基于人工鱼群遗传算法的 DNA 编码优化

针对DNA计算中的编码序列设计问题,分析DNA编码序列设计的目标和需要满足的约束条件,从中选择适当的约束条件,给出评估公式,提出人工鱼群遗传算法生成有效的DNA编码序列。经实验结果表明,所述算法比遗传算法及遗传粒子群算法产生的DNA编码序列质量更加稳定可靠。     

基于人工鱼群的DNA编码序列组合优化算法研究

分析DNA编码序列设计的目标及需要满足的约束条件,提出全局人工鱼群算法（GAFSA）生成有效的DNA编码序列.根据优化问题的约束条件及人工鱼群的特点,对人工鱼的视野和步长按进行动态调整.实验结果表明,所述GSFSA算法比遗传算法、多目标进化算法、遗传粒子群算法算法产生的DNA编码序列具有更高的质量.     

基于云差分进化算法的约束多目标优化实现

针对现有约束多目标算法存在收敛性、分布性不高等问题,提出一种基于云差分进化算法的约束多目标优化方法,通过云模型对差分进化算法的参数进行自适应处理;采用建立外部种群分别存储可行解和不可行解的方式处理约束条件,并对已有可行解集的更新方法进行改进,有效提高解集的分布性.提出新的变异策略,利用优秀可行解和不可行解的方向信息增强算法对解的探索能力.通过对CTP类标准问题的求解表明,与另外2种较为优秀的约束多目标算法相比,本算法显著提高了Pareto解集的分布性,且更接近于真实的Pareto前沿,有效地解决了约束多目标问题.     

求解约束多目标优化问题的Agent进化算法

针对目前Agent进化算法难以处理含约束多目标优化的问题,把标准化的约束违反程度作为一个优化目标,从而对Agent所具有的能量产生影响;设置了最优解集和最优可行解集两个外部存储集,以便在寻优过程中保持Agent群体的多样性;对可行解以及约束违反程度小的Agent进行局部爬山操作,更加有利于寻找最优可行解。将算法应用于数值实例和焊接梁的设计优化问题中,表明该算法既保持了种群的多样性,又能够快速收敛。     

基于码长的编码算法研究及优化

针对香农编码的编码时间较长而编码效率较低等问题,提出一种基于码长的编码优化算法。算法以前缀码为目标,根据信源符号的编码顺序和码字的增减方式,构造了四种不同的编码算法。鉴于算法中不存在香农编码的大量计算,故算法的编码时间有了大幅度的降低。通过对算法原理的分析,对设计的算法进行了优化。算例和算法分析表明,所做算法的编码时间明显优于香农编码,而编码效率一般也要优于香农编码。     

一种新的差分进化约束优化算法

对于约束优化问题,目前提出的差分进化算法大多采用罚函数法,但此方法对罚参数有很强的依赖性.基于此,把约束优化问题中的约束条件当作一个目标函数,从而把约束优化问题转化为有两个目标函数的多目标优化问题.借鉴多目标优化中的Pareto的概念,对种群中的个体规定等级,便于在优胜劣汰过程中确定选择概率.同时,在算法陷入局部最优时,采用一种不可行解替换机制来提高算法搜索能力.对13个标准测试问题的测试结果表明,与动态惩罚函数的进化算法、可行性规则的差分进化算法、采用随机排序的进化策略以及人工免疫响应约束进化策略相比,新算法在求解精度上均具有一定的优势.     

现代智能优化算法在电力系统机组组合中的应用

针对电力系统机组组合问题,分析了智能优化算法在该问题中的应用,对其方法的特点进行了总结,为今后的研究工作提供了一定的借鉴。     

Pareto强度值实数编码多目标贝叶斯优化算法

提出了一种采用基于决策树的贝叶斯网络表示各变量之间条件相关性的分布估计算法:Pareto强度值实数编码多目标贝叶斯优化算法(PSRCMBOA)。通过构建这样的网络模型,继而对模型进行抽样以产生新个体。再对生成的新个体进行变异操作,以增加种群的多样性,提高算法的搜索能力。这种生成新个体的方法结合基于强度值的适应度计算方式以及截断选择机制,可以获得很好地逼近多目标问题的Pareto前沿,且分布均匀的非劣解集。对于约束多目标优化问题,算法采用带约束支配关系判别个体的优劣。文中用3个较难的测试问题验证该算法的性能,并将其应用于Clipper飞船返回舱的气动布局多目标优化设计。PSRCMBOA对3个测试问题找到了很贴近Pareto前沿的非劣解集。对于Clipper飞船返回舱,算法获得了分布较宽且均匀的非劣解集。分析发现,为获得高升阻比,返回舱球头半径应选择在0.155~0.165 m之间、前锥半锥角应选择在20°左右、头锥底到返回舱底部的距离可选择在3.6~4.4 m之间、柱段长可在1.2~1.5 m之间。优化结果表明,该算法能够获得高质量的非劣解集,是一种有效的多目标优化算法,能够用于对复杂的工程问题进行优化设计。     

基于QPSO和MATLAB优化资金投资组合

量子粒子群优化算法（QPSO）是一种基于粒子群优化算法（PSO）的进化算法,它收敛速度快、规则简单、易于编程实现;Matlab是国际控制界公认的标准计算软件。采用QPSO对资金组合投资的多目标问题进行优化,使用Matlab编程,解决了传统方法难以解决的问题,仿真实验表明采用本方法能对资金投资组合问题提出较好的优化决策。     

基于模糊优化度的频率编码雷达信号编码优化

分析了频率编码脉冲（frequency coded pulse, FCP）雷达工作原理;推导了基于自相关函数的步进频率信号的模糊函数,针对常用的FCP信号——步进频率编码信号（frequency stepped signal, FSS）距离-多普勒旁瓣电平较高、存在“距离-速度”耦合、距离-速度联合分辨率低的缺点;提出了优化频率编码的模糊优化度准则,并基于该准则给出了2种编码优化规律不同的频率编码优化方法.仿真结果表明：在保持原有的距离、速度分辨率不变的情况下,2种方法都能有效的降低“距离-速度”二维耦合,提高距离-速度联合分辨率.     

