考虑集中充电站的电池换电站选址定容规划

电动汽车电池换电站的选址定容是具有多变量和多约束的复杂非线性问题,?难以用一般的数学方法进行求解,本文对此提出一种Voronoi图与改进蝙蝠算法(Improved?Bats?Algorithm,?IBA)联合求解的选址定容方法.考虑集中充电站的影响,?建立以年建设投资成本、选址满意度和年电池换电成本为目标的多目标决策模...     

用遗传算法求解dc-NST问题

针对以边编码为染色体的遗传算法只能求解普通的MST问题,对于带度约束的dc-MST问题很难求解.依据图论中的Cayley定理,建立了以端点编码为染色体的遗传算法,并应用遗传算法策略求解dc-MST问题.结果证明,该方法改进了搜索过程,得到了全局最优解.     

冷却时间约束多对多任务分配及其优化

由于人员分配或资源调度过程中存在冷却时间,?导致人机协同多对多任务分配困难并且难以优化,?协同效应急剧下降,?本文旨在解决冷却时间约束多对多任务分配问题.主要使用角色协同理论(Role-Based?Collaboration)及其通用模型E-CARGO(Environments-Classes,?Agents,?Rol...     

用遗传算法求解dc—MST问题

针对以边编码为染色体的遗传算法只能求解普通的ＭＳＴ问题,对子带度约束的ｄｃ－ＭＳＴ问题很难求解．依据图论中的Ｃａｙｌｅｙ定理,建立了以端点编码为染色体的遗传算法,并应用遗传算法策略求解ｄｃ－ＭＳＴ问题．结果证明,该方法改进了搜索过程,得到了全局最优解．     

改进协同进化算法求解柔性车间调度问题

在柔性作业车间调度问题中以最大完工时间为优化目标,针对求解柔性车间调度问题在大算例中搜索能力下降的问题,提出了一种基于GA和PSO的学习型协同进化算法.首先通过GA和PSO两种算法的最优个体进行共享,通过两种群的相互协同提高种群的多样性,避免陷入局部最优;其次设计了一种变邻域搜索方式,提高算法的局部搜索能力;然后,针对每一代的最优个体的染色体结构进行学习形成机器选择知识体,来影响下一代种群的生成从而提高新生成染色体的质量.最后通过实验表明学习型协同进化算法不仅在小算例中搜索能力强,而且在规模较大的算力时仍然具有良好的全局搜索能力.     

联合图嵌入与特征加权的无监督特征选择

在特征选择领域,现有的大多数方法不能同时捕获不同特征有差异的权重,?不能对投影子空间施加正交约束来提高特征的判别力.为此,?本文提出联合图嵌入与特征加权的无监督特征选择方法(Joint?Graph?Embedding?and?Feature Weighting,?JGEFW).首先,?通过图嵌入局部结构学习获得相似度矩...     

农村用电碳排放变化驱动因素研究

随着农村经济的不断发展,?农村能源消费正逐步由生物质能源向电力转变.因此,?从农村视角识别影响农村用电碳排放的潜在驱动因素,?是我国推进农村低碳发展、实现碳减排目标的重要前提.本文采用基于人口、富裕度和技术的随机影响回归模型(Stochastic?Impacts?by?Regression?on?Population,...     

最优化方法在非线性弹性力学提离问题中的应用

本文采用优化方法直接搜索总势能极小值,对一些用有限元法不易求解的弹性力学非线?边界提离问题进行了求解,取得了可靠和满意的结果.     

基于遗传算法和蚂蚁算法求解函数优化问题

针对遗传算法求解精度低以及蚂蚁算法求解速度慢的问题，提出一种基于遗传算法和蚂蚁算法的混合算法.该混合算法利用了遗传算法快速随机的全局搜索能力的优点，设计了编码与适应度函数，进行了种群生成与染色体的选择，并通过设定交叉算子和变异算子， 生成了信息素分布.该混合算法利用了蚂蚁算法正反馈以及具有分布式并行全局搜索能力的优点，通过确定吸引强度的初始值，建立了强度更新的模型，从而求得精确解.并将该算法应用于求解函数优化问题.结果表明，该混合算法与遗传算法和蚂蚁算法相比，收敛速度快，寻优性能好.     

NEV企业颠覆性创新模式研究——基于中美日代表性企业的比较分析

中国新能源汽车行业能否成功,?颠覆性创新对于助推绿色经济转型和实现可持续发展具有重大示范作用,?而颠覆性创新的非连续性、突变性给中国车企带来巨大挑战.本文选择比亚迪、特斯拉与丰田3家具有代表性的新能源汽车(New?Energy?Vehicles,?NEV)企业作为分析对象,?从初始目标市场选择、技术路径、市场扩散路径以...     

