一种采用双混沌搜索的类电磁机制算法

针对现有算法中初始种群随机性强、局部搜索能力差、移动公式效率低等问题,提出了一种改进的类电磁机制算法．结合反向学习理论,引入带扰动因子的反向学习机制构造初始种群;提出了一种双混沌优化机制用于局部搜索;运用改进后的公式计算粒子之间的合力;设计了一种自适应移动算子来更新粒子．实验结果表明,改进后的算法具有更好的收敛效果和更高的求解精度．     

求解约束优化问题的混沌类电磁算法

针对约束优化问题, 提出了基于混沌优化的一种新的类电磁机制算法. 采用多目标优化的约束处理技术, 将约束优化问题转化为无约束的双目标优化模型来求解; 对于转化后的新模型, 设计粒子的电荷和粒子间的受力公式. 同时, 为了加快算法的收敛速度, 结合混沌优化改进种群中的粒子. 采用标准的Benchmark函数对新类电磁机制算法的性能进行了仿真测试, 并将测试结果与已有算法的结果进行比较, 结果表明, 新算法能够快速找到问题的全局最优解或近似最优解, 是一种非常有竞争力的优化算法.     

一种电子元器件组装结果检测方法

为了更快更准确地检测印刷电路板(PCB)上的元器件是否存在漏焊、误焊或极性倒置等装配错误,提出了一种基于类电磁机制算法的电子元器件组装结果检测方法．该方法利用类电磁机制算法强大的搜索策略和智能的寻优机制,通过随机均匀抽取目标区域坐标点产生初始种群;以改进的归一化相关函数作为目标函数,把图像的匹配同名点看作带电粒子,通过粒子的移动与更新搜索图像的最佳匹配点;引入非均匀变异算子对移动粒子操作进行了改进;给出了该方法的实现步骤和基本流程．实验结果表明,新的检测方法具有更快的收敛速度和更高的识别率,适用于PCB板的检测．     

基于佳点集-量子粒子群算法的交直流系统无功优化方法研究

随着高压直流输电工程和区域电网互联建设的不断推进,交直流互联电网的规模越来越大,其对电网的无功平衡也提出了新的要求。提出一种基于佳点集量子粒子群的交直流系统无功优化方法。该方法建立交直流系统及其潮流计算模型;以系统网损为目标函数,建立交直流输电无功优化模型,并考虑系统节点电压以及发电机无功出现越界的情况;通过引入佳点集并对量子粒子群算法进行改进,给出了使用佳点集量子粒子群优化算法的求解步骤。通过采用IEEE30节点算例进行验证,并与量子粒子群算法比较,结果表明:该文方法具有快速的收敛能力、良好的稳定性,优化性能也有较明显的提高。     

具有禁止时间窗口的资源受限水利工程项目调度

水利工程项目的调度属于资源受限的项目调度,但又具有特殊的时间约束,称之为禁止时间窗口的约束,该约束假设某些任务不能在某个特定的时间段内执行.针对此类问题建立了一种带有禁止时间窗口约束的资源受限的项目调度问题模型,并提出了一种改进的类电磁算法,对局部搜索、电荷、合力及粒子移动的方式进行改进.基于PSPLIB实例库设计了仿真数据,将改进的类电磁算法与启发式优先规则、遗传算法进行比较,仿真结果表明了改进的类电磁算法的优化效果优于对比算法.     

