求解混合整数非线性规划问题的改进差分进化算法

针对混合整数非线性规划问题的特点,在差分进化算法的变异操作中加入取整运算,提出了一种适合于求解各种混合整数非线性规划问题的改进差分进化算法.同时,采用时变交叉概率因子的方法以提高算法的全局搜索能力和收敛速率.用四个典型测试函数进行了实验研究,实验结果表明,改进的差分进化算法用于求解混合整数非线性规划问题时收敛速度快,精度高,鲁棒性强.     

基于多变异个体的多目标差分进化改进算法

针对多目标差分进化算法在高维函数下收敛速度慢和易早熟的问题,提出一种基于多变异个体的多目标差分进化改进算法。通过在多目标差分进化算法的个体变异及交叉操作中,引入多个变异个体,使得在高维多目标函数情况下,多目标差分进化算法种群可以更好地保持多样性,减少种群陷入局部最优解的可能性,从而提高该算法在高维多目标优化问题环境下,最优值解的搜索速度及全局最优值解的查找能力。实验结果表明,在高维多目标环境下,与标准多目标差分进化算法相比,该算法可以更快速地找到多个目标函数组的非劣最优值解集。     

基于差分算法的反渗透海水淡化优化调度

以系统运行费用为目标的反渗透海水淡化优化调度是一类带有约束的非线性优化问题。针对这一问题,提出一种改进的差分进化算法。该算法对基本差分进化算法中的变异因子和交叉因子进行改进;定义约束违反度函数,将约束优化问题转化为无约束的优化问题。以24小时为一个周期,通过改进的差分进化算法对系统模型进行优化调度。仿真结果表明,改进的算法可以对机组进行优化操作,有效的降低了系统的生产成本。     

基于混沌和差分进化的混合粒子群优化算法

研究粒子群算法优化问题,由于标准粒子群优化算法(PSO)在高维复杂函数优化中易早收敛,影响全系统优化。为改进的混合粒子群优化算法,提出了一种基于混沌和差分进化的混合粒子群优化算法(CDEHPSO)。把基于Logistic映射的混沌序列引入到种群初始化操作中。在算法进化过程中,通过一种粒子早熟判断机制,在基本粒子群优化算法中引入了差分变异、交叉和选择操作,对早熟粒子个体进行差分进化操作,从而维持了种群的多样性并有效避免了算法陷入局部最优。仿真结果表明,相比于粒子群优化算法和差分进化算法(DE),CDEHPSO算法具有收敛速度快、搜索能力强的优点。     

基于耗散结构理论的差分进化算法*

差分进化算法是一种新的进化计算技术,为解决其早熟问题,提出了一种基于耗散结构理论的改进差分进化算法。在变异成功的个体数和交叉算子之间建立联系,使变异成功的个体影响交叉算子,提高全局收敛能力。仿真实验表明,通过对三个标准测试函数的测试,并与标准遗传算法和差分进化算法相比,所提出的改进差分进化算法是一种收敛速度快、求解精度高、鲁棒性较强的全局优化算法。     

基于改进差分进化算法的PID优化设计

提出一种基于改进差分进化算法的PID控制器参数优化方法.针对差分进化算法的优化性能受控制参数取值和差分进化类型的影响较大,算法容易早熟收敛的问题,提出改进差分进化算法.该算法在标准差分进化理论基础上对差分矢量的初始种群、缩放因子、交叉概率和差分进化模式进行优化,将缩放因子和交叉概率由固定数值设计为随机函数,随着搜索过程的进行,自适应选取差分进化模式,从而增强搜索能力.在PID参数的优化设计中通过仿真实验研究,表明采用新方法获得的PID控制器性能优于基于常规方法、遗传算法和基本差分进化算法设计的PID控制器.     