基于精英保留策略与爆炸算子的改进遗传算法

针对标准遗传算法(standard genetic algorithm,SGA)应用于数值优化存在收敛缓慢、易陷入局部优解和精度低等问题,提出一种具有爆炸算子的改进遗传算法(FGA)。引入爆炸算子(fire algorithm,FA),通过局部最优解集爆炸产生新个体以弥补SGA算法寻优过程中种群多样性不足的缺陷, 从而提高算法在解析域的全局搜索能力;加入精英保留策略使每代中的最优个体都能得以保留,避免交叉和变异操作遗失全局最优解。为验证算法的优化性能,选用4个经典测试函数对SGA与FGA这2种算法的优化性能进行对比,算例结果表明,本文所提算法具有更好的全局搜索能力、收敛性能以及计算精度。     

改进遗传算法及其在倒立摆控制中应用研究

针对标准遗传算法寻优时存在的个体多样性不足、搜索速度迟缓、容易陷入局优的问题,使用自适应调整的交叉算子和变异算子对其进行改进,并利用改进的遗传算法对直线一级倒立摆模型实现稳定控制的关键参数进行寻优.在Python3.8软件上对寻优过程进行仿真,仿真结果表明,改进的遗传算法可以更好地平衡全局搜索和局部寻优能力,在实验中展现了良好的效果.     

结构优化设计的变长度染色体混沌遗传算法

为解决离散变量结构优化问题,将混沌搜索与遗传算法相结合,加速了收敛速度,同时变长度染色体中的拼接算子和截断算子能确保染色体的多样性,避免遗传算法陷入局部最优.算例表明:在计算量不大时可获得相当良好的全局性优化解.     

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.     

提高遗传算法计算速度的研究

在网络规划中, 由于遗传算法的引进, 提高了网络优化的准确度和工作效率, 但是计算速度慢是遗传算法存在的一个重大缺陷, 这直接影响算法的实际应用效果。实验表明, 影响遗传算法计算速度的因素主要集中在算法搜索空间的大小、进化过程中父代染色体的选择机制、交叉运算导致的局部优化积累以及进化过程中无效染色体的处理等几个方面。相应地采用问题空间的制约机制减少搜寻空间;采用动态阈值择优选择父代染色体;采用轮盘赌法进行选择, 并加入最优保留策略, 既维持种群的多样性, 打破局部优化积累, 又保证了最优个体直接进入下一代;采用修正策略处理无效染色体, 减少了循环次数, 同时增加样本多样性避免局部收敛, 提高了网络优化的效率。     

A New Genetic Algorithm Based on Niche Technique and Local Search Method

The genetic algorithm has been widely used in many fields as an easy robust global search and optimization method. In this paper, a new genetic algorithm based on niche technique and local search method is presented under the consideration of inadequacies of the simple genetic algorithm. In order to prove the adaptability and validity of the improved genetic algorithm, algorithm problems of multimodal functions with equal peaks, unequal peaks and complicated peak distribution are discussed. The simulation results show that compared to other niching methods, this improved genetic algorithm has obvious potential on many respects, such as convergence speed, solution accuracy, ability of global optimization, etc.     

运用变异算子随机搜索求解全局优化问题

通过改进遗传算法,提出一种求解全局优化问题的变异基随机搜索方法．该法以变异算子作为唯一的遗传算子,利用生物变异原理进行局部搜索,同时为使算法具有一定的全局搜索性能引入随机初始化技术．它具有较强的局部搜索能力,可在有限时间内取得较好解．仿真实验证明,本算法在求解全局优化问题上的有效性,并表明其局部收敛能力与求解结果均优于传统遗传算法．     

趋优算子和Levy Flight混合的粒子群优化算法

针对Levy Flight粒子群优化算法（LFPSO）普适性不强和搜索效率不高等问题,提出了一种改进的LFPSO算法（ILFPSO）,即趋优算子与Levy Flight混合的粒子群优化算法。首先,对Levy Flight进行改进,防止产生无效解,得到改进的Levy Flight;然后,将既有一定全局搜索能力又有较强局部搜索能力的趋优算子与改进的Levy Flight有机融合,以便更好地平衡算法的全局和局部搜索能力;最后,对速度边界动态调整,有利于搜索前期找到全局最优点和搜索后期找到局部最优解。28个benchmark函数优化仿真结果表明,与4种最先进的PSO改进算法LFPSO、ELPSO、SRPSO和RLPSO相比,ILFPSO更具有竞争性的优化性能、更好的普适性和更快的运行速度。     

一种基于折射反向学习机制与自适应控制因子的改进樽海鞘群算法

为克服基本樽海鞘群算法（SSA）存在的收敛速度慢、易陷入局部最优等不足,提出了一种基于折射反向学习和自适应控制因子的新型改进樽海鞘群算法（RCSSA）.首先,采用折射反向学习机制在每一次个体的求解中计算折射反向解,极大地提高了算法收敛精度和速度.然后,将原SSA算法中引导者的自适应控制因子引入跟随者的位置更新中,有效地控制整个搜索过程并增加了算法的局部开发能力.为验证所提RCSSA算法的优化性能,采用了7个单峰、16个多峰基准测试函数以及1个工程设计问题对其进行测试.试验中,先引入两种单策略改进的SSA算法来验证所提算法的有效性,再加入鲸鱼优化算法等5个先进的智能优化算法与之进行对比,进一步验证所提算法的优越性.研究结果表明:无论对于低维度还是高维度基准优化问题,所提算法都能有效地增强原SSA算法的开发和探索能力;并且RCSSA算法在整体优化性能方面要优于其他大多数群智能算法.