基于逐次优化和禁忌搜索算法的混沌优化方法

结合逐次优化、禁忌搜索和变尺度混沌优化方法的优点,提出了基于逐次优化和禁忌搜索算法的混沌优化方法.该方法具有逐次优化算法的隐性并行性和收敛性,禁忌搜索的智能性和变尺度混沌优化方法的快速性.仿真计算表明,该方法具有实现简单,优化效率高,鲁棒性强等特点,是求解大规模非线性规划问题的一种有效手段.     

基于双禁忌对象的并行禁忌搜索算法

禁忌搜索算法是解决组合优化问题的一种主要方法,是克服NP完全问题的一个有效途径。随着计算网格的发展,将禁忌搜索算法引入到这种分布式并行计算环境中,具有广泛的应用价值。提出了一个基于双禁忌对象的禁忌搜索算法,在此算法的基础上,利用并行化分散搜索策略来提高算法的求解精度。实验结果表明该并行禁忌搜索算法性能较高。     

基于局部禁忌搜索策略的连续空间蚁群算法

针对蚁群算法容易陷入局部最优解及搜索时间长等不足,引入一种基于连续空间的禁忌搜索算法,并将其与蚁群算法相结合,提出了一种引入禁忌搜索策略的蚁群算法,以求解连续对象优化问题。经测试验证了该算法不仅跳出局部最优解的能力更强,而且能较快地收敛到全局最优解,表明算法的有效性。     

全局优化的混合禁忌搜索算法

针对多峰函数的全局优化问题,提出了混合禁忌搜索的全局优化方法,通过实例验证了所提出的算法的可行性、有效性并且收敛速度较快.     

基于连续混沌系统的低旁瓣雷达波形设计*

线性调频波(LFM)为了降低旁瓣而进行加窗处理,这导致信噪比损失;目前的非线性调频(NLFM)信号中有很多是离散混沌调频信号,自相关旁瓣也较高。针对这一问题,提出利用初始值优化过后的连续混沌系统的变量进行调频,可获得自相函数旁瓣低至-3953 dB的调频信号。仿真结果表明,相比于加窗后的线性调频信号、离散混沌调频信号和离散混沌调相信号,连续混沌调频信号具有更好的旁瓣抑制效果,并且保持了混沌信号固有的抗干扰性能（ECCM）。     

基于表面贴装分配的改进型禁忌搜索算法

针对表面贴装分配的路径优化问题,提出改进型的禁忌搜索(TS)算法,实现印刷电路板排序与元器件分配的优化。该算法在传统TS算法的基础上融合序优化算法与分散型kick移动策略。序优化算法的应用弥补了TS算法对初始解具有较大依赖性的不足,而分散型kick移动策略的引入则加强了TS算法的全局搜索能力。实验结果表明,该算法在表面贴装路径优化问题的应用上优于一般的TS算法。     

基于混合禁忌搜索算法的重叠色谱峰解析

结合模拟退火算法中的Metropolis准则和免疫进化算法巾产生优秀子代的思想,提出一种混合禁忌搜索算法,并根据指数修正的Gauss卷积模型,使用该算法解析计箅机模拟谱图和实验谱图中的重叠峰,结果该算法用于解析重叠色谱峰性能稳定,精度较高.     

最小赋权支配集的迭代禁忌搜索算法

最小赋权支配集是一个NP困难的组合优化问题,有着广泛的应用背景。提出了一个高效的求解最小赋权支配集的迭代禁忌搜索算法。该算法采用随机贪心构造算法构造初始解,并利用快速的局部禁忌搜索算法寻找局部最优解,通过随机扰动和修复策略来搜索新的区域,以期跳出当前的局部最优解。用顶点数为800到1 000的大规模标准测试例子测试提出的算法。数值实验结果和与现存的启发式算法比较结果表明了算法是有效的。     

基于禁忌搜索的复合嵌套分割算法*

本文介绍了嵌套分割算法（NP）的基本思想,提出了提高其优化效率的途径。介绍了禁忌搜索算法（TS）,并将禁忌搜索的思想引入嵌套分割算法的抽样和选取算子中,提出了一种复合优化算法(TSNP)来解决函数优化问题。TSNP算法结合了嵌套分割算法和禁忌搜索算法的优点,使其在优化性能、优化效率和可靠性方面具有明显的优越性。通过对几个函数优化实例的测试,并和其他算法进行了比较,结果表明该算法具有较好的计算效率和较快的全局寻优能力。     

基于遗传算法和禁忌搜索的混合优化策略

将禁忌搜索和遗传算法相结合,给出了一种求解优化问题的混合策略--禁忌遗传优化算法.该算法一方面为禁忌搜索找到了较好的初始点,减少了调用禁忌搜索的次数,另一方面也可以克服遗传算法爬山能力差的缺点,从而加快了收敛速度,提高了解的质量.通过实例验证了该优化算法的有效性和可靠性,并将其用于网络拥塞控制的研究中,为进一步实施网络拥塞控制提供了一种有效的途径.     

