基于改进EGO算法的黑箱函数全局最优化

基于Kriging模型的EGO算法是一种适用于黑箱函数求极值的全局最优化算法,但该算法忽略了对Kriging模型精度的控制.针对该算法的不足之处,提出了兼顾Kriging模型精度与模型寻优的迭代函数,并将改进后的EGO算法应用于五个检验函数及一个存货模型,从Kriging模型精度及优化结果两方面对改进前后的算法进行比较.结果表明,改进后的EGO算法提高了最终Kriging模型的精度,并在对目标函数进行少量估值的情况下获得了更为全局化的最优解.     

基于黄金分割的全局最优化方法

提出了求无约束问题全局最优解的一种直接解法。该方法将经典的0.618由一维推广到了二维,将原算法的适用范围由单峰函数推广到了多峰函数,从而可以求全局最优解,该算法具有结构简单、精度高、对计算机硬件要求低等优点。此外,给出了收敛性证明。仿真结果表明算法是有效的。     

基于均匀设计与Powell算法的全局最优化算法及并行实现

复杂函数的全局最优化问题是在求解各种复杂工程与科学计算问题中提炼出来的亟待解决的计算问题,均匀设计具有让试验点在高维空间内均匀分散的特点,而Powell算法具有很好的求解局部最优解的能力,将两种方法进行有效改进后使之相结合,设计出并行全局最优化算法.通过经典的全局最优化函数对算法进行了比较测试,发现该算法具有比以前的算法更好的寻优能力,并对算法时间、空间复杂度以及并行性进行分析和测试.基于均匀设计与Powell算法的全局最优化并行算法具有寻优能力强,时间开销与问题因素个数的平方和布点数成线性复杂度,空间开销与因素个数和布点数成线性复杂度,并行效率好的特点.     

最优化问题全局寻优的AFSA-BFGS混合算法

针对人工鱼群算法在优化后期收敛速度变慢问题,利用BFGS算法快速的局部搜索能力来改进,提出了一种最优化问题全局寻优的AFSA-BFGS混合算法。通过8个标准函数测试结果表明,AFSA-BFGS混合算法,不仅具有全局收敛性能,而且还具有较快的收敛速度和更高的求解精度,是求解优化问题的一种有效方法。     

基于全局特征点匹配的全局定位方法

针对传统全局定位方法存在对传感器要求多、计算量大的问题,提出了一种基于全局特征点匹配的移动机器人定位方法。该方法采用普通2D雷达作为传感器,在机器人建立全局地图的过程中同步地提取全局特征点,在全局定位算法中,通过建立局部地图和提取局部地图特征点,实时将局部地图特征点和全局地图特征点进行匹配后求解全局位姿。在两个数据集上的测试,结果优于蒙特卡罗自适应定位（adaptive Monte Carlo localization,AMCL）和Cartographer的全局定位效果,运算速度更快。结果表明,与已有的方法相比,该全局定位方法能够更快地完成全局定位和有效减少计算资源的消耗。     

遗传编程局部最优化问题分析

本文介绍了遗传编程的一般步骤，指出程序在遗传的过程中存在的局部最优问题，分析了局部最优状态产生的机理，并提出了局部最优状态的发现方法以及解决方法。     

解决多维全局最优问题的一种新方法

对一种新的全局优化方法(称为APSAM方法)进行了研究,将模拟退火方法的随机搜索策略与局部寻优算法POWELL相结合,使得求解过程可以跳出局部最优值的区域,最终获得全局最优解。最后通过对一些典型的多极值方程进行优化,比较了APSAM方法与模拟退火法、POWELL法和PSAM方法的优化结果,仿真结果说明提出的算法优化能力较强,效果稳定可靠。     

二阶神经网络的全局指数稳定性分析

当神经网络应用于最优化计算时,理想的情形是只有一个全局渐近稳定的平衡点,并且以指数速度趋近于平衡点,从而减少神经网络所需计算时间,二阶神经网络较一般神经网络具有更快的收敛速度,对于二阶连续型Hopfield神经网络,用Lyapunov方法讨论平衡点的全局指数稳定性,给出了平衡点全局指数稳定的几个判别准则,作为特例,获得了连续型Hopfield神经网络全局指数稳定的新判据。     

应用Normal矩阵谱平分法的多社团发现

现实世界中许多实际网络都有一个共同的性质,即社团结构。揭示网络中的社团结构,对于了解网络结构与分析网络性质都是很重要的。分析了常见的社团发现算法的特点,以及谱二分法在实际应用中必须不断迭代才能完成多社团发现的不足,提出了基于Normal矩阵和k-means聚类算法的多社团发现方法。该算法能选择合适的特征向量维数,为k-means划分社团提供有效数据,相比其他算法有着较高的准确率。     

基于QoS的Web服务组合的全局优化方法

研究在服务组合预先优化阶段及在运行时容错处理阶段对重构的服务组合进行基于QoS的在线全局优化方法,提出并实现了一种结合修正单纯形法和启发式枚举法解决多目标全局组合最优化问题,加快了解空间搜索的收敛速度以及提高了目标函数的优化水平。     

Generalized Pareto ranking bisection for computationally feasible multiobjective antenna optimization

