基于维度扰动的快速非支配排序遗传算法Ⅱ

快速非支配排序遗传算法Ⅱ(non-dominated sorting genetic algorithm Ⅱ,NSGA-Ⅱ)是经典多目标优化算法,然而,其采用的锦标赛选择策略在选择交叉父代时会产生大量重复个体,并进一步导致减少种群个体多样性,降低算法性能。为解决此类问题,提出了基于维度扰动的NSGA-Ⅱ。即通过在待交叉父代个体每个维度上引入扰动参数改变其值,然后将扰动父代做正常交叉操作产生新后代,以此避免了后代重复个体的产生。为验证算法的有效性,采用ZDT测试集作为测试函数。与现有算法相比,所提策略可有效地改善算法性能,证明了所提策略的有效性。     

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.     

多样性制导分段进化的基因表达式编程

为了解决基于传统基因表达式编程（GEP）的函数挖掘及其改进算法仍然存在局部优化的缺陷这一问题,提出了以基因组多样性制导的分阶段进化挖掘算法DGGEP。给出了GEP 进化阶段和基因组多样性评估模式的定义;提出了描述进化阶段的进化因子概念和分阶段进化策略;采用动态遗传算子设计和群体规模控制方法,使进化更快速跳出局部最优。实验表明了新算法的有效性,能减少进化停滞代数65％以上,使群体的平均适应度提高12%以上。     

函数优化问题的动态并行量子遗传算法

针对传统量子遗传算法在解复杂连续函数优化中存在的早熟收敛、收敛速度慢、计算时间长的问题,提出一种解复杂连续函数优化问题的动态并行量子遗传算法(DPQGA)。采用多种群协同进化,每个子种群按照各自的进化目标在不同的搜索区域进化,形成并行搜索方式,加快算法收敛速度,避免早熟收敛;同时设计了一种新的动态量子旋转角的更新策略及量子门调整策略,减少算法的迭代次数;在最优解连续数代无变化时引入灾变算子,使种群保持良好的多样性。通过对5个测试函数的仿真,结果表明,该算法搜索到的最优解较QGA算法更优。与已有算法相比,该算法在收敛速度、迭代次数、全局寻优能力上都有了较大的改进和提高。     

基于最佳保留策略的遗传算法波阻抗反演

基于褶积模型的遗传算法与传统最优化算法相比,它不依赖于目标函数梯度信息,整个计算过程只依赖个体适应度值,能同时对搜索空间中的多个解进行评估,具有搜索过程随机,全局搜索性能强的特点。本文放弃传统的赌轮选择方式,采取一种最佳保留策略选择方式,并用单道地震记录进行反演,对两种结果进行差异分析,可知改进遗传算法反演结果精度更高。在改进遗传算法中,子代保留了父代中最好个体的同时保证了种群基因的多样性,从而保证最终可以搜索到全局最优解,避免了标准遗传算法中的早熟收敛现象。     

空间钢结构临时支撑布置的应变能跟踪算法

针对传统经验方法用于确定空间钢结构临时支撑体系布置方案时的不合理性,提出一种基于小生境遗传算法的优化算法,该算法以指数尺度变换后的结构总应变能为优化目标函数,采用格雷编码作为染色体的编码方式,对于规则的搜索区域,以连续的空间位置作为遗传算法的决策变量;对于不规则的搜索区域,以离散的空间节点作为决策变量,在进化过程中引入自适应的遗传算子和改进的最优个体保存策略;模拟“鸟巢”结构的一榀主桁架,验证了算法的有效性;研究矩形平板网架和某异形网壳的最优临时支撑布置方案.分析表明：应变能综合反映了结构的受力性能,该应变能跟踪算法对空间钢结构施工过程中临时支撑体系方案确定提供了科学的依据.     

遗传算法

遗传算法是一种通过模拟自然进化过程来搜索最优解的非线性优化算法．它模拟达尔文的进化论,即生物的进化总是遵循适者生存、优生劣汰的规则。遗传算法用于地球物理反演的基本思想是从模型群体开始搜索,把模型参数用二进制进行编码,将模型空间的点映射到染色体空间的染色体,然后通过选择、交换和变异等遗传操作对模型群体进行繁殖,逐次迭代,在模型参数空间进行群体搜索,最后求取非线性反演问题整体极值所对应的最优解或近似最优解。遗传反演算法利用了生物进化过程和地球物理反演问题求解过程的相似性,开辟了地球物理反演的新途径,是非线性反演算法中一种最常用的算法。遗传算法是一种非线性的全局优化算法,它可避免目标函数梯度类方法的缺点,同时也可明显提高模型参数空间随机搜索的效率。本讲座概要地介绍了遗传算法的基本原理,遗传操作的基本步骤及实现方法,并给出了遗传算法在地球物理资料反演中的实例,最后总结和归纳了遗传算法的特点以及该方法的局限性。     

