB,微分非线性误差（DNL）为0.28 LSB。在10 MHz采样率下,无杂散动态范围（SFDR）达85 dB。     

改进小生境遗传算法求解多峰函数优化问题

多峰函数已广泛应用于优化计算、工业设计、机器学习等领域。在这些领域寻求全部的最优解已经成为人们研究的热点。在小生境遗传算法中采用动态的交叉和变异概率,这种新算法主要是通过引入Sigmoid函数,构造新的交叉和变异概率的调节公式。通过测试,改进算法在运行效率上有所提高,且能够快速地找到测试函数的极值点。     

基于改进的黄金分割法的MPPT算法研究

为了提高光伏电池的利用效率,需要对光伏电池最大功率点进行快速精确地跟踪。文中提出了一种改进的黄金分割算法,通过在Matlab/Similink平台上进行系统的建模与仿真分析,将所得结果与传统的MPPT算法比较,结果表明,该方法能够显著提高MPPT跟踪的速度和精度。     

多维函数全局寻优的团队进步算法

通过模仿团队进步需要的学习、探索行为和成员更新规则，提出了一种新颖的双群体演化算法，称为团队进步算法（TPA）。算法将一个团队的成员分为精英和普通组，建立了两组的学习样板，定义了学习和探索运算，并合理设定了成员更新规则。两组成员在搜索过程中出现了明显分工，使算法兼备了全局搜索、局部搜索和定向搜索的能力。数值试验结果验证了新算法具有实现简单、全局寻优成功率高、收敛快、计算量少、坚韧性强和参数选择相对容易等特性，对解决优化应用问题具有较大的价值。     

基于果蝇优化算法的月球车全局路径规划

基于月球车全局路径规划的任务要求,采用果蝇优化算法应用于全局路径的规划。针对果蝇优化算法在路径规划中容易形成局部最优的问题,对算法进行了修改,将果蝇与原点的距离直接带入味道浓度判定函数,从而不易陷入局部最优,提高了算法的稳定性,并可使果蝇群体向已知食物源飞行。通过仿真表明该算法具有计算简单、全局寻优能力强等特点,能够快速地找到优化的全局路径。     

基于变步长搜索黄金分割优化的自聚焦算法

为了获得高分辨的合成孔径雷达(SAR)图像,需采用自聚焦算法对SAR图像进行处理。文中介绍了利用图像对比度最优准则进行自聚焦的原理方法,将对比度最优自聚焦过程等效为最优一维搜索模型。同时,介绍了变步长搜索黄金分割算法的原理,首先通过变步长搜索确定搜索区间,然后采用黄金分割法进行迭代收敛,当满足终止条件时,停止迭代并得到最终的多普勒调频率最优估计值。与现有的算法相比,基于变步长搜索黄金分割优化的自聚焦算法具有收敛速度快、鲁棒性强的优点。实测数据处理结果验证了算法的有效性。     

一个求解无约束优化的单参数填充函数方法

填充函数方法是求解无约束的全局优化问题的重要方法,该方法在于构建具有性质良好、形式简单而且容易求解极小值的填充函数。文章按照填充函数的定义,构建了一个新的单参数填充函数,探究并且证明了该填充函数的填充性质和其他的必要性质。     

多模态生物识别中生物特征组合的最优化设计

如何在预算一定的情况下挑选出最佳的生物特征组合,通常是多模态生物特征识别技术中首先需要解决的问题。该文运用最优化技术中的“多目标规划”与“0-1线性整数规划”方法建立出一套简洁、实用的数学模型,并给出运用MATLAB的具体求解方法。经试验数据对比证明,该文提出的方法能在一定约束条件下快速、有效的找到满足用户要求的最优的多模态生物特征组合方案。     

求解函数优化问题的快速连续蚁群算法

 用蚁群算法进行函数优化时,存在收敛速度慢并易于陷入局部最小等问题.为此,根据对真实蚂蚁的最新研究成果,提出了一种全新的由侦察蚁和觅食蚁协作搜索的函数优化快速连续蚁群算法.该算法首先引入混沌序列确定侦察蚁的初始位置,然后由侦察蚁进行全局大视域快速搜索,且每迭代完一步和每迭代完一代都要对解进行评价,并对本代最优解的信息素进行标记,由此吸引觅食蚁在本代最优解周围空间进行小步长搜索.通过这种初始化方法和侦察蚁与觅食蚁的相互协作,不仅能很好的提高寻优精度,且使收敛速度大幅提高.计算机仿真实验结果表明,本算法寻优率高,收敛速度提高显著,效果令人满意.     

噪声环境下多模态函数优化的遗传算法

 针对噪声环境下多模函数的优化,本文理论上分析了噪声对多模函数优化的全局收敛性和收敛精度的影响,并通过全局区域搜索率和全局区域收敛精度分析噪声对算法的影响程度.实验结果和分析表明,增加多模函数寻优难度和噪声强度,遗传算法的全局区域搜索率都在下降,全局区域收敛精度总体变差;重采样的方法能够有效提高算法的全局区域搜索率,总体改善算法的全局区域收敛精度;确定性排挤遗传算法(Deterministic Crowding Genetic Algorithm,DCGA)和多种群遗传算法(Multi-Population Genetic Algorithm,MPGA)的全局区域搜索率和全局区域收敛精度要优于杰出保留遗传算法(Elist Genetic Algorithm,EGA).