基于混合蛙跳算法的背包问题求解算法

混合蛙跳算法是一种全新的基于群体智能的后启发式计算技术,具有高效的计算性能和优良的全局搜索能力。描述了0／1背包问题的数学模型,阐述了混合蛙跳算法的基本理论。通过在全局信息交换过程中加入变异操作的方法,提出了一种改进的混合蛙跳算法,并利用该算法求解0／1背包问题。实例的运行结果表明该算法有较好的可行性和有效性。     

一个基于混合蛙跳算法的0/1背包问题算法

混合蛙跳算法是一种全新的基于群体智能的后启发式计算技术,具有高效的计算性能和优良的全局搜索能力.描述了0/1背包问题的数学模型,阐述了混合蛙跳算法的基本理论,在全局信息交换过程中加入变异操作,改进了混合蛙跳算法,并将该算法应用到0/1背包问题的求解,在实例上的运行结果表明本文方法的可行性和有效性.     

求解多目标背包问题的改进人工鱼群算法

作为一种新的群智能算法,在求解多目标背包问题时,人工鱼群算法存在盲目搜索、收敛速度慢和求解精度低等问题.针对这些问题,本文结合人工鱼位置全局最优信息,对人工鱼的移动策略进行自适应改进,提出一种改进的人工鱼群算法.对多目标背包优化问题实验仿真表明,本文改进的人工鱼群算法收敛速度和搜索到的非劣解的精度均优于粒子群算法和遗传算法.     

一类模拟退火算法与遗传算法混合优化策略

提出一类模拟退火算法（GA）和遗传算法（SA）的混合策略。算法结构上,提出模拟退火算法与遗传算法相结合,既发挥模拟退火算法搜索面广、遗传算法收敛快的优点,又克服前者收敛速度较慢而后者收敛容易早熟的问题。在算法操作细节上,加入杰出个体保护策略及自适应调整的遗传操作,以及增加记忆功能的模拟退火操作与收敛准则。从而既防止算法陷入局部最优,又提高收敛速度及搜索效率。     

一种求解0-1背包问题的混合粒子群算法

针对0-1背包问题,提出一种具有修复策略的、贪心算法与二进制粒子群算法相结合的混合智能算法.数值试验结果表明,该方法能在一定程度上克服早熟现象,且收敛速度较快.因此,应用该混合智能算法求解0-1背包问题是比较有效的.     

用基于二进制编码的异步粒子群算法解0/1背包问题

本文提出基于二进制编码的异步粒子群算法,并用来求解0/1背包问题。0/1背包问题是给定一些物品的重量和价格,给定一个重量值,然后一个一个的装进背包里,在这个重量值的约束下求得最大值的一种组合优化问题。本文利用所提出的基于收敛因子模型的异步粒子群算法来求解0/1背包问题,试验证明,用这种方法解决0/1背包问题是非常有效的。     

求解背包问题的病毒协同进化粒子群算法

为提高粒子群算法的搜索性能,提出一种基于病毒进化理论的改进离散粒子群算法:病毒协同进化粒子群算法.在粒子群中引入生物病毒机制和宿主与病毒基于感染操作的思想,病毒采用与粒子等长的编码方式,执行反向代换、结合等操作,利用病毒的水平感染和垂直传播能力较好地维持个体的多样性和对解空间的局部搜索能力.通过解决背包问题对算法进行验证,仿真表明所提算法搜索性能优于遗传算法、模拟退火及标准粒子群等其他算法.该算法能有效求解背包问题等NP难题.     

多策略融合的黄金正弦樽海鞘群算法

针对樽海鞘群算法（Salp Swarm Algorithm，SSA）收敛性能差、容易陷入局部最优等问题，提出了多策略融合的黄金正弦樽海鞘群算法（Golden sine Salp Swarm Algorithm with Multi-strategy，MGSSA）.首先采用选择反向学习策略对种群中完全偏离最优个体寻优方向的个体计算选择反向解，改善种群质量；然后在跟随者位置更新阶段加入最优个体和精英均值个体引导，以加快算法收敛速度；最后根据概率选择黄金正弦算法变异策略，进一步改善解的质量，同时便于算法后期跳出局部最优.本研究在14个基准测试函数上进行实验，与其他群智能优化算法和其他改进樽海鞘群算法对比，将其应用于拉压弹簧设计问题测试解决工程优化问题的性能.结果表明：MGSSA具有较高的收敛精度和稳定性，在求解工程问题时性能良好.     

