动态格点搜索的改进算法用于团簇结构快速优化

结合高效的动态格点搜索(DLS)算法与扰动操作(Perturbation Operation)提出一种新的改进方法(DLS-PO),用于确定团簇的最低能量结构。针对一个特定构型,DLS算法总能给出其对应搜索空间的最规则结构。然而,一次失败的DLS优化将消耗大量的运算资源。为此,采取原子移动和结构旋转的扰动操作成功地改变了构型,再结合后续的DLS操作,提高了优化效率。将该算法用于原子数高达309的Lennard-Jones团簇及100原子NP-B函数铝团簇的结构优化。优化结果显示相比于DLS算法,DLS-PO算法更为高效。     

Gupta与Sutton-Chen势函数的金团簇稳定结构

纳米金团簇的尺寸与稳定结构是决定其独特催化活性的重要因素。采用由实验数据拟合的Gupta势函数及由密度泛函计算结果拟合参数的Sutton-Chen势函数来描述金团簇中金原子间相互作用。结合动态格点搜索算法(DLS)和自适应免疫优化算法(AIOA)2种高效优化算法(称之为AIOA-DLS算法),优化At_(38-90)团簇的最稳定结构。基于优化结果分析了其拓扑结构、生长规律及势能量的变化规律,并通过分析势能量二阶有限差分比较了2种势函数的差异性。     

杂合型全局优化法优化Sr2+(H2O)n团簇

以半经验的势能函数描述H_2O-H_2O之间和Sr~(2 )-H_2O间的相互作用,采用杂合型全局优化法(fast hybrid global optimiza- tion algorithm,FHGOA)搜索Sr~(2 )(H_2O)_n(n=1-30)团簇的最优结构。结果表明：当n=1-8时,团簇为n_1 0结构,其中,在n_1=5-7时,优化出的团簇结构与实验结果相吻合;当n=9-19时,团簇结构为8 n_2结构;当n=20-30,团簇结构为9 n_2结构。根据实验结果推断：在Sr~(2 )水溶液中,Sr~(2 )的水化数为9,此结果和MC模拟的结果是一致的。     

具有主从结构的粒子群优化算法

提出了一种具有主从结构的粒子群优化算法,该算法实现了惯性权重、加速因子、最大速度等系统参数与目标函数的同步优化。将主程序的一个粒子作为子程序的一组系统参数,在该组控制参数下使用基本的粒子群算法对子程序的目标函数进行优化,并把子程序优化所得的全局最优值返回主程序作为主程序的一个适应值,同时使用基本的粒子群算法对主程序的适应度函数进行优化。实验结果表明,该算法的优化性能较基本的粒子群算法有了显著提高。该方法对于粒子群算法的参数选择具有指导意义。     

无线传感器网络中分簇路由优化算法

针对节点能量过快消耗和节点之间的数据传输冗余现象以及路由转换问题的不足,提出一种基于蚁群算法的无线传感器网络路由控制优化算法;该算法利用节点与锚节点之间的无向网络图的特征,将信息素与节点能量相融合,通过蚁群算法遍历全局节点的同时对局部采用信息素更新策略,从而可以有效地抵制节点能量过快消耗;仿真实验表明,该算法不仅可以提高节点之间收敛的速度,而且还达到了网络节点能量的均衡,进而延长了网络生存周期。     

基于分簇算法能量优化的研究

分簇算法是有效解决无线传感器网络节点能耗受限与不同节点能量开销不平衡问题的主要方法之一.分簇算法中簇群成员节点和簇首的通信方式与簇群的拓扑结构决定整个簇群的能量消耗速度.通过建立簇半径与能量消耗关系模型,基于不同的约束条件和优化目标,优化簇半径取值使网络能耗达到最小化.方法仿真结果表明选取适当的分簇半径能够减少网络的能量消耗,均衡网络负载,延长网络的生存期,对无线传感器网络的能量优化设计有一定的参考价值.     

