基于MSC Nastran的离散变量优化算法的实现

实际工程中存在大量的离散变量优化问题,基于MSC Nastran优化框架实现新的离散变量算法,有利于新算法本身的推广应用和解决大规模的实际复杂工程问题.通过修改MSC Nastran输入文件的方法实现离散变量的优化算法——GSFP算法.GSFP是基于广义形函数的离散变量优化算法,它将离散变量优化问题转化成连续变量优化问题,通过惩罚等措施使得最优设计结果最终收敛到离散解,该方法能够解决大规模的实际离散变量优化问题.最后以桁架截面选型优化为应用背景,给出GSFP算法实现的基本原理和方法.     

基于一种自适应选择机制的混合优化算法

针对于微分进化(DE)和粒子群优化(PSO)算法收敛精度较低和收敛速度慢的缺点,提出了基于这两种算法的混合优化算法DEPSO。该算法引入了两个新的变量指标,即在迭代过程中种群个体适应值有所优化的概率及种群的全局最优值的变化情况,通过采用这两个变量所形成的一个二维合理的选择机制,实现下一个迭代过程中关于算法的选择迭代问题。该算法一方面参数较少,实现简单;另一方面,利用新引入的第二个变量指标避免种群陷入早熟。对几种典型的测试函数进行数值模拟实验,结果表明与传统的算法比较,新的算法具有收敛精度高和收敛速度快的特点,同时对于高维的问题依然表现出较好的效果。     

求解TSP的离散野马优化算法

针对求解TSP问题，提出一种新的元启发式算法离散野马优化算法（DWHO），应用最小位置匹配值法（MPMV）对求解结果进行离散化解码；为提高算法搜索能力，结合野马放牧、交配、领导者交流与选拔行为，引入变邻域搜索策略，增强了算法的局部搜索能力、加快算法收敛速度。选取TSPLIB标准库33个算例进行实验，并与交换序列人工蜂群算法（ABCSS）、离散蜘蛛猴优化算法（DSMO）两种算法进行比较。实验结果表明，DWHO求得的最优解与ABCSS、DSMO两种算法的最优解相比，最优解改进率最大值分别达到4.52%和3.41%。同时，将离散野马优化算法求解TSP收敛速度与以上两种算法进行比较，其收敛速度具有一定的优势。结果表明离散野马优化算法求解能力和精度具有优势。     

Hopfield-型网络求解优化问题的一般演化规则

基于离散Hopfield-型网络和延迟离散Hopfield-型网络求解优化问题提出了两种一般 演化规则,演化序列的动态阈值是这些规则的重要特征,并获得了收敛性定理.推广了已有的 离散Hopfield-型网络和延迟离散Hopfield-型网络的收敛性结果,给出了能量函数局部极大值 点与延迟离散Hopfield-型网络的稳定态的关系的充分必要条件.鉴于延迟离散Hopfield-型网 络更有效地应用于优化计算问题,给出了一般分解策略.实验表明与离散Hopfield-型网络的 算法相比,文中提出的算法既有较高的收敛率又缩短了演化时间     

GP、SAP算法比较研究

针对规划问题,引入了固定结构解的描述形式,指出其离散量与连续量混合的多峰值优化的特点。在此基础上提出了固定结构遗传规划算法（GP）、模拟退火规划算法（SAP）,并进行了算法分析。最后通过实验对四个典型优化函数的优化进行了比较研究。研究与实验结果表明SAP算法综合考虑了结构优化与参数优化,具有收敛效率高、获得更优解概率大的特点;GP算法有利于结构优化,但不利于参数优化,具有收敛效率较低,获得更优解的概率较小的特点。     

一种连续空间优化问题的蚁群算法及应用

针对随机优化算法收敛困难及搜索时间较长的问题,提出一种求解连续空间优化问题的蚁群算法,为蚁群算法在连续空间中的应用提供了一个可行的方案。给出了该算法的详细定义及实现步骤,并将该算法应用于多变量函数优化及热工控制系统控制器参数优化,仿真结果表明:该算法具有良好的全局优化性能,能加快收敛速率,解决了随机优化算法收敛困难的问题,并提高寻优精度。     

