连续函数寻优的改进量子扩展蚁群算法

针对扩展蚁群算法收敛慢,且容易陷入局部最优的缺点对扩展蚁群算法提出改进策略.引入量子比特表示蚂蚁位置以增加解的多样性;采用量子非门实现蚂蚁位置的变异以避免蚂蚁陷入局部最优;引入量子旋转门和高斯核概率密度函数结合更新蚂蚁携带的量子比特,利于在连续空间寻优;根据解的重要性改进解存储器中每个解的权值以提高解的方向性,快速获得最优解.通过对多个二维和多维连续函数的对比仿真实验验证了算法的有效性.     

用改进蚁群算法求解多目标优化问题

蚁群算法是一种崭新的仿生模拟进化算法,该算法在许多领域已经得到应用。多目标优化问题是一类很重要的优化问题,优化与求解较难。对此,提出了一种改进蚁群算法用于求解多目标优化问题,得到一组变量的权重后,用一定数量的蚂蚁在解空间中首先随机搜索,然后模拟蚂蚁寻食的方式,通过信息素来指引搜索。给出了具体的算法,示例仿真说明了其有效性,并表明该算法可以快速发现多个全局最优解。     

带运力限制车辆路径问题的简易蚁群算法实现

以求解旅行商问题的蚁群算法为基础,根据带运力限制车辆路径问题的实际应用条件,提出一种较为简易的求解带运力限制车辆路径问题的蚁群算法,并对其中的信息素更新策略进行了分析,对蚁群中的精英蚂蚁(搜索出最优解的蚂蚁个体)所经过路径的信息素进行加强,提高了算法的全局收敛性能和收敛速度,允许蚂蚁在搜索的最初阶段有较大的自由以扩大最优解的寻找空间,提出改进蚁群算法.实验结果表明,该方法能在较短的时间内达到已知最优解的1.5%误差范围.     

结合黏菌觅食行为的改进多元宇宙算法

为提高多元宇宙优化算法求解实际问题的能力,提出了一种黏菌觅食的多元宇宙优化算法.该算法利用黏菌觅食行为在局部最优和全局最优之间寻求最优解.通过与其他10种同类算法在12个函数上的测试比较表明:本文算法收敛速度及解的质量优于其他算法,具有更好的求解能力和优化性能,可作为问题优化的有效工具.     

基于动态聚类混合拓扑结构粒子群算法的PDVRPTF

经典物流配送模型的目标、约束条件不够全面,在实际应用中存在一定缺陷,对此,构建了时间窗和油耗取送一体化的物流配送路径优化模型（PDVRPTF）.设计了一种基于k-medoids动态聚类混合拓扑结构粒子群算法,解决了经典粒子群算法在求解此类模型时容易陷入局部最优解的问题.仿真结果表明,改进型粒子群算法能很好地跳出局部最优解,并快速收敛于全局最优解,且该算法可有效求解物流配送路径优化的问题.     

基于香味素诱导及道路分级的OPP问题的蚁群算法

为解决传统蚁群算法在求解最优路径问题(optimal path problems,OPP)时,搜索效率不高、最优解质量偏低的问题,提出了一种基于香味素诱导和道路分级的蚁群算法.该算法首先通过模拟食物源(目的地点)散发出的一种吸引蚂蚁不断向其靠近的香味素,使蚂蚁的搜索具有指向性;然后根据拥堵系数将路网中的道路分为不同的等级,并结合动态的分级策略防止算法陷入早熟.实验结果表明:本文算法比传统蚁群算法在最优解的质量及稳定性方面具有一定的优势.     

基于自适应蚁群算法的模糊聚类算法

将自适应蚁群优化算法与FCM(Fuzzy C-Means)算法相结合,提出了一种模糊聚类分析的新算法.该算法通过把FCM算法中的目标函数降维,将其转化为自适应蚁群优化算法中的优化函数,通过对各个节点的路径连接数的衡量,根据蚂蚁在搜索过程中所得解的分布状况,动态调节蚂蚁的路径选择和信息量更新,从而得到目标函数的最优解.结果表明,该方法比FCM算法具有更好的收敛效果和更高的聚类准确率.     

带Levy变异的约束优化PS0算法

提出了一种解约束优化问题的新PSO算法(LCPSO).该方法引入了Levy变异策略,使算法LCPSO能有效克服标准.PSO算法易陷入局部最优的缺陷.为更好求解约束边界附近的全局最优解,算法在选择下一代个体时保持群体中不可行解的一定比例,这样,不但能有效增加群体的多样性,而且避免了传统的过度惩罚,使群体向最优解更好、更快的逼近.数值试验表明该算法对约束优化问题求解是非常有效的.     

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.     

在多约束非线性优化问题上蚂蚁与遗传算法融合方法的研究

蚂蚁算法是通过信息素的累积和更新收敛于最优解上．针对初期信息素匮乏、求解速度慢的问题,将蚂蚁算法与遗传算法融合,采用遗传算法生成初始信息素分布,利用蚂蚁算法求精确解．该方法能有效地求得全局极小点或近似全局极小点．     

一种新的最短路径算法

定义了有向图的代价邻接矩阵和最短路径矩阵,给出了称为"乘位加比小"的一种代价邻接矩阵间的新运算。基于该矩阵运算,证明了一种称为"代价邻接矩阵乘位加比小算法"新的最短路径算法。其结果可实现有向图全局最短寻径,并且对于任意类型的有向图,总是可准确求得其最短路径。E.W.Dijkstra提出的标号法是一种公认的求最短路径的较好算法,但在某些情况下寻径结果并非最优,文中提出的新算法克服了其缺点。     

基于联赛评价和知识提取的交互式遗传算法

交互式遗传算法基于用户评价获得进化个体适应值,是解决性能指标难以(无法)显式描述的复杂优化问题的有效方法.为有效解决交互式遗传算法的用户疲劳问题,提高算法的整体性能,提出了一种基于有向图提取进化知识的高性能交互式遗传算法.首先,基于进化种群构造联赛评价对,并确定进化个体的占优关系;然后,建立有向图,利用有向图节点的出度和入度计算进化个体适应值,并确定优势个体和建筑块;最后,基于建筑块生成新个体,参与种群后续进化.在服装进化设计系统中的应用结果表明,本文算法可有效减轻用户疲劳,提高算法的搜索能力.     

