区间分割共轭梯度混沌优化算法及其应用

本文提出一种区间分割共轭梯度混沌优化算法(CSCGCOA)。新算法首先在全局搜索阶段采用混沌优化算法寻找一个次优解,寻优过程使用区间分割策略。进而以次优解为初值,局部搜索采用共轭梯度算法获得全局最优解。通过针对不同测试函数的仿真,并对比另外两个算法,结果表明新算法对初值不敏感,能有效得到全局最优解,同时具有很高的寻优速度。本文还将新算法应用于解决电力系统经济负荷分配问题,结果表明新算法是一种有效的高速算法。     

求解旅行商问题的自适应升温模拟退火算法

针对传统模拟退火算法在求解问题时容易陷入局部最优解的情况,本文通过设计一种自适应的升温控制因子,提出了一种求解旅行商问题(TSP)的自适应升温模拟退火算法,有效地控制局部寻优达到全局寻优能力,并证明了改进的自适应模拟退火算法收敛性.通过TSPLIB数据库对改进算法全局寻优效果的测试,结果表明改进后的算法具有全局寻优能力...     

基于子区域的粒子群优化算法研究

针对粒子群优化(PSO)算法在寻优时容易陷入局部最优的不足,提出一种基于子区域的PSO算法。将搜索空间划分成若干个子区域,在各个子区域中均使用标准PSO算法进行寻优,通过比较各个子区域的全局最优解,从而得出整个搜索空间的全局最优。与标准PSO算法及自适应变异PSO算法的比较结果表明,该算法能降低在寻优过程中陷入局部最优的概率,具有较强的寻优能力。     

基于协同自适应禁忌的多时窗VRP算法实现

针对多时窗VRP,提出了一种对其进行求解的协同禁忌优化算法。首先定义了多时窗VRP的数学模型,通过C-W算法求初始解,采用四种算子进行邻域搜索,定义目标函数衡量候选解好坏;设计了自适应地修改禁忌长度的方法和多个子禁忌算法进行协同寻优的算法;将协同寻优获得的最好最优解作为主禁忌算法初始解进行全局寻优。仿真实验证明,该方法能有效地解决多时间窗的VRP,且与其他方法相比,以较少的迭代次数获得了全局最优解为386.38,具有较大的优越性。     

吸引子权重改变内嵌区域震荡搜索粒子群算法

针对粒子群算法搜索精度不高、搜索最优解较慢的问题,提出了一种改进的粒子群算法。该算法通过调整全局最优解和个体最优解,形成一个新的全局吸引子解指导粒子收敛,优化种群粒子来搜索解空间的最优值。再将优化方案融入到内嵌区域震荡搜索的粒子群算法（RSPSO）中,仿真结果表明,改进的粒子群算法在寻优能力及搜索精度方面都得到了进一步的提高。     

基于梯度蜂群混合算法的电力系统最优潮流计算

针对电力系统最优潮流计算的问题提出一种基于梯度蜂群混合算法GABC.利用梯度算法的快速寻优特性得到某一局部极值,然后采用蜂群算法的全局寻优能力跳出该局部极值,并经过反复交替迭代最终找到问题的最优解.通过对IEEE5节点系统的计算结果表明改进后的人工蜂群算法可较好的处理最优潮流约束条件,有效提高基本蜂群算法的全局寻优能力...     

融合柯西变异和反向学习的改进麻雀算法

针对基本麻雀搜索算法在迭代后期种群多样性减小,容易陷入局部极值的问题,提出一种融合柯西变异和反向学习的改进麻雀算法(ISSA).首先,采用一种映射折叠次数无限的Sin混沌初始化种群,为全局寻优奠定基础;其次,在发现者位置更新方式中引入上一代全局最优解,提高全局搜索的充分性,同时加入自适应权重,协调局部挖掘和全局探索的能力,并加快收敛速度;然后,融合柯西变异算子和反向学习策略,在最优解位置进行扰动变异,产生新解,增强算法跃出局部空间的能力;最后,与3种基本算法和2种改进的麻雀算法进行对比,对8个基准测试函数进行仿真实验以及Wilcoxon秩和检验,评估ISSA的寻优性能,并对ISSA进行时间复杂度分析.结果表明ISSA与其余5种算法相比,收敛速度更快,精度更高,全局寻优能力得到较大提升.     