取消变异的小生境遗传算法及应用

为提高算法寻优能力,提出取消变异的小生境遗传算法.算法在寻优过程中采用最优保持子代种群产生策略,通过对种群中个体适应值惩罚机制的小生境操作,加速淘汰适应值低的个体,实现种群基因多样性,克服了遗传算法中随进化代数的增加种群个体趋于相似而造成全局搜索能力下降的缺点,增强了遗传算法在解决多变量多峰值优化方面的能力.将小生境遗传算法用于典型测试函数进行寻优测试,与取消变异改进遗传算法和基本遗传算法比较,证明了其在多变量、多峰值优化问题中的有效性和收敛性.     

基于强化交叉算子的快速非支配排序遗传算法Ⅱ

锦标赛选择策略是NSGA-Ⅱ中用于选择交叉父代的方法,其虽然可以保留较优个体的基因给后代个体,然而锦标赛策略也容易导致重复选择父代个体的问题,从而导致后代多样性降低。为解决此问题,提出基了于强化交叉算法的快速非支配排序遗传算法Ⅱ。此算法通过将多个交叉父代引入交叉操作降低重复选择父代的概率;为结合两种交叉算子优势,进一步提出将两种交叉算子融合进NSGA-Ⅱ。实验结果对比说明,所提策略有效改善了NSGA-Ⅱ的性能。     

一种高维多模态优化的量子粒子群优化算法

为求解实际工程中的高维多模态优化问题,提出了基于动态邻域的多策略进化的量子粒子群优化算法(QPSO).针对QPSO算法存在的粒子"早熟"问题,首先定义了一种动态邻域选择机制以保持种群的"活跃性";然后结合动态邻域机制,定义了三个不同策略的局部吸引子更新方程以保持种群进化的"多样性".为了防止算法的进化方向不发散,对收敛到全局最优解的局部吸引子更新策略赋予了较大权重;最后为了拓展最优解空间引入了狼群优化算法中的综合评价方法.通过对不同类型的高维多模态基准测试函数的仿真实验结果表明:相比于其余四种优化算法,本文提出的优化算法在收敛精度和稳定性方面具有明显优势,并且随着测试维度的增加,这种优势更加凸显,展现出了较好的解决高维多模态优化问题的性能.文中引入的综合评价方法在所有的测试函数中均具有较高的生效次数,综合评价生效意味着为下一次的进化找到一个更加有利的进化方向,这样能够减少算法找到最优解的次数,也能进一步提升算法的收敛精度.     

一种基于云环境下蚁群优化算法的改进研究

在对标准蚁群优化算法深入分析的基础上,结合云环境下的资源调度特性和遗传算法所具有的全局收敛快速的优点,引入了逆转变异策略,科学地将遗传算法融入到标准蚁群优化算法的每一次迭代过程中,很好地解决了标准蚁群优化算法容易陷入搜索速度慢和局部最优的缺陷．云环境下的模拟仿真对比实验结果表明,改进的蚁群优化算法不但能使云环境下的寻优能力大幅度提高,而且能够缩短系统任务平均运行时间,提升云计算环境下资源的效用．     

改进遗传算法求解基于MPN混流制造车间调度问题

大规模混流制造系统存在规模大、资源约束多的特点,?造成在作业调度时产生维数灾难,?从而产生搜索求解难的问题.本文针对此类问题,?在基于(Manufacturing?Petri?Net,?MPN)模型的基础上,?提出一种改进遗传算法进行求解.首先,?重新定义了染色体的结构,?并采用染色体安排段压缩求解的搜索空间.其次,?...     