基于AHTPSO的连续属性离散化算法

针对粗糙集不能较好地处理连续型属性的问题,结合粗糙集理论和粒子群算法,提出基于自适应混合禁忌搜索粒子群的连续属性离散化算法。首先,该算法通过对参数的自适应更新操作,从而避免了粒子群出现早熟的现象;然后将粒子群当代得到的全局最优粒子送入禁忌算法中进行优化,有效地提升了算法的局部探索能力;在兼顾决策表系统一致性的同时,将划分的断点初始化为一群随机粒子,通过改进后粒子群的自我迭代得到最佳的离散化划分点。实验结果表明,与其他结合粗糙集的离散化算法相比,该算法具有更高的规则分类精度和较少的离散化断点个数,对连续属性的离散化效果较好。     

An Algorithm Based on Tabu Search for Satisfiability Problem

In this paper,a computationally effective algorithm based on tabu search for solving the satisfiability problem(TSSAT)is proposed.Some novel and efficient heuristic strategies for generating candidate neighborhood of the curred assignment and selecting varibables to be flipped are presented. Especially,the aspiration criterion and tabu list tructure of TSSAT are different from those of traditional tabu search.Computational experiments on a class of problem insteances show that,TSSAT,in a reasonable amount of computer time ,yields better results than Novelty which is currently among the fastest known.Therefore TSSAT is feasible and effective.     

车辆路径问题的禁忌搜索算法研究

简要回顾了车辆路径问题的禁忌搜索算法的发展现状,提出了一种改进的禁忌搜索算法。该算法将路径问题按不同的车辆-顾客分配结构分解成若干子问题,然后用禁忌搜索算法求解每个子问题,最后从所有子问题的最优解中选出全局最优解。理论分析和实验结果表明该算法比以往的算法有以下优点：拓展了搜索空间,提高了最优解的效果;是一种将问题进行空间分解的并行算法,可采用多台计算机同时运算以减少整体运行时间。     

基于两次禁忌搜索的军事物资装运方案研究

针对当前军事物资装载与运输问题,映射建立数学模型,运用两次禁忌搜索算法自动输出较优的可行运输方案.第一次禁忌搜索用于确定较优的初始解,针对初始解,运用第二次禁忌搜索,保证在一定时间限制条件下,对运输问题进行优化求解.计算结果表明,该模型通过两次禁忌搜索算法可以得出在满足时间限制条件下的成本较小的装运方案,使用该模型可以有效提高载具的利用率,避免运力的浪费.     

一种混沌人工鱼群优化算法

人工鱼群算法是一种群智能全局随机优化算法,存在陷入局部极值和效率低的不足,结合混沌搜索的特点,提出一种混沌人工鱼群优化算法,该算法是用混沌初始化来初始化鱼群,在聚群和追尾行为后进行混沌的遍历性和随机性扰动来使鱼群局部搜索同时摆脱局部极值点。仿真实验结果表明,该算法比基本人工鱼群算法全局能力更强,搜索效率更高。     

A hybrid particle swarm approach based on Tribes and tabu search for multi-objective optimization

Tuning the parameters of any evolutionary algorithm is considered as a very difficult task. In this paper, we present a new adaptive multi-objective technique which consists of a hybridization between a particular particle swarm optimization approach (Tribes) and tabu search (TS) technique. The main idea behind this hybridization is to combine the rapid convergence of Tribes with the high efficient exploitation of a local search technique based on TS. In addition, we propose three different places where the local search can be applied: TS applied on the particles of the archive, TS applied only on the best particle of each tribe and TS applied on each particle of the swarm. The aim of those propositions is to study the impact of the place where the local search is applied on the performance of our hybridized Tribes. The mechanisms proposed are validated using 10 different functions from specialized literature of multi-objective optimization. The obtained results show that using this kind of hybridization is justified as it is able to improve the quality of the solutions in the majority of cases.