改进的人工免疫算法在图像配准参数优化中的应用

借鉴禁忌搜索的思想改进了人工免疫网络算法(aiNet),提出一种禁忌人工免疫网络算法(TS-aiNet).在算法中引入禁忌表,禁忌在网络迭代中亲和力不再增加的细胞,通过特赦准则赦免一些被禁忌的优良状态;增加记忆表,保存成熟的记忆细胞;重新定义高斯变异方式,保证多样化的搜索.利用Markov链分析了该算法的全局收敛性,通过对典型系统的仿真实验分析了该算法的性能,并与克隆选择算法和opt-aiNet算法进行了比较,最终将改进的算法运用到红外与可见光图像配准中,像素级配准精度可以达到0.5像素.实验结果表明,该算法在多模态搜索空间中具有更好的全局收敛性、稳定性和发现极值点能力,能够克服早熟现象,提高图像配准的速度和精度,是一种有效的全局优化方法.     

单车场多送货点车辆调度优化的一种改进禁忌算法

为解决单车场容量约束车辆调度问题提出了一种改进禁忌算法.在传统的禁忌算法思想中,它的解受算法的唯一初始解的状态影响很大,因此优化结果的稳定性得不到保证.此改进算法使用多初始解和全局禁忌表,它能够减小解的不稳定性和扩大搜索范围.与标准禁忌算法比较,它的全局搜索能力和稳定性都大大增强.通过算例试验,取得了良好的结果.     

基于混合离散粒子群优化的多时间因素作业车间调度研究

应用粒子群优化(PSO)进行了考虑机器调整时间、工件运输时间以及提前/拖期惩罚的作业车间调度问题的研究,分析了各时间约束对调度的影响,在此基础上设计了一种解决多时间约束调度问题的混合离散粒子群(HDPSO)算法。该算法在初始阶段采用反向学习机制初始化以提高初始解质量,引入记忆池的概念,在每次迭代中利用记忆池中精英解对当代种群搜索加以指导,以增加粒子与优秀群体间的交流并提高收敛速度及跳出局部最优的能力,最后采用一种针对问题的变邻域搜索策略提高了算法收敛精度。实例仿真验证了该算法的有效性。     

基于Backbone的空间收缩与划分算法

搜索空间的规模和复杂程度是决定问题求解难度的重要因素,而解空间的信息往往可以引导搜索找到最优解.在已知JSP空间结构的基础上,提出一种空间收缩与划分算法.算法利用搜索算法获得的较优解,结合组合优化问题解的backbone的概念,将搜索空间收缩并划分为一个或多个优解域,在优解域内再进行小规模问题的优化.该算法不必在求解前或求解过程中进行大量的统计分析工作,可以利用求解信息对解空间的地形进行估计,提高求解速度和解的质量.实验结果也证明了算法的有效性.     

面向多处理器SoC设计的低功耗软硬件划分

提出了解决多处理器SoC的低功耗软硬件划分问题的方法--基于神经网络的禁忌搜索算法.其基本思想是:真实的生物神经元具有抑制重复激活的阻尼特性,这与禁忌搜索对重复搜索加以限制相类似,因此设计具有阻尼特性的神经网络实现禁忌搜索算法,受阻尼特性抑制的神经元对应禁忌活动.由于神经网络复杂的动态特性和禁忌搜索优秀的全局搜索能力,该算法能够有效地跳出局部最优解.对真实任务图的实验表明,与遗传算法相比,该算法不但具有搜索速度上的优势,而且所得到的绝大部分软硬件划分方案有更低的系统功耗.     

基于并行混沌和复合形法的桁架结构形状优化

针对多工况下受应力、位移和局部稳定性约束的桁架形状优化问题,提出了基于并行混沌优化算法和复合形法的混合优化算法。该算法综合利用了并行混沌的全局搜索能力,复合形法的快速局部搜索能力和混沌细搜索。首先,利用并行混沌优化算法快速搜索到全局最优解附近,然后应用改进复合形法以并行混沌的优化解为初始复形进行搜索,提高了最优解的搜索速度,最后应用混沌细搜索策略提高最优解的精度。两个典型数值算例验证了该混合优化方法对桁架形状优化问题的有效性和稳定性。     

结合广义Armijo步长搜索的一类记忆梯度算法及其收敛特征

本文对求解无约束规划的超记忆梯度算法中线搜索方向中的参数,给了一个假设条件,从而确定了它的一个新的取值范围,保证了搜索方向是目标函数的充分下降方向,由此提出了一类新的记忆梯度算法.并在去掉迭代点列有界和广义Armijo步长搜索下,讨论了算法的全局收敛性,且给出了结合形如共轭梯度法FR,PR,HS的记忆梯度法的修正形式,数值实验表明,新算法比Armijo线搜索下的FR,PR,HS共轭梯度法和超记忆梯度法更稳定、更有效.     

具有快速收敛特性蜂群算法的球度误差评定

将蜂群算法应用到球度误差评定中,给出最小区域球度误差评定模型.根据球度误差评定的特点,改进了基本蜂群算法.首先从雇佣蜂中按概率引进一组蜂群实现最优搜索,加快算法的收敛速度;再按照概率随机选择部分侦察蜂在当前最优解邻域内搜索,提高算法跳出局部最优的能力.通过典型测试函数验证了该算法的可行性.比较改进蜂群算法与几种典型群智...     

基于空间收缩的并行演化算法

提出了一种基于空间收缩的求解MINLP问题的新算法。算法应用了快速有效的不完全演化搜索较优解的分布信息，通过分布信息定位最优解的可能分布，再由精英个体信息决定下次搜索空间。仿真结果表明该算法在搜索效率、应用范围、解的精确性和鲁棒性上都优于其他现存演化算法。     

TSCOA算法在梯1级水电站日优化调度中的应用

本文将混沌优化算法与禁忌搜索法相结合,提出一种既可全局寻优又具有“记忆”能力的优化算法——TSCOA,并将这种算法引用到梯级水电站日优化调度问题中。该方法原理简单,易编程实现,能以较快速度收敛到全局最优解,从而为分时电价环境下水电站日优化调度问题提供一种新的解决途径。