类电磁优化的片上网络低功耗映射算法

针对基于2D Mesh结构的片上网络功耗优化问题,提出了一种类电磁优化的片上网络低功耗映射算法．该算法采用实数编码机制,将类电磁算法应用于求解离散问题．使用轮盘赌的选择机制进行种群初始化,提高初始化粒子的质量,从而提高算法效率;利用调整序的方法进行局部搜索,提高粒子在局部范围内的精细搜索能力;设计电荷计算公式求解合力,用阈值滤掉作用力甚微的粒子,提高搜索最优解的效率．实验表明:改进类电磁的映射算法与现有的遗传算法、蚁群算法相比,平均节能达20.35％和12.58％,有效地降低了片上网络通信能耗,并且能耗分布更加均匀,算法效率更高．     

无约束优化问题的多种群混合类电磁机制算法

在分析了标准类电磁机制算法不足之处的基础上,提出了一种处理无约束优化问题的新的类电磁机制算法。新算法用两个种群进化,从两个进化种群中选出优势个体互相学习,交换信息;提出了基于粒子电荷量和它们之间距离的自适应调节的新的受力计算公式。仿真试验结果表明,和已有算法相比,该算法能有效克服早熟收敛,具有收敛快、求解性能好的优点.     

基于时间因子的混沌粒子群优化K-means算法

针对传统的K-means算法对初始聚类中心取值敏感和易陷入局部最优解等缺点,提出一种带时间因子的改进粒子群优化(Particle Swarm Optimization,PSO)聚类算法。首先在PSO算法中引入反映时间效应的动态调整时间因子,以避免粒子在最优解附近震荡,为保证粒子在规定范围内运动,采用边界缓冲墙对越界粒子进行处理;其次针对粒子群算法存在的全局搜索性能问题,通过改进的混沌技术对粒子群进行扰动,以混沌搜索替代随机搜索,确保种群的多样性,进而使粒子群向更优的方向移动;最后将改进后的粒子群算法结合K-means算法,以提高粒子的局部勘探能力,从而更快地找到全局最优位置。对UCI中的Iris数据集和Wine数据集仿真表明,该算法相比其他2种算法,聚类准确率分别增长了5.1%和1.3%,1.79%和1.09%。     

均值漂移优化的粒子滤波目标跟踪方法

为了实现粒子集的有效传播,克服粒子滤波跟踪时的退化问题,提出尺度和方向自适应的均值移动优化粒子滤波目标跟踪算法.用改进的均值移动作为一种优化机制对粒子进行传播,使粒子能够有效分散和聚类,有效解决退化问题.最后将该方法应用到真实图像序列中,实验表明算法在性能和效率上有明显提高.     

基于粒子群聚类优化的分簇路由算法

为延长无线传感器网络的生命周期,给出一种基于粒子群聚类优化的分簇路由算法。根据网络内存活节点的数目确定最优簇首数,将能量均方误差引入粒子群聚类算法的适应度函数中,以此改进粒子群聚类算法,并利用改进后的粒子群聚类算法对整个网络进行能量均衡化分簇。基于节点的剩余能量、节点与基站的距离以及簇首节点到簇内其他成员节点的平均距离等因素,评选簇内最优簇头。在100m×100m区域内撒播100个传感器节点进行仿真实验,结果表明,与低功耗自适应集簇分层协议算法相比,改进算法的首个节点死亡时间可延长34.04%,有效节点死亡时间可延长12.12%。     

一种采用类电磁机制算法的线性分类方法

根据最优超平面和类电磁机制算法的思想,提出了一种组合优化线性分类方法.该方法利用样本训练提取样本个体的类别特征,寻找到将类别分类的最优超平面,设计并实现了一种采用改进的类电磁机制算法的组合优化线性分类方法.试验取得了很好的分类效果,证实了组合优化线性分类方法的可行性.     

一种改进的无局部搜索的类电磁机制算法

基于种群的类电磁机制算法是一种随机搜索算法,种群粒子在所受其他个体的合力作用下以随机步长运动。由于EM算法在计算粒子间的作用力时,粒子间距离对作用力大小的影响过大,从而导致EM算法本身的局部搜索能力较弱。根据粒子之间距离的不同情况计算个体间作用力大小,从而弱化了距离对作用力大小的影响。同时,通过引入分力权重系数,调整了吸引／排斥作用对合力的影响。粒子的运动则是根据粒子所受合力与最优粒子对该粒子引力的夹角大小来判断粒子是按合力方向运动,还是背离合力方向运动。另外,该改进的EM算法中还去掉了EM算法中局部搜索部分。实验测试结果表明,该改进的无局部搜索的EM算法提高了解的精度,并能更好的解决高维优化问题。     

