自适应差异演化算法及其应用

差异演化(Differential Evolution,DE)算法是一种基于群体差异的演化算法,具有良好的优化性能,但是对于高维复杂函数,DE算法易早熟收敛。为此,在对DE算法参数分析的基础上,提出自适应缩放因子及自适应交叉率两个概念,进而提出一种自适应差异演化(Adaptive Differential Evolution,ADE)算法。利用群体差异度对DE算法进行分期,一方面使缩放因子在前期较大,在进化的中期先变小,后增大,在进化的后期,缩放因子较小;另一方面使DE算法的交叉率在前期较小,中期在一定范围内随机取值,进化后期较大。仿真实验结果与工程应用实例表明,ADE算法在收敛速度和全局搜索能力方面得到了较好的平衡,不仅保证了ADE算法的收敛速度,而且具有较好的全局搜索能力。     

简单差异演化算法及其在装配公差优化中的应用

差异演化算法是一种基于群体差异的演化算法,具有良好的优化性能,但是对于高维复杂函数,算法易早熟收敛.为此,在对算法参数以及关键算子分析的基础上,提出了自适应缩放因子及突变因子两个概念,进而提出了简单差异演化算法(A Simple Differential Evolution Algorithm)SDE.首先将缩放因子按照进化代数进行递减,一方面为了减少用户参与程度,另一方面为了平衡算法的收敛速度与全局搜索能力;其次在研究交叉算子的基础上,引入了灾变因子,使群体中的部分个体在进化过程中不进行交叉操作,而直接与父代个体进行竞争,简化了差异演化算法的步骤.仿真实验结果与工程应用实例表明,SDE算法在收敛速度和全局搜索能力方面得到了较好的平衡,不仅保证了算法的收敛速度,而且具有较好的全局搜索能力.     

混合离散变量优化的精英多父体杂交算法

提出了一种有效求解约束函数优化问题的新型演化算法,该方法能合理地处理优化设计中混合离散变量的取值问题。该方法是在郭涛算法的基础上,通过构造动罚函数,引入精英保存策略,增加父体选择压力加速算法收敛,构造了精英多父体杂交优化算法,开发了混合离散变量优化的精英多父体杂交优化算法程序DEMPCOA1.0。机械优化设计实例表明,该算法对优化设计问题的特性无特殊要求,具有较好的适应性,而且程序运行可靠,全局收敛能力强。     

基于混合非线性规划的混合式齿轮减速器离散优化设计

以工程实例(弧齿锥齿轮-斜齿圆柱齿轮三级减速器)为研究对象,构建混合式齿轮减速器优化模型,该模型中含有离散型变量(模数)、整型变量(齿数)和连续型变量(齿宽、螺旋角等),是一种复杂的混合非线性规划问题。在优化求解中,提出了一种新的优化求解算法,该算法实现了模数、齿数等变量的离散取值,弥补了以往优化设计中将离散变量作为连续变量求解的不足。优化结果表明:优化方案符合工程设计的需要,并在减小减速器体积、节省材料等方面具有显著的现实意义。该离散优化算法在上海振华港机的齿轮箱设计中得到成功应用,并作为相关设计的重要参考资料。     

基于蚂蚁算法的混合离散变量机械优化设计方法

引入蚁群更新、沿途搜索等策略对蚂蚁算法进行了改进。为了求解混合离散变量优化设计问题，在搜索过程中对设计变量进行工程化处理，蚂蚁按处理后的变量进行离散搜索。采用MATLAB语言设计了蚂蚁算法程序，通过典型优化设计问题进行了验证，并给出了混合离散变量机械优化设计实例。实例表明，改进后的蚂蚁算法全局收敛能力强，程序运行可靠。     

具有无穷罚因子的混合离散变量优化方法

提出一种用于求解带不等式的约束非线性最优化问题的方法。该方法采用广义目标函数，是对外点罚函数法的改进。它在一次无约束最优化中就等价于将惩罚因子趋于无穷大。     

多种群协作差异演化算法及其应用

针对差异演化算法在求解高维、多峰问题时易陷入局部最优解发生"早熟"的缺陷,提出多种群协作差异演化算法。该算法将种群划分为多个子种群并设置一个精英群,精英群由子种群的最优个体产生,并与群体最优解进行竞争,子种群的最优个体只与精英群个体竞争而不与群体最优解竞争。构建了两种不同邻域结构的多种群协作差异演化算法,仿真结果及工程应用实例表明了算法的有效性。     

自适应混合细分算法研究

提出一种适用于三角形和四边形组成的混合网格的自适应细分算法 ,该自适应细分过程通过二面角的阀值来控制 ,在拓扑分裂时将自适应细分与混合细分有效结合。实例表明 ,该算法运算效率高 ,在细分过程中能够大幅度地控制网格的增长 ,获得效果良好的曲面     

改进差异演化算法在机械优化设计中的应用

将差异演化算法应用于机械优化设计问题,具体分析了差异演化算法的基本原理和步骤.同时,为进一步提高该算法求解效率,提出双优变异和混沌迁徙操作,最后通过两个机械优化设计实例进行仿真试验,结果表明该求解方法收敛速度快、稳健性强.     