基于改进差分进化的Hammerstein系统辨识

Hammerstein系统是一类典型的块结构非线性系统,由非线性静态子系统和线性动态子系统构成,由于模型中含有未知非线性变量,传统辨识算法往往存在辨识精度不高、辨识效果差等问题。因此,基于启发式的智能优化算法受到了关注。差分进化(Differential Evolution, DE)算法是一种模拟自然界生物种群“适者生存”原则的智能算法,待定参数少,收敛速度快,但会陷入局部最优。针对这一局限性,提出一种改进差分进化算法来辨识Hammerstein受控自回归滑动平均模型。在基本差分进化算法的基础上改变了变异操作和交叉操作,加入自适应因子。推导了递推最小二乘算法来辨识Hammerstein系统,并将其与改进的差分进化算法进行比较。通过仿真例子测试算法性能,结果表明,相对于递推最小二乘算法、基本DE算法和粒子群算法,改进差分进化算法在精确度和收敛速度上更优。将改进DE算法用于连续搅拌反应釜的辨识,取得了较好的辨识效果。     

基于多代种群进化信息改进的差分进化算法研究

差分进化算法是进化算法中一种性能较为优良的全局数值优化算法,已在人工智能、信号处理等方面取得广泛应用,但当前研究往往仅考虑进化过程中某一代种群的分布信息,而忽略进化过程中多代种群累积的分布信息,造成信息利用不充分。借助自适应协方差矩阵进化策略的思想,充分利用进化过程中累积的种群分布信息,同时,由于自适应协方差矩阵存在收敛早熟、易陷入局部最优的缺点,先后对变异和交叉操作进行相应改进,以平衡算法的全局搜索能力和局部搜索能力。首先,根据种群中个体适应度值进行排序,由余弦函数改进的概率模型计算个体参与变异操作的概率,基向量和差分向量中末端向量根据概率值降序选择,差分向量中起始向量升序选择,从而提高种群的搜索范围;然后,对协方差矩阵进行特征分解,并在由特征向量构建的坐标系中执行交叉操作,该种方式生成的实验向量更接近全局最优解。针对上述改进操作,采用IEEE CEC2014作为评估函数,实验结果表明,相比现有的差分进化改进算法,本改进算法的实验性能提升更为明显。     

基于差分进化算法的飞行控制律评估

针对传统文化算法进化后期收敛速度慢和差分进化算法在进化过程中缺乏对知识有效利用的问题,提出一种新的文化差分进化算法.该算法以文化算法为框架,将差分进化算法的变异、交叉和选择作为种群空间的进化操作,并通过信念空间的知识指导种群进化.根据飞行品质规范选取迎角响应限制准则,以飞机模型ADMIRE为研究对象,利用该算法对存在不确定条件下的飞行控制律进行非线性评估,克服传统网格评估方法在工程应用中的不足.仿真结果表明,与改进差分进化算法相比,文化差分进化算法在全飞行包线范围内找出最坏的不确定参数组合,具有更高的可靠性和效率.     

基于差分进化算法的四旋翼PID参数优化设计北大核心

针对四旋翼无人机PID控制器参数人工整定困难且难以获得最优控制效果的问题,提出一种基于改进差分进化算法的四旋翼PID控制器参数优化方法。方法首先利用变异、交叉、选择等操作调整PID参数,得出最优的个体;然后引入定向搜索策略,在下次变异操作前,根据上次适应度值比较的结果,决定变异的方向,提高算法的精确度。将改进差分进化算法应用于四旋翼无人机仿真模型,其中串级PID控制器的参数作为差分进化种群进行迭代寻优。仿真结果表明,对比粒子群算法和传统差分进化算法,改进后的差分进化算法能够使控制器稳态误差更小、调节方法更快。     

求解0-1整数规划问题的混沌遗传算法*

针对一类特殊的0-1整数规划求解问题提出一种混沌遗传算法。该算法采用幂函数载波技术提高混沌搜索的充分性与遍历性,以混沌搜索算法得出的优化个体作为遗传算法的新群体进行交叉、变异等操作,提高种群质量,同时增加种群多样性,改善遗传算法的早熟问题。该算法被用于解决片上网络映射A3MAP(architecture-aware analytic mapping) 0-1整数规划问题。实验仿真证明,该算法的收敛速度和解的精度均优于A3MAP-GA。     

基于改进PSRS的并行0-1规划算法

结合0-1整数规划的隐式枚举法对目标排序法进行分析.引入PSRS(并行正则采样排序)算法对目标排序法的核心运算进行并行化,并改进PSRS算法的数据收集策略以适应0-1整数规划的并行隐式枚举.最后给出了基于改进的PSRS的并行0-1整数规划的求解算法,并对算法的时间复杂度进行了分析.     