Multiobjective optimization (MO) allows for obtaining comprehensive information about possible design trade‐offs of a given antenna structure. Yet, executing MO using the most popular class of techniques, population‐based metaheuristics, may be computationally prohibitive when full‐wave EM analysis is utilized for antenna evaluation. In this work, a low‐cost and fully deterministic MO methodology is introduced. The proposed generalized Pareto ranking bisection algorithm permits identifying a set of Pareto optimal sets of parameters representing the best trade‐offs between considered objectives. The subsequent designs are found by iterative partitioning of the intervals connecting previously obtained designs and executing Pareto‐ranking‐based poll search. The initial approximation of the Pareto front found using the bisection procedure is subsequently refined to the level of the high‐fidelity EM model of the antenna at hand using local optimization. The proposed framework overcomes a serious limitation of the original, recently reported, bisection algorithm, which was only capable of considering two objectives. The generalized version proposed here allows for handling any number of design goals. An improved poll search procedure has also been developed and incorporated. Our algorithm has been demonstrated using two examples of UWB monopole antennas with four figures of interest taken into account: structure size, reflection response, total efficiency, and gain variability.     

基于Tent映射的混沌优化算法

针对目前混沌优化算法寻优速度慢的问题,论证了Tent映射的优越性,并结合模式搜索法,构造了一种搜索速度较快的混合优化算法．该算法能够搜索全局最优解,并具有较快的搜索速度．通过算例验证了该方法的可行性和Tent映射的应用前景。     

Complexity of the bisection method

The bisection method   is the consecutive bisection of a triangle by the median of the longest side. In this paper we prove a subexponential asymptotic upper bound for the number of similarity classes of triangles generated on a mesh obtained by iterative bisection, which previously was known only to be finite. The relevant parameter is γ/σ$\gamma /\sigma$, where γ$\gamma$ is the biggest and σ$\sigma$ is the smallest angle of the triangle. We get this result by introducing a taxonomy of triangles that precisely captures the behaviour of the bisection method. We also prove that the number of directions on the plane given by the sides of the triangles generated is finite. Additionally, we give purely geometrical and intuitive proofs of classical results for the bisection method.     

基于外点法的混合遗传算法求解约束优化问题

提出了一种求解约束优化问题的混合遗传算法。它不是传统的在适应值函数中加一个惩罚项，而是在初始种群、交叉运算和变异运算过程中，把违反约束条件的个体用外点法处理设计出新的实数编码遗传算法。数值实验证明，新算法性能优于现有其他进化算法，是通用性强、高效稳健的方法。该方法兼顾了遗传算法和外点法的优点，既有较快的收敛速度，又能以非常大的概率求得约束优化问题全局最优解。     

多元多峰值目标函数在MATLAB中的优化

采用MATLAB的遗传算法,利用强大的数学计算能力和遗传工具箱,在全局搜索空间内寻找极值点,能够有效地对多元多峰值函数进行优化,避免了利用传统优化方法在多元多峰值函数优化过程中陷入局部极值点的优化误区。同时简要介绍了遗传算法的特点、流程和优化工具箱,通过实际编程优化,说明基于MATLAB的遗传算法是一种具有良好的全局寻优的优化工具。     

基于Kriging代理模型的自适应序贯优化方法

提出了一种基于Kriging代理模型的自适应序贯优化算法。首先分析了代理模型使用不当引发的局部收敛问题,然后采用小生境微种群遗传算法求解EI函数来得到校正点,用以更新Kriging模型。这种选择校正点的方法使得优化过程避免陷入局部极值点。通过对4个典型函数优化实例进行实验,并与其他算法的结果作比较,其结果表明,新算法在解的精度、收敛性和收敛速度上表现出很好的性能,并且对所优化的问题没有特殊的要求,具有很强的工程实用价值。     

基于Alopex的野草算法

针对野草算法存在求解精度不高、收敛速度慢的问题,提出一种基于Alopex的野草算法。在原有野草算法框架的空间扩散阶段引入Alopex算法,通过从父代和子代个体自变量和目标函数值的变化情况获得启发信息,指导种群向最优方向进化。结合后的算法能够充分发挥两者的优点,改善野草算法收敛速度以及寻优精度。对典型基准函数的测试结果表明,该算法要优于基本野草算法,表现更为稳定,体现出较好的全局搜索能力,具有更快的收敛速度和更高的寻优精度,更适合于解决其它算法难以解决的高维多峰值函数的优化问题;通过与其它相关智能算法的比较,进一步验证了该算法的有效性。     

基于微分进化的混合生物地理学约束优化算法

针对生物地理学优化算法（biogeography based optimization ,BBO）容易陷入局部最优解的缺点,提出一种基于微分进化（differential evolution ,DE）改进BBO算法的混合生物地理学（BBO‐DE）优化算法。通过有机结合BBO算法的利用能力和DE算法的搜索能力,实现利用能力与搜索能力的平衡;引入基于可行性的约束处理机制,解决传统BBO算法无法求解约束优化的问题。通过选定的8个标准测试函数对改进算法进行仿真测试,测试结果验证了改进算法的可行性和有效性,与基本BBO和DE算法相比,其在最终解的质量和收敛速度上具有明显优势。