DAG任务模型的粒子群优化调度算法

在并行多处理器系统中,通常用有向无环图(DAG)表示任务之间的依赖关系.为了提高该任务模型调度算法的性能,基于粒子群优化算法,提出一种新的调度算法.算法将任务高度和粒子位置作为任务优先级,使用表调度策略生成有效的调度方案,在满足任务间依赖关系的条件下,使所有任务的完成时间最小.仿真实验结果表明,与遗传算法相比,所提出的算法提高了解的质量和收敛速度,特别适合于规模较大的多处理器任务调度.     

基于概率图模型优化的图像融合

针对图像融合问题的马尔可夫随机场模型,应用图割算法优化求解其等价的能量函数,不仅可以获得融合问题的全局最优解,而且计算速度相对于模拟退火算法求解图像融合问题的能量函数有显著的提高,仿真结果表明该算法是可行和高效的.     

工期约束下加工型产品准确率串归约算法研究

完工时间和准确率是生产调度的两个重要属性,然而单属性优化算法只能完成单个属性的优化,无法动态平衡这些属性。针对此问题,提出了基于有向无环图的串归约优化算法。算法通过约束每个任务的活动区间并采用逆向迭代进行归约,达到每层选择最优服务的目的,从而实现了这两个属性的优化。实验表明,该算法可准确地得到一条完工时间和准确率相互平衡的优化路径,但其优化效率受限于完工截止期和任务数。最后,研究结论对生产调度多属性的优化提供了一定的参考。     

度约束最小生成树的元胞竞争决策算法

度约束最小生成树（Degree-Constrained Minimum Spanning Tree,简记DCMST）是网络设计和优化中的一个经典的组合优化难题。竞争决策算法是一种特别适合于求解组合优化难题的新型算法。为了提高求解DCMST问题的求解精度,将元胞自动机的邻居演化原理和竞争决策算法相结合——元胞竞争决策算法来求解DCMST;为了提高算法的效率,分析了度约束最小生成树问题的数学性质并利用这些性质对问题实现降阶。降阶过程会有效降低问题处理的规模。为了验证算法的性能,采用Delphi 7.0实现算法,经过数据测试和验证,并与其他算法的结果进行比较,证明了算法的有效性。     

基于N 条最短路径的成品油管道优化设计

采用了赋权有向图来表示成品油管道工艺方案优化设计问题,若干个泵站位置候选点对应图的顶 点,两顶点间管段的总费用现值对应弧的权值,通过循环调用Dijkstra算法,求解出了前N 条最短路径作为最优和 次优方案,以备多方案比选。该方法既兼顾了工程实际的要求,又可以给出最优、次优工艺方案。实际算例表明该 方法切实可行。所提出的方法可以推广应用到其它油气管道工艺方案优化设计或其它工程应用。     

开沟布线问题的模型及算法研究

开沟布线问题定义为由最短路径树和最小生成树这两个问题组合而成的组合优化问题,是一个新提出的、易于描述的却难于处理的NP完全问题.该文将图论、组合优化以及CNRP等技术相结合来对开沟布线问题进行了探索和研究,在指定一些约束的基础上建立的的数学模型较准确的描述了开沟布线问题的实质.给出了求解该问题的最直观简单的方法SP-MST求解法.并引入邻域搜索策略,在CTPHERUR1算法的基础上,提出了基于2-交换邻域搜索的改进算法,实验表明,该算法得到的近似解更接近最优解.     

Dynamical economic dispatch using distributed barrier function-based optimization algorithm

In this paper, we study the distributed economic dispatch problem where the supply demand balance, capacity constraints and ramp-rate constraints are considered. In order to accommodate varying power load and power storage in reality, we introduce two variables where each variable is time-varing and has its own dynamics. The renewable power is also considered. Barrier functions are introduced to deal with the local constraints by means of imposing penalty terms into the objective function to ensure that the optimal solution satisfies the corresponding constraints. Based on the Langrange dual theory, the primal optimization problem is transformed into the dual problem, which is solved by the primary-dual algorithm proposed in this paper. Under the assumption that the communication graph is an undirected and connected graph, we analyze the convergence of the proposed algorithm. The simulations on IEEE six-bus test systems are carried out to verify the performance of the algorithm, which shows that the proposed algorithm converges to the optimal solution, while all the constraints are met.     

两通道正交图滤波器组设计新算法

针对两通道正交图滤波器组频率特性差的问题,提出了一种基于二阶泰勒近似的迭代算法．首先,该算法将两通道正交图滤波器组的设计问题归结为一个带约束优化问题．将图滤波器组的重构误差作为目标函数, 滤波器的阻带衰减作为约束函数;然后,通过泰勒近似将高度非线性非凸的目标函数转化为关于增量的凸的二次函数,将非凸优化问题近似为凸的优化问题;最后,采用迭代方法求解该优化问题．仿真结果表明,与伯恩斯坦多项式逼近的算法相比,新算法设计的两通道正交图滤波器组重构误差减小了约1个数量级,信噪比提高了约8dB．