油田开发多目标优化模型与综合判断矩阵研究

根据油藏工程及最优化理论,利用功能模拟原理(微分模拟方法及神经网络方法)建立的油田开发指标关联关系,研究并建立了油田开发多目标规划模型.为避免主观判断的片面性,并根据多个判断矩阵构造一个综合判断矩阵与理想的判断矩阵的偏差服从正态分布,提出了一种解决多目标优化问题的基于层次分析的综合判断矩阵方法,给出了计算实例.计算结果表明该方法是可行的.     

结构优化中的特征应力约束及相应的安全度目标

本文给出了可用于实际工程结构优化设计的特征应力约束和相应的安全度目标及有关算例.采用本特征应力约束可成功地用一个约束代替数量很大的各构件强度与稳定性约束,给优化计算带来很大方便.相应的安全度目标可解决一般工程技术人员希望自己设计的结构宁愿较重也要安全不易破坏的心理要求,使结构优化更能适应工程实际.     

水文模型参数多目标优化率定及目标函数组合对优化结果的影响

针对水文模型多目标优化中目标函数组合难以合理构造与选取的难题,基于多目标智能优化算法的优化结果,提出了一种简便的不同目标组合优化结果性能比较方法,并以一种日径流预报模型为实例,构造了3组目标函数组合,采用经典多目标优化算法NSGA-II优化率定模型参数,在模型参数优化率定结果的基础上,应用作者提出的目标组合优化结果比较...     

基于蚁群算法的多目标优化问题研究

为保持所求得的多目标优化问题Pareto最优解的多样性,文章提出了一种新的蚁群算法。选择策略采用多信息素权重,信息素更新结合了局部信息素更新与全局信息素更新。其中,全局信息素更新采用了两个最好解。此外,通过在外部设置外部集来存储Pareto解,并将改进的算法应用在双目标TSP上。最后进行了仿真实验,结果表明新方法比NSGA-II和SPEA2更有效。     

一种基于约束优化的自动组卷算法

针对军事职业教育考试,提出了一种基于约束优化的自动组卷算法．该算法在试题库题目数量一定的情况下,自动实现约束优化．其在组卷成功率以及效率方面都有较大的改进．该算法已成功应用于军事职业大学教育考试系统．     

基于多目标线性规划的决策模型研究

基于多目标线性规划方法,构建了一个处理多目标决策问题的模型,探讨了处理参数选择以及目标改进的方法,并通过一个案例,具体说明了在特定战略约束条件下,应用多目标线性规划模型.实行企业具体决策的过程.     

一种模糊随机多目标决策方法

从可能度的定义出发，将模糊多目标决策的模糊判决原理推广到模糊随机多目标决策，提出了一种基于目标函数的可信度、可能度、满意度的决策方法，建立了可能度－可信度（PR）、可能度－可信度－满意度（PRS）的决策模型，可广泛应用于各种充满不确定性决策信息的复杂决策问题。     

逻辑、优化及约束程序的综述

由于优化和约束程序各自具有扩充能力,它们开始有效地结合在一起。它们的结合有着广阔的商业前景,近些年来引起了研究者浓厚的兴趣。概述了各种优化中基于逻辑的方法,总结了约束程序研究领域的各种方法,并对优化和约束程序结合的框架进行了综述。     

一种基于遗传算法的DNA多序列比对方法

为了克服遗传算法应用于多序列比对时所遇到的比对序列数受限制以及比对寻优速度慢的缺点,提出了一种基于遗传算法的DNA多序列比对方法(GAMA);针对DNA多序列比对的特点,指出了传统遗传算法中的交叉操作将为序列比对带来沉重的计算负担;避开遗传算法通常所采用的遗传操作算子,设计了独特的遗传算子(插入删除算子和合并分离算子)、基于BLAST相似度评分方法和完全比对块加权的个体适应度值评价函数,采用了便于插入和删除操作以及相似度评分的基于字符和空位矩阵的染色体编码方案。本算法具有操作算子数量少,算子调用机制简明的特点。最后,给出了将GAMA应用于DNA多序列比对的算例,实验结果验证了本算法的可行性。     

基于径向约束的CCD相机标定参数的整体优化

提出了基于径向约束的CCD相机标定的模型参数非线性整体优化的方法.利用Harris算法检测标定板的各角点图像坐标,保证了标定板角点的稳定性和可靠性;进行RAC(radial alignment constraint)两步法标定,并用Levenberg-Marquardt算法对通过径向约束标定得到的所有相机模型参数进行非线性整体优化,提高了相机参数的标定精度.实验结果表明.该方法标定精度高,能明显减小各种误差对CCD相机标定的影响,提高了机器视觉三维测量的精度.