基于遗传交叉改进粒子群算法的充电站布局

为了合理地规划城市电动汽车充电站布局,采用一种基于遗传交叉改进粒子群算法的寻优处理方案。在传统粒子群算法的基础上,引入局部极值对速度更新公式进行优化,采用自适应惯性权重,并且对当前种群的最优解和每个粒子最优解进行交叉操作产生新解。最后通过改进后算法对城市算例进行求解。结果验证了模型的有效性和准确性,表明改进算法在保持全局最优解的同时能提高70%收敛速度,有效降低总成本、提高便利性。     

反向自适应高斯变异的人工鱼群算法

针对人工鱼群算法存在易陷入局部最优、鲁棒性差以及寻优精度低的问题,提出了反向自适应高斯变异的人工鱼群算法。改进后的算法引入了反向解,根据反向解调整人工鱼的移动方向以及位置,从而提供更多的机会发掘潜在的较优空间,使人工鱼群快速跳出局部最优,从全局角度提升算法的搜索性能。同时提出了一种非线性自适应视野步长策略,更好地平衡了全局搜索与局部搜索之间的关系。为了增加鱼群的多样性,降低人工鱼陷入早熟的可能性,提出了一种最优解引导的高斯变异机制。仿真实验结果表明,该算法能有效地提高人工鱼群的寻优精度、寻优质量及鲁棒性,并且避免了人工鱼群过早收敛。     

自适应变异蝴蝶优化算法

针对基本蝴蝶优化算法存在的收敛速度慢、求解精度低和易陷入局部最优等问题，提出一种自适应变异蝴蝶优化算法。首先，利用改进帐篷映射结合重心反向学习初始化种群，获得更好的初始解；其次，在位置更新处引入非线性惯性权重，平衡算法的全局搜索与局部搜索能力；最后，在算法运行过程中，根据群体适应度方差以及当前最优解大小来决定是否对当前最优解和最差解进行高斯变异二次寻优，增强算法跳出局部最优的能力。对12个基准测试函数的多种维度仿真实验结果表明，该算法在收敛速度、求解精度和寻优稳定性方面明显优于其他对比算法。     

基于遗传算法的计算机通信网的拓扑优化设计

1 引言设计计算机通信网的一个基本要求是网络全局有效性,即连通概率。从网络角度,连通概率指的是网络至少简单连通。其除依赖于各计算机系统和通信能力外,主要依赖于通信链路的拓扑设计。对一个给定计算机通信网的最大全局可靠性的网络拓扑优化设计,人们已提出许多启发式算法,但这些算法并未给出精确解。本文采用遗传算法进行设计,成功地解决了这类问题。     

改进的模糊聚类算法在入侵检测中的研究

模糊C均值聚类算法存在自身对初始化值敏感,及其目标函数是非凸的,容易陷入局部极值点而得不到最优解的问题。结合粒子群优化算法的全局快速搜索能力,改进了目标函数,提出了改进的模糊C均值聚类算法。通过理论分析及实验证明,该算法具有较好的全局最优解,有效地克服了传统模糊C聚类算法的缺点,在入侵检测中能获得满意的检测率和误报率。     

面向智慧小镇建设的机房电气管线多目标优化布置方法

常规的管线布置优化方法难以在优化过程中得到全局搜索的最优解,导致安全性能无法得到保障,因此面向智慧小镇建设设计一个新的机房电气管线多目标优化布置方法。设置电气管线约束条件,将电压均值、单位时间内电流量、电气管线损耗恢复能力作为目标函数。优化管线布置全局搜索,使用交叉操作的方式不断得到更优解。建立多目标优化电气管线模型,得到电气管线多目标优化的数学模型。通过实验数据可知,该管线布置方法在算法测试中优于常规的3种算法,且在安全性能的检测中只与标准最优值相差6.22×10⁴,3个常规方法与标准最优值的差距为6.813×10⁴、7.6×10⁴、8.32×10⁴,因此可知该多目标优化的管线布置方法可以得到更优解。     