基于二进制量子微粒群算法的二维熵图像分割

分析量子计算的特点,对量子旋转门进行研究,给出了新的量子旋转门调整策略,并与离散二进制粒子群优化算法进行组合,提出了二进制量子粒子群优化算法。该算法具有收敛速度快、全局寻优能力强的特点。用典型复杂函数对其进行测试,测试结果表明,算法的优化质量和效率都优于离散二进制粒子群优化算法。将二进制量子粒子群优化算法与阈值法相结合应用于图像分割,结果表明了基于二进制量子粒子群优化算法的二维熵图像分割法用于阈值寻优具有更快的收敛速度和更好的全局寻优能力。     

基于Inver-Over算子的改进离散粒子群优化算法

离散粒子群算法能充分利用粒子的局部极值和全局极值信息,但收敛速度慢、精度低;Inver-Over算子收敛速度快、精度高,但学习具有盲目性。结合二者优点,文中提出一种基于Inver-Over算子的改进离散粒子群优化算法。为防止早熟收敛,引入局部最优子群的概念,使粒子向局部最优子群中粒子学习而不是向个体局部最优学习。引入3个参数:学习选择概率用以确定粒子的学习对象,代数阈值确定何时向全局最优粒子学习,局部最优子群比决定最优子群的规模。讨论这些参数的选择原则,并给出相应参考选择范围。研究表明,文中算法与普通离散粒子群优化算法和郭涛算法相比,收敛速度和求解精度都有较大提高。     

GP、SAP算法比较研究

针对规划问题,引入了固定结构解的描述形式,指出其离散量与连续量混合的多峰值优化的特点.在此基础上提出了固定结构遗传规划算法(GP)、模拟退火规划算法(SAP),并进行了算法分析.最后通过实验对四个典型优化函数的优化进行了比较研究.研究与实验结果表明SAP算法综合考虑了结构优化与参数优化,具有收敛效率高、获得更优解概率大...     

基于伪幂函数的离散粒子群算法及其应用

针对概率贪婪离散粒子群算法不能兼顾收敛速度与收敛率的缺点,提出一种基于伪幂函数的离散粒子群算法.该方法对贪婪度函数进行伪幂化处理,提高了较远离散位置的选择概率,降低了较近离散位置的选择概率,能有效避免早熟收敛,提高收敛率.对该算法的性能进行了分析.无线传感网络路由优化结果表明,该算法可以获得较好的优化结果.     

Taguchi方法混合ABC算法的车辆部件优化设计

针对车辆部件的结构设计制造优化问题,提出了基于Taguchi方法的混合鲁棒人工蜂群算法（HRABC）。采用Taguchi方法生成了目标函数的方差分析（ANOVA）表,根据ANOVA表寻找到设计变量的合理区间,并根据这些区间定义人工蜂群算法的鲁棒初始种群;利用基于目标函数的多个设计变量的影响提取人工蜂群算法的解空间,从而得到优化结果。在车辆部件结构设计优化及多刀具铣削优化问题上,验证了所提算法的有效性及鲁棒性。分析结果表明,与几种常用的优化算法相比,在收敛速度和有效性方面,该HRABC算法具有最好的优化效果。     

结构化公路车道的精确检测与跟踪

在结构化道路情况下,车道检测简化为白线检测。文章利用图像处理技术和优化技术,提出了一种在结构化道路中精确检测车道的两层算法。同时利用白线的局部特性和全局特性,鲁棒的提取特征;将感兴趣区域分为近视野和远视野,按照″拟和-判断-拟和″的流程,用直线或直线与二次曲线的光滑组合匹配白线;并针对具体应用环境,为优化算法添加适当的权值因子,提高算法抗噪性。测试结果表明算法能够自动、快速、准确的检测白线。     

