基于萤火虫算法的Markov模型及收敛性分析

为完善萤火虫算法(FA)的收敛性理论,本文就萤火虫算法(FA)建立了Markov链数学分析模型.通过分析该Markov链的性质,证明萤火虫位置的群体状态序列是有限齐次Markov链;通过分析萤火虫位置的群体状态转移过程,得到群体状态序列必将进入最优状态集的结论;然后证明萤火虫算法满足随机优化算法全局收敛的两个条件C1和C2,从而保证萤火虫算法全局收敛.在此基础上,通过几个典型测试函数对萤火虫算法的全局收敛性进行数值实验,验证了萤火虫算法的全局收敛性.     

改进蝙蝠算法在多目标优化中的应用

在模拟退火的高斯扰动蝙蝠优化算法（SAGBA）的基础上,结合解决多目标优化问题的算法技术,探讨了2种改进的多目标蝙蝠算法——基于动态加权的SAGBA算法（DWASAGBA）和基于向量估计的SAGBA算（VESAGBA）,并对算法进行了仿真实验．结果表明,SAGBA算法所得到的解集分布均匀,能够得到测试函数较为准确的Pareto曲线。     

基于改进蝙蝠算法的机械臂时间最优轨迹规划

为了对SCARA 6自由度机械臂的运动过程实现时间最优轨迹规划,课题组提出一种基于改进蝙蝠算法的时间最优3-5-5-3分段多项式插值轨迹规划算法。首先对机械臂构造3-5-5-3分段多项式;然后在角度、角速度和角加速度的约束条件下,以时间最短作为优化的目标函数,采用改进的蝙蝠算法对分段多项式的结果进行优化;最后在MATLAB软件中进行模拟运算。仿真结果表明：改进的蝙蝠算法在收敛性以及优化性方面均优于传统的蝙蝠算法,而且在局部收敛方面也有明显的改善;各关节的角位移、角速度和角加速度曲线相对平滑,不存在突变等情况的发生,充分证实改进算法具有可行性。     

基于有效极点的双层线性规划的全局优化方法

利用双层线性规划模型的某些性质和对偶理论,分析了双层线性规划问题的最优解、约束域的极点以及下层问题的对偶问题三者之间的关系,进而提出了一种求解双层线性规划问题的全局最优解的新算法.算例表明所提出的算法是简便而有效的.     

基于多目标决策协调模型的粒子群算法及其收敛性分析

PSO在求解高维多目标优化问题对有限个体用排序策略来寻找Pareto最优个体时,粒子群体中个体之间很难进行Pareto排序比较,或出现所有个体皆有Pareto最优解而无法实施正常的个体选优.为此,提出了一种基于多目标决策协调模型的粒子群算法,该算法将运筹学多目标决策的协调模型引入粒子群迭代过程,群体按协调模型使用偏好信息进行排序,而不是基于Pareto优于关系对当代群体进行个体排序.实验表明,该算法对解决高维多目标问题行之有效,且具有较快的收敛速度.     

基于时变惯性权重学习机制的蝙蝠优化算法

为解决蝙蝠算法容易陷入局部最优,过早进入停滞状态等缺点,在蝙蝠算法更新模式中引入时变的惯性权重,给出3种不同的惯性权重学习机制,将蝙蝠算法进行改进,提高算法的开发和探索能力.通过数值仿真实验,将3种不同学习机制下的改进蝙蝠算法与基本算法进行对比分析.结果表明,改进的蝙蝠算法具有较高的收敛精度和较强的全局搜索能力.     

关于随机系统响应收敛性定理的一个注记

通过反例指出随机系统响应收敛性一个经典结论的错误,并给出了修正后的定理和证明。     

一种新的线搜索下CD型共轭梯度法的全局收敛性

根据一种具有可行性的线搜索条件,结合CD型共轭梯度法的计算公式,给出了一种无约束优化问题的算法,证明了这种线搜索可保证CD方法下降搜索方向的充分下降性,也提供了算法的全局收敛性结果及证明过程．     

基于改进蚁群算法的旅游路线优化

蚁群算法是按照邻近节点路径最短的原理选取下一个节点,因此在全局路径中不一定是最优选择.针对这一缺点,文中采用两步节点最短路径策略选取下一个节点的方法,对蚁群算法路径选择进行改进,并对禁忌表中节点顺序进行调整.然后采用TSPLIB中的Benchmark31、Att48、kroA100、Pr136、tsp225问题,对旅游路线进行优化和仿真,所得改进蚁群算法比基本蚁群算法搜寻结果更优.将Att48、Eil51问题运行结果与其他算法进行比较,结果表明,改进蚁群算法得到了较优路径.     

贪心算法在高校排课系统中的应用

在高校中,科学合理高效的课表是教学活动顺利开展的前提,课表的优劣直接影响着高校的教学质量。人工排课工作量十分繁重,常出现各种冲突,例如两个班级同时使用一间教室等。随着计算机技术的发展,出现了多种排课算法,有效地解决了排课困难的问题。本文就贪心算法在排课系统中的应用进行研究。     

基于IPM策略的捕食系统的全局稳定性

对具有害虫综合管理策略(IPM)的Lotka-Volterra捕食与被捕食系统进行了定性分析.利用Floquet理论和微分方程比较定理证明了当临界值R0＜1时,系统的害虫根除周期解是全局渐近稳定的,而当R0＞1系统是持久生存的.数值模拟分析了喷洒杀虫剂的剂量和次数,天敌和害虫的残存率如何影响临界值,为成功的害虫控制策略...     

最优设计迭代算法的收敛性

在一般的Φ一最优准则下证明了线性模型最优设计的两种迭代算法:V-算法和W-算法的收敛性,并且证明了一列信息矩阵{M_n}使Φ(M_n)→Φ(M~*)的充要条件是■中,M*为Φ-最优设计对应的信息矩阵.     

一种自适应交替的粒子群差分进化优化算法

为了克服粒子群算法易陷入早熟收敛的缺点及提高差分进化算法的搜索能力,提出了一种自适应交替的粒子群差分进化算法.该算法采用自适应的概率交替使用PSO和DE,通过对6个基准函数的测试,说明本文提出的算法是一种收敛速度快、求解精度高的全局优化算法.     

扩展的拟牛顿法

拟牛顿算法被认为是当今解无约束最优化问题的最有效方法之一,它产生了一系列对目标函数二阶导数的近似矩阵Bk＋1．校正产生的Bk＋1,其实质是在Bk的基础上加一修正矩阵Ak,即Bk＋1=Bk＋Ak．研究了Ak应满足什么样的条件,给出了满足该条件的Ak的3种公式及6种合适的选取．     

群体智能和智能优化算法(英文)

通常元启发式优化算法是基于群体智能的算法,这些算法通常被称为智能算法.此文综述一些广泛应用的优化算法,包括蚁群算法、蜜蜂算法、蝙蝠算法、布谷鸟搜索、萤火虫算法和粒子群优化.同时,还讨论启发式算法中具有挑战性的问题如参数调整和参数控制.