基于遗传算法的Peer to Peer路由算法R GA*

路由算法是制约PeertoPeer 系统整体性能的关键因素之一。目前大多数路由算法无法保证全局收敛,而链路延迟、费用、网络带宽等现实制约因素往往在选路时被忽略。针对上述问题,提出了基于遗传算法的RGA路由算法。通过适度函数和遗传因子,RGA可以快速地实现全局收敛。同时将链路的延迟、费用、带宽等参数插入到适度函数中, 避免了盲目路由。仿真试验的结果表明,RGA路由算法在大规模PeertoPeer系统中是高效和可扩展的。     

二阶智能体的分布式非光滑资源分配算法

分布式资源分配问题旨在满足局部约束下完成一定量资源分配的同时使全局成本函数最小.首先,针对无向连通网络下二阶积分器型线性智能体系统,结合Karush-Kuhn-Tucker条件,提出一种初始值任意的分布式优化算法,其中,全局等式约束对偶变量实现比例积分控制,局部凸函数不等式约束对偶变量实现自动获取.当全局成本函数为非光滑凸函数时,借助集值LaSalle不变性原理理论证明所提出算法渐近收敛到全局最优解.其次,将所提出算法推广至无向连通网络下参数未知的Euler-Lagrange多智能体系统.当全局成本函数为非光滑凸函数时,借助Barbalat引理理论证明所提出算法渐近收敛到全局最优解.最后,通过数值仿真验证了所提算法的有效性.     

一种基于混沌寻优神经网络模型的语音识别矢量量化算法

矢量量化在语音识别中占有重要的地位,传统的LBG算法虽然收敛速度快,但极易陷入局部最优点。论文利用混沌运动固有的随机性与轨道遍历性等优良性质,提出了一种基于混沌寻优的Hopfield神经网络模型,并将其运用于语音识别中的矢量量化。该算法不仅收敛速度快,而且能够获得全局最优解,且初始解对算法的影响很小。实验结果表明该算法综合性能指标优于传统算法,具有较高的应用价值。     

基于改进混沌搜索算法的机器人轨迹规划

在考虑机器人关节约束的影响下,为得到工业机器人的时间最优轨迹,提出了一种适用于多极值函数优化问题的混合算法。首先基于混沌搜索算法定位最优解的邻域,继而使用遗传算法在此邻域内寻找最优解。在MATLAB平台上,对该混合算法进行编程并仿真轨迹,并与传统遗传算法的结果进行比较,结果表明使用混合算法得到的总时间为25.449 s,明显少于对照组的39.534 s,证实了该混合算法具有较好的全局搜索性能。     

基于IA-BP优化算法的物料含水率测量技术

为了对微波谐振腔含水率测量结果进行校正，提出一种基于IA-BP优化算法的进化神经网络模型。模型首先利用IA算法，对解群分布多样性的特性进行全局搜索；同时结合BP算法中基于梯度信息指导权值调整的性能，进行局部搜索，进而避免在最优解或次优解附近震荡，并迅速收敛到最优值。结果表明：该优化算法预测精度高，且收敛速度快，具有寻优的全局性和精确性，提高了测量精度。     

融合遗传蚁群算法的Web 服务组合研究

为了提高Web服务组合流程中服务选择技术的收敛性能,提出了一种基于遗传算法与蚁群算法相融合的多目标优化策略,用于解决基于QoS的Web服务组合问题。本文首先将Web服务组合的全局最优化问题转化为寻求一条QoS最优解的路径问题,并通过改进遗传算法得到蚁群算法中初始路径的信息素分布,再通过改进蚁群算法来求得最优解。仿真实验结果表明,该改进算法能在较少的进化代数下得到最优路径,提高了Web服务组合的快速全局搜索能力。     

多回路系统诊断策略改进研究

针对贪婪式中断评估函数所确定的系统中断位置为局部最优解的问题,提出了新的中断评估函数,该评估函数从全局优化的角度分析中断问题,通过考虑中断对整个诊断过程的信息景和费用带来的影响,能够获得更优的中断位置,并基于此中断评估函数对多回路系统诊断策略的优化算法进行了改进,给出了算法实现的主要步骤;通过仿真实例证明了该方法对多回路系统诊断策略优化的有效性.