一种基于遗传算法的S盒优化设计

针对基本遗传算法"爬山"能力弱,有"早熟"特征,寻优效率比较低的不足,提出一种基于遗传算法的S盒的优化设计。在初始种群的生成过程中加入由先验知识产生的部分性能较优的S盒,在一定程度上提高收敛速度和收敛效果;在遗传算子操作中采用最优个体保存法选择策略,可以大大减少额外的计算量;采用Davis顺序交叉法进行交叉操作,引入进化逆转变异法进行变异操作,补偿群体中多样性易损失的不足,同时能够提高算法的搜索效率,加快收敛速度。仿真实验结果表明,本算法构造的S盒在密码学性能、收敛速度和适应度值方面都有很好的改善。     

基于禁忌和声搜索算法解决0-1背包问题

和声算法是模拟音乐演奏的一种基于群的超启发算法。由于算法的简易性和快速收敛性,其在连续优化问题中得到广泛应用。文章利用改进的和声算法解决基于离散的0-1背包优化问题。通过运用二进制编码,并引入禁忌思想以及结合自适应的参数调整策略,提出了禁忌和声搜索算法。经过试验仿真,验证了禁忌和声算法与其他算法相比具有一定的性能改进。     

一种基于信息熵的自适应遗传算法

为解决传统遗传算法容易早熟及收敛速度慢的缺陷,在分析了多样性的重要性后,提出了一种新的基于信息熵的遗传策略,该策略在保留最优个体的基础上,根据当前种群个体熵与种群熵的变化自适应调整遗传算子的各项参数,将种群的内部状态与遗传操作有机地结合起来,使得种群多样性得到保证,提高算法的全局搜索能力.试验结果表明了该方法在运行过程中能避免早熟的发生,在处理复杂问题时表现出较高的性能.     

求解非满载车辆调度问题的免疫遗传算法

非满载车辆调度问题是车辆调度问题中的一个基本问题,由于它是一个典型的NP难题,传统方法的求解结果往往不能令人满意.曾有研究将传统的遗传算法用于求解非满载车辆调度问题,但是由于遗传算法在遗传后期的波动现象,导致了迭代次数过大和准确率不高.该实验根据生物免疫系统的机理提出的免疫遗传算法,结合了遗传算法的进化操作和生物免疫中的浓度机制,通过抗体的期望繁殖率实现对抗体的促进和抑制,改善未成熟收敛.该算法是在传统遗传算法全局随机搜索的基础上,借鉴生物免疫机制中抗体的多样性保持策略,改善了传统遗传算法的群体多样性,通过与遗传算法的比较,结果表明,该算法不仅收敛,而且具有更好的全局和局部搜索能力和收敛速度.     

遗传算法中群体多样性评价指标的研究

本文针对遗传算法中早熟问题进行了分析,提出了评价群体多样性的两个性能指标,在此基础上结合模糊逻辑调节遗传算法的交叉和变异概率.对一组函数优化问题对标准算法和优化算法进行测试,测试结果表明基于模糊逻辑控制的遗传算法的性能要优于标准遗传算法.证明本文提出的群体多样性的评价指标是有效的.     