基于非线性规划的干涉检测与间隙优化算法

为应对现代工业产品功能集成化程度日益提高对产品装配设计的间隙控制提出的更高要求，针对虚拟装配中的间隙控制问题，基于非线性规划理论，采用干涉距离算法，通过自动调整得到产品零件在有限空间里的位置，获得了二维平面内既满足间隙要求又使得零件布局紧凑的优化结果，大大提高了装配设计的效率。     

基于非线性规划的间歇反应过程动态优化算法

采用对数障碍法和外点法将实际间歇反应过程中的约束条件转化为惩罚项生成新的目标函数,将有约束优化问题转化为无约束优化问题;采用非线性规划算法中的操作变量参数化方法,将操作变量的最优解转化为操作变量子函数的线性组合,将无限维最优解问题转化为有限维权值向量的最优估计问题;同时应用Lyapunov理论设计一种动态迭代优化算法,重点讨论了采样时间的取值对优化算法收敛性的影响.最终用于解决靛蓝生产中碱熔间歇反应过程中过程参数的最优分布,从而提高目标产物的最终收率和降低生产成本等.通过碱熔间歇反应动态优化问题作为实例进行仿真试验,实验结果表明所述算法的有效性和可靠性.     

基于混合差分进化算法的作业车间动态调度

针对动态多变环境下的作业车间调度问题,在基于周期和事件驱动的滚动窗口再调度策略基础上,采用冻结时段思想,同时又允许再调度在冻结时段内的资源上的闲置时段安排任务,并由此建立了机器存在不可用时段约束的动态调度模型。借鉴量子进化算法中量子旋转门更新量子位的方法,设计了三段式交叉操作,并在算法框架中嵌入了局部搜索操作,提出了混合差分进化算法作为再调度的优化方法。通过算法性能与作业车间动态调度实验,验证了所提动态调度方法的有效性。     

函数发生机构优化综合的改进差分进化算法

标准差分(SDE)算法具有算法简单、控制参数少、易于实现等优点,但容易发生早熟收敛。针对此缺点,提出一种改进的差分进化(IDE)算法。建立了铰链四杆函数发生机构近似运动综合的无约束优化模型,并应用IDE算法求解该优化问题。数值实例表明,IDE算法可以较好地克服早熟收敛问题,且能快速求出铰链四杆函数发生机构近似运动综合的优化解。     

虚拟力导向差分算法的异构移动传感网络覆盖策略

根据目标进化算法思想,结合虚拟力算法和差分算法,提出一种解决异构移动无线传感网络覆盖的虚拟力导向差分优化算法.该算法以网络的有效覆盖率为优化目标,通过异构节点间的虚拟力影响差分算法的位置向量更新过程,指导种群进化,提高算法收敛速度.仿真结果表明,虚拟力导向差分优化算法能高效地实现异构移动无线传感节点布局优化.与差分算法和虚拟力算法相比,虚拟力导向差分优化算法不仅网络有效覆盖率高,且收敛快,用时少.     

基于GIS及改进微分进化算法的变电站选址研究

针对变电站选址的优化问题,对以往变电站寻址的方法、过程进行了总结,提出了一种以地理信息系统(GIS)为基础,将改进后的微分进化算法引入到变电站的选址中去。将投资费用与年运行费用的最小值作为目标函数,通过利用改进后的微分进化算法确定了变电站的位置和容量。基于模糊评判理论,对变电站选址中涉及到的地理信息因素进行了处理,形成了变电站选址适用地块图层。研究结果表明,改进微分进化算法在迭代过程中,可以有效提高搜索效率,并结合适用地块产生个体的新位置,使个体落在可建区域内,这样既能保证最优解在可建区域内,又能使站址满足经济、地理等方面的科学性与实用性要求,进而获取更为合理的变电站优化选址。     

基于混合差分进化的混排Flow-shop分批优化调度

考虑到实际环境中的订单批量性,研究Flow-shop制造过程分批优化调度.针对制造过程中不同产品所含批量之间允许交叉生产的情况,考虑传输批量大小约束,建立了问题模型.基于分批生产策略设计了一种混合差分进化算法来优化确定批量划分和排序优化.该算法采用两级染色体编码,对划分染色体和排序染色体分别采用前面所设计的进化过程.为了进一步缩短完工时间,在算法解码过程中基于分批传输策略进行二次划分,得到小传输子批.通过实验仿真对所提方法进行比较分析,验证了所设计划分方法的有效性以及算法的优化性能.     

修正的差分进化算法在系统可靠性中的应用

提出了一种修正的差分进化算法(MDE)以解决4种系统可靠性问题,它们分别为串联系统、复杂(桥)系统、串并联系统和超速保护系统.MDE算法对DE算法的变异操作进行了一种有效的改进,使得所有解向量以递增的概率朝全局最优解方向移动.另外,罚函数法被用来处理目标函数值和资源约束之间的关系.相应地,通过结合MDE算法和罚函数法以获得令人满意的可行解.实验结果表明,MDE算法所获得的4种系统的可靠性都要好于文献中所报道的结果,分别为0.931 682、0.999 889 63、0.999 976 65和0.999 955.     

ESD模型参数识别的差分进化方法

提出了一种以差分进化算法对静电放电模型进行参数辨识的新方法。以基于Heidler雷电流方程的静电放电模型参数为辨识对象,分别以仿真和实验数据验证了该方法的可行性,并从电流波形整体和局部两方面对拟合效果进行了评估。结果表明,与遗传算法相比,差分进化算法的执行速度更快,所得的辨识参数精度更高,对电流波形的整体和局部关键点的拟合度均高于遗传算法。因此,差分进化算法比遗传算法更适用于解决静电放电模型参数辨识问题。从实例可以看出,差分进化算法不需要过多的初始参数值先验知识,而只需提供一个较宽的初始参数搜索范围即可获得良好的辨识结果。此外,本文还以差分进化算法对Bruce-Golden和Gaussian函数静电放电模型进行参数辨识,验证了该方法的适用性。