改进差分进化算法求解整数任务分配

针对0-1任务规划模型存在维数灾维的问题,提出了一种基于改进差分进化算法的整数任务分配算法。将任务分配的0-1规划模型转化整数规划模型,不仅大幅降低了优化变量的维数,还减小了整式约束条件;将差分进化算法常用的变异算子DE/rand/1/bin和DE/best/2/bin结合起来组成新的变异算子,使得DE既保持了种群的多样性,又有较快的收敛速度和搜索精度,并用改进的差分进化算法求解整数规划;通过典型的任务分配实例验证了该算法在优化大规模任务分配的有效性和快速性。     

改进自适应差分进化算法求解大规模整数任务分配

针对0-1任务规划模型存在维数灾维的问题,提出一种基于改进自适应差分进化(SADE)算法的大规模整数任务分配算法。首先,将任务分配的0-1规划模型转化整数规划模型,不仅大幅减少了优化变量的维数,还减少了整式约束条件;然后,将常用的变异算子DE/rand/1/bin和DE/best/2/bin结合起来组成新的自适应变异算子,使得自适应差分进化算法既有较快的收敛速度,又降低了变异算子对具体问题的依赖;并用改进自适应差分进化算法求解整数规划。最后,通过典型的任务分配实例验证了算法在优化大规模任务分配的有效性和快速性。     

Approximation for knapsack problems with multiple constraints

1IntroductionTheknapsackproblemisawelLknowncombinatorialoptimizationproblemthatfindsapplicationstocapitalbudgeting,loadingproblems,solutionoflargeoptimizationproblems,andcomputersystems.Anextensiveliteratureexistsonapproximationalgorithmsforvariousformsofknapsackproblems['--'l.Inthispaper,westudytheapproximationforfourkindsofknapsackproblemswithmultipleconstraints:0/1MultipleConstraintKnapsackProblem(0/1MCKP),IntegerMultipleConstraintKnapsackProblem(IntegerMCKP),0/1k-ConstraintKnapsack…     

求解Web集群文档分布的混沌搜索算法

提出Web集群文档分布方案,用M/G/1/K PS排队模型对服务器进行建模,将文档分布问题转化为0-1整数规划问题,然后求解该规划问题。针对该类0-1整数规划问题,给出一种基于混沌搜索的求解算法,该算法让多个独立的混沌变量在其各自的轨道中搜索,使得对应生成的0-1矩阵能遍历任意一种可能的分布,从而能搜索到全局最优解。设计一种基于贪婪思想的文档分布算法。测试表明,混沌搜索算法能找到全局最优解,优于传统的贪婪算法。     

一个通用的混合非线性规划问题的演化算法

提出了一种新的求解非线性规划问题的演化算法，它是在郭涛算法的基础上提出的，新算法的主要特点是引入了变维子空间，加入了子空间搜索过程和规范化约束条件以及增加了处理带等式约束的实数规划，整数规划，0－1规划和混合整数规划问题的功能，使之成为一种求解非线性规划（NLP）问题的通用算法，数值实验表明，新算法不仅是一种通用的算法，而且与已有算法的计算结果相比，其解的精确度也最好。     

求不相交QoS路由的一种整数线性规划方法

提出求解不相交QoS路由问题的一种整数线性规划方法.首先,利用一个0-1变量集合来表示不相交路由和路由的QoS需求;然后,通过拉格朗日乘子将集合中的复杂约束引入所导出的整数线性规划问题的目标函数中.因为约束系数矩阵是全幺模矩阵,所以这类整数线性规划问题能用单纯形法容易地求解,从而可在求解线性规划问题的迭代过程中求出不相交QoS路由.数值实验结果表明了所提出方法的有效性.     

求解0-1整数规划的混合粒子群优化算法

经典的粒子群是一个有效的寻找连续函数极值的方法,结合遗传算法的思想提出的混合粒子群算法来解决0-1整数规划问题,经过比较测试,6种混合粒子群算法的效果都比较好,特别交叉策略A和变异策略C的混合粒子群算法是最好的且简单有效的算法.对于目前还没有好的解法的组合优化问题,很容易地修改此算法就可解决.     

基于多阶响应的航材仓库选址模型

根据航材物流多阶响应的时间约束和流量限制特点,建立了多物资0-1整数规划选址模型。提出了相应的过滤条件和启发式算法。模型同时考虑了选址的经济性。最后使用算例说明算法的有效性。