基于遗传算法和禁忌搜索算法的混合策略及其应用

为了提高遗传算法的局部搜索能力,根据遗传算法和禁忌搜索算法自身的特点,通过分析2者的优势和不足,提出了一种将2者混合使用的求解优化问题的方法．本算法用遗传算法作全局搜索,用禁忌搜索算法作局部搜索,可以加快收敛速度,得到满意的计算结果．同时,为抑制早熟现象,避免收敛到局部最优点,提出了一种应对策略．实验结果表明,该算法在计算速度和计算结果方面都有改进．     

改进遗传算法在复杂CHP系统负荷优化调度中的应用

多台热电联产机组组成的复杂热电联产(CHP)系统优化过程中会使得搜索域增大,优化收敛速度变慢。针对这一问题。通过借鉴内点法将原搜索范围进行离散、组合,从而将搜索范围进行合理收缩,提高了算法在寻优过程中的收敛速度,并使优化结果更接近全局最优。将改进遗传算法应用于某石化企业自备电厂的复杂CHP系统,并通过仿真模拟对优化结果进行验证。结果表明,改进遗传算法可以有效提高遗传算法的收敛速度和优化结果。     

七号信令网的A／B平面划分问题及其启发式解法

七号信令网拓扑优化中存在高级信令转接点(HSTP)的A/B平面划分问题,其可归纳为一类新的图的划分问题.该问题被证明难度是NP完备的,神经网络、遗传算法和模拟退火等启发式算法被应用于该问题的求解.为了算法的可比性,精心设计了试验方案,计算结果显示遗传算法和模拟退火可以很高的概率和效率搜索到该问题的最优解.     

Method for distributed deployment of the virtual network function manager for MEC

Aiming at achieving efficient virtual network function deployment under the Mobile edge computing (MEC) architecture,a virtual network function manager (VNFM) deployment method based on the immune optimization algorithm is proposed.First,a mixed integer programming model is used to build the mathematical model of VNFM deployment.Then,a deployment solution based on the immune optimization algorithm is given.Aiming at obtaining the optimal deployment solution towards the minimum communication cost,the algorithm comprehensively considers the antibody affinity and antigen affinity of chromosomes with respect to individual fitness in the population and the diversity characteristics of the immune system,respectively.Simulation results show that compared with the current deployment method,the individual evaluation mechanism of the proposed algorithm can more effectively evaluate the fitness and similarity of individuals in VNFM deployment problems.The proposed method can effectively prevent the algorithm from falling into the local optimum during the deployment process.The optimal solution improves the performance of the algorithm;it can speed up the algorithm’s convergence efficiency and simultaneously reduce the CPU time for algorithm execution.     

Remanufacturing closed-loop supply chain network design based on genetic particle swarm optimization algorithm

As the huge computation and easily trapped local optimum in remanufacturing closed-loop supply chain network (RCSCN) design considered, a genetic particle swarm optimization algorithm was proposed. The total cost of closed-loop supply chain was selected as fitness function, and a unique and tidy coding mode was adopted in the proposed algorithm. Then, some mutation and crossover operators were introduced to achieve discrete optimization of RCSCN structure. The simulation results show that the proposed algorithm can gain global optimal solution with good convergent performance and rapidity. The computing speed is only 22.16 s, which is shorter than those of the other optimization algorithms.     

面向高比例分布式电源接入的配电网集群划分指标优化和算法改进

由于配电网缺少高效的面向分布式有功潮流最优化问题的集群划分方法，因此优化和改进了基于遗传算法的配电网集群划分策略。首先，考虑到配电网台区终端计算能力有限，以及各集群强度须达标的条件，定义集群划分的节点限制指标，使集群划分结果更加合理。然后，对遗传算法进行改进，提高了遗传算法在解决集群划分问题时的收敛速度，增强了全局寻优能力。最后，在MATLAB仿真平台上对IEEE-33节点系统进行实验，验证了所提出指标的合理性以及改进算法的有效性。     

Global optimization over linear constraint non-convex programming problem

When solving a general nonlinear problem,the so-lution method used by traditional methods,e.g.,Qua-si-Newton[1,2]and General Reduced Gradient[2],re-quires the computation of derivatives.The finite differ-ence approach often uses the basic scheme to generatederivatives.For highly nonlinear cases,this approachmay have poor numerical precision for computing thematrix of partial derivatives of the constraints[3],theso-called Jacobian.Qualitatively,if a model is non-convex,it means that a solutio…     

基于改进狮群算法和BP神经网络模型的房价预测

将狮群算法(lion swarm optimization,LSO)与海鸥算法的迁徙机制和螺旋搜索机制结合,增强算法的局部搜索能力;同时增加监督机制,提高算法的全局搜索能力.与粒子群算法和狮群算法对比,在常用的测试函数上验证改进狮群算法的优越性.采用改进后的狮群算法优化BP神经网络模型,对房屋价格预测问题进行研究,通过...