改进分层遗传算法在斜拉桥主梁损伤识别中的应用

标准遗传算法在解决像斜拉桥这类复杂结构的损伤识别问题时会出现提前收敛,即所谓“早熟”的现象。为了避免此现象的发生,提高损伤识别的效率与精度,提出一种基于改进分层遗传算法的斜拉桥主梁损伤识别方法。采用索力变化作为优化目标函数,将3种具有不同遗传算子的标准遗传算法与变量微调和灾变策略相结合,形成了一种具有灾变特性的分层遗传算法,以实验室独塔斜拉桥模型作为研究对象进行了数值仿真,结果表明：改进的分层遗传算法成功的避免了标准遗传算法“早熟”现象的发生,能快速有效的完成斜拉桥主梁各种损伤的识别;同时对此方法进行抗噪性分析发现,该方法具有良好的抗噪能力。     

自适应遗传优化BP网络的研究与应用

针对遗传算法易出现种群多样性被破坏、早熟收敛的问题,在Srinivas的自适应遗传算法(AGA)的基础上,引入种群多样性的度量参数,提出一种改进的自适应遗传算法(MAGA),利用种群多样性和适应度的变化趋势调整交叉和变异概率,继而提出基于MAGA优化BP(back-propagation)神经网络的流量分类方法(MAGA+BP),兼顾了MAGA和BP算法分别在搜索全局和局部最优解方面的优势. 在剑桥大学共享的网络流量数据上进行了仿真实验,结果表明,MAGA较好地维持了种群的多样性,克服了AGA早熟收敛的问题,搜索到最优解的适应度提高了10.17%, MAGA+BP方法对流量数据具有较好的分类效果.     

基于多级遗传算法的模糊隶属度函数的优化

针对遗传算法的在应用过程中出现的过早收敛问题,提出基基于多级遗传算法的模糊控制,通过高级遗传算法的操作遗传算法可以获得不同种类的优良模式的新个体,从而它们提供了更加平等的竞争机会,并且在低级遗传算法在中采用Ｍｅｔｒｏｐｏｌｉｓ判别准则对遗传算法的复制算子加以改进,有效地破坏群体中个体的单一性,增加多样性,使隶属度参数得到优化,从而改善了控制性能,倒立摆仿真实验表明这种方法是有效的,是解决早收敛问题     

一种求解TSP问题的改进遗传算法

旅行商问题(Traveling Salesman Problem TSP)是一个典型的组合优化问题,但应用基本遗传算法求解TSP问题时存在许多不足.结合TSP问题的特点,提出一种改进的遗传算法:应用贪心策略初始化种群,用2-opt对其进行优化,使得在初始个体中就包含较优子路径,在一定程度上加快算法收敛性,防止早熟和近亲繁殖.对交叉算子和变异算子进行改进后,既能维持种群的多样性,也保留了父代个体大部分优良性能.应用改进的算法对20个城市的TSP问题进行求解,结果表明该算法求解速度快而且求解的质量较好.     

自适应混沌遗传退火的片上网络映射

针对带宽和时延约束的低能耗片上网络（NoC）映射问题,提出了一种自适应的混沌遗传退火映射算法. 该算法利用Boltzmann更新机制选择遗传个体,引入自适应混沌方法优化适应度较差个体,采用多邻域的退火策略优化较优个体. 实验结果表明,所提算法有效地避免了早熟收敛,提高了算法收敛速度,与标准遗传算法和混沌遗传算法相比,平均节能分别为45%和226%,有效地降低了NoC系统通信能耗.     

基于动态学习和个体淘汰的鲸鱼算法求解订单接受与调度问题

结合订单型企业生产线的实际情况,在传统的订单接受与调度模型的基础上加入因客户优先级而带来的订单拒绝成本这一重要因素,并使用新型的鲸鱼优化算法(WOA)进行求解.WOA被提出是用于求解实数域的问题而且存在容易陷入局部最优的缺陷,针对这一问题提出一种改进的鲸鱼优化算法(IWOA).使用基于排序和偏离度的编码方式用于求解订单...     

可拓聚类适应度共享小生境遗传算法研究

针对遗传算法易陷入早熟收敛和全局搜索能力差等缺点,提出一种基于可拓理论的小生境遗传算法.算法首先构造了遗传编码物元和可拓遗传算子,然后通过可拓聚类方法实现小生境群体的划分,结合适应度共享技术和聚类代表个体保存策略,维持稳定多样的小生境.仿真实验表明,该算法能可靠、快速地收敛到全局最优解,有效避免早熟收敛,其收敛速度和求解精度均优于简单遗传算法和常规小生境算法.