Practical electromagnetism-like mechanism algorithm

The function optimization principle of the original Electromagnetism-like mechanism (EM) algorithm and some problems of it are analyzed, such as large computation, low convergence rate, and pathological feature in the total force formula. A new pratical EM algorithm is proposed according to the problems above. The power formula is simplified by adopting the method for normalizing the objective function value. The correction factor is introduced into the total force formula, so that the pathological feature in the total force formula is eliminated, the impact of the distance factor on the force between population particles weakened, and the convergence rate increased. Experiments show that the improved algorithm has a faster convergence speed and higher solution accuracy.     

Improved electromagnetism-like mechanism algorithm

Based on the principle of the electromagnetism-like mechanism(EM) algorithm, the algorithm's optimization mechanism is studied. An improved electromagnetism-like mechanism algorithm is proposed to solve the problems of the original EM algorithm, such as non-uniform initial population, low search efficiency, and pathological feature in the total force formula. The new algorithm generates the initial population with the uniform design method, improves the local search algorithm with the hybrid chaotic pattern search method and calculates the total force between particles with the modified equation. Besides, an adaptive formula of movement is designed to update the locations of those particles. Experimental results show that the improved algorithm has a better convergence result and a higher solution accuracy.     

种群规模自适应控制的中心引力优化

在中心引力算法的设计中,较大的种群规模能提高最优解的精度,但会降低个体的搜索空间。针对中心引力算法提出了一种自适应控制种群的中心引力算法,在算法的运行过程中,根据算法的表现使每一代增大或减小种群的规模。将聚类算法和佳点集算法融合到增加\删除算子中,使得算法可以自适应地兼顾有效性和多样性。数值结果表明,新算法在求解精度和收敛速度上不弱于对比算法。     

基于免疫蜂群算法的冷轧生产调度优化方法

冷轧生产调度是一个复杂的约束组合优化问题,生产约束包括轧制板坯的宽度、厚度、硬度跳变及交货期提前和拖后惩罚等。基于1．sP（多旅行商）问题,建立了冷轧生产调度问题的最小值模型,提出了一种免疫蜂群优化求解算法。通过给蜂群注射疫苗产生出代表新的解集的种群,避免算法在优化过程中陷于局部极值。针对工业数据的仿真结果表明：免疫蜂群优化算法明显优于人工蜂群优化算法的解,具有较好的收敛性和快速性。     

利用有效信息的粒子群优化算法

为了进一步提高粒子群优化(PSO)算法的性能,分析了PSO算法的信息共享机制及由个体最优位置构成的平衡点的作用,探讨了一个好的平衡点应满足的条件.在此分析基础上,根据对粒子邻域个体最优位置的不同利用方式,提出了两种利用有效信息的PSO(EIPSO)算法形式:EIPSO-1与EIPSO-2.EIPSO1算法中粒子的平衡点由性能不差于粒子当前位置的邻域个体最优位置组成,EIPSO-2中粒子的平衡点由粒子群中性能不差于当前粒子个体最优位置的粒子个体最优位置组成.EIPSO既充分利用了优秀邻域个体的信息,又避免了较差邻域个体的负面影响.5个测试函数的仿真结果及与其他PSO算法的比较结果验证了新算法的有效性.     

截尾线性回归模型参数极大似然估计的EM算法

对区间截尾的线性回归模型,在误差服从正态分布的条件下,给出其基于似然方程的参数极大似然估计(Maximum Likelihood Estimate,MLE)的一般迭代算法,证明了EM算法与该一般迭代算法的一致性,由EM算法的性质保证了迭代的收敛性,证明了Murray Aitkin给出的右截尾数据回归模型参数MLE的EM算法是本文的一个特例以及EM算法收敛点的唯一性.