一种基于遗传算法的K-means聚类算法

传统K-means算法对初始聚类中心的选取和样本的输入顺序非常敏感,容易陷入局部最优。针对上述问题,提出了一种基于遗传算法的K-means聚类算法GKA,将K-means算法的局部寻优能力与遗传算法的全局寻优能力相结合,通过多次选择、交叉、变异的遗传操作,最终得到最优的聚类数和初始质心集,克服了传统K-means算法的局部性和对初始聚类中心的敏感性。     

聚酯工业生产缩聚过程的多目标优化

介绍一种聚酯(PET)生产缩聚过程的多目标优化技术,以最终产品的产量最大和质量最佳为优化目标,以第三和第四缩聚釜为优化对象,运用复合神经网络技术及相关机理知识建立优化模型。借鉴非劣分层方法、精英策略和群智思想,建立混合优化算法,通过该算法及惩罚函数寻优,设定生产过程中操作变量的最优参数,采用实际工业生产数据仿真和验证,建立周期性的两级优化结构来实现优化控制。     

基于免疫多目标优化的网络组播路由选择*

为了求得综合性能最优的网络组播路径,提出了一种基于免疫多目标优化的求解方法。算法综合考虑代价、延时、带宽等多个因素;构造了免疫基因库,加快了算法的收敛速度;抗体编码采用实值树型编码,简化了操作;设计了针对此问题的变异算子。实验结果表明,本算法可以较快地求得总体性能最优的网络组播路由,并能提供更多的优良方案。     

最佳维变异粒子群优化算法在传感器调度中应用

粒子群优化(PSO)算法的主要特点是能快速得到问题的解,缺点是容易陷入局部最优.提出了一种利用最佳维变异技术和量子理论方法改进的PSO算法,并应用于目标跟踪传感器调度问题.目标的动力学模型为线性高斯模型,传感器观测值被高斯噪声污染并与目标状态线性相关.对于多传感器单目标跟踪的数学问题,引入提出的最佳维变异PSO算法,在...     

基于遗传算法的图像检索中特征权重自动调整

综合多种特征的图像检索可以克服使用单一特征带来的问题,如何组织这些特征使其发挥最佳作用是基于内容图像检索中的一个难点。提出了一种基于遗传算法的多特征权重自动赋值方法,首先将图像检索中特征权重调整问题转换为优化问题,进一步利用遗传算法求取权重的最优解,使检索效果达到最好。实验表明,该方法查全率和查准率较高,并且具有较强的鲁棒性和推广能力,对于各种特征和特征表示方法,都能够提供最佳的组合。     

一种改进的多目标约束优化差分进化算法

提出一种新的多目标优化差分进化算法用于求解约束优化问题.该算法利用佳点集方法初始化个体以维持种群的多样性.将约束优化问题转化为两个目标的多目标优化问题.基于Pareto支配关系,将种群分为Pareto子集和Non-Pareto子集,结合差分进化算法两种不同变异策略的特点,对Non-Pareto子集和Pareto子集分别采用DE/best/1变异策略和DE/rand/1变异策略.数值实验结果表明该算法具有较好的寻优效果.     

A novel wise step strategy for firefly algorithm

Firefly algorithm is a bio-inspired optimization algorithm which has been empirically demonstrated to perform well on many optimization problems. However, it can easily get trapped in the local optima and causes low precision. Therefore, improvement of this disadvantage is the very important. In this paper, we propose a wise strategy for step setting, which considers the information of firefly's personal and the global best positions. The results show that the modified algorithm enhances the performance of the basic firefly algorithm.     

XPath结构连接顺序优化

XQuery是由W3C提出的XML查询语言标准。XPath路径表达式是XQuery的基础,其查询处理的效能在很大程度上决定着XQuery的处理效率。提出了一种基于代价估算的XPath优化技术,基于层次编码对结构连接的执行代价进行估算,并用动态规划方法求解对于该路径表达式最佳的执行顺序;根据计算结果对查询计划树进行重构得到优化的查询计划。对此算法进行了实验测试和分析,结果表明该算法能得到较佳的查询优化效果。