碳原子簇Cn(n=2-20)的结构优化及构型转换

将并行快速退火演化算法结合Brenner势能函数用于小碳原子簇Cn(n=2—20)的结构优化,得到了最稳定构型：C2-C4为线型结构;C5-C17,为单环;C18和C19为类富勒烯的笼状结构;C30为最小的富勒烯。在Brenner势中使用了关于键级的修正项Fij以考虑成键轨道的非正常重叠和非、局域效应,研究了Fij项对碳原子簇键级以及结构转变产生的影响和原因,结果表明该修正项可以降低多环碳原子簇的键级,使得原子簇C18和C20的最稳定结构发生从多环到笼状的转变。     

一种新的基于粒子群优化的双簇头分簇路由算法*

针对无线传感器网络分簇路由算法中簇头节点负载过重,簇头能量利用率不高,提出了一种基于粒子群优化的双簇头多跳路由算法。该算法根据簇头任务的不同,利用节点的能量、距离汇聚节点的距离以及节点的位置关系分别构建适应值函数,选择出最优主簇头完成数据采集和融合任务,以及与其协作的最优副簇头完成簇间数据转发任务,最终实现采集能耗和传输能耗最小化。仿真实验结果表明,与其他路由算法相比,该算法可以有效减轻簇头节点负载,减小簇头能量消耗,均衡整个网络能耗,延长了网络的生存周期。     

无线传感器网络簇头优化分簇算法及其性能仿真

基于对LEACH等算法的研究,提出一种传感器网络分簇算法——簇头优化分簇算法。它将节点周期性划分为数个在地理位置上分布均匀的“临时簇”,然后分别在每个临时簇内选择簇头;簇头选择时,遵循保护最低能量节点的原则,即要求所选簇头尽量靠近剩余能量最低的节点。仿真结果表明,与LEACH相比较,该算法能保证簇头较均匀分布在网络中,推迟第一个死亡节点出现的时间,同时也提高了基站接收的数据量。     

优化聚类分簇结合自适应中继策略的双簇首WSNs路由算法

针对无线传感器网络中分簇路由算法节点能量利用率低、能量消耗不均匀等问题,提出了一种优化聚类分簇结合自适应中继策略的双簇首无线传感器网络路由算法.该算法对分簇路由协议中的三个阶段分别进行优化设计.成簇阶段,首先对双簇首模型下最优成簇规模与网络能耗的关系进行理论分析,然后使用改进的算术优化算法计算模糊C均值算法的初始聚类中心,提高了模糊C均值算法聚类成簇的准确率和鲁棒性.簇首选举阶段,引入双簇首策略,以节点的位置、能量和中心度为影响因子,根据承担任务的不同分别为内外簇首设计独立的簇首评价函数,以评价值为依据由节点分布式动态选举簇首减少了广播数量,同时可以将整个簇的能量负载平均分配到每个簇成员节点中.数据传输阶段,设置了多跳中继策略的距离适用条件,并以能量消耗速率为依据选择中继节点,避免了节点提前过载.仿真结果表明：在多种规模的网络中,该算法相较于对比算法在均衡网络负载、提高能量利用效率方面效果更好,从而延长了网络的有效感测时间.     

基于免疫算法的细菌觅食优化算法

针对细菌觅食优化算法经常出现的速度较慢、步长一致的缺陷,赋予细菌灵敏度的概念,对细菌游动的步长进行调节以提高收敛速度。采用免疫算法中的克隆选择思想,对精英细菌群体进行克隆、高频变异和随机交叉,引导算法提高搜索精度。典型高维函数测试表明,改进算法的搜索速度和精度得到极大提升,算法改造后可适用于多维、约束等实际工程问题中的优化。     

一种新的免疫算法及其在多模态函数优化中的应用

提取免疫应答的部分简化机制并结合小生境技术,提出一种用于多峰值或非连续函数优化的免疫算法.该算法由记忆细胞获取、克隆选择、亲和突变及群体更新这四种算子模块构成.这些算子的有机组合不仅为最优化问题的解决提供了实用新方法,而且反映了抗体应答抗原的简化运行机制.算法设计的重点是借鉴小生境共享实现方法的思想建立有助于增强群体多样性及保留优良抗体的记忆细胞获取算子,以及利用亲和成熟机理设计抗体突变算子.所获算法具有整体和局部搜索能力及并行搜索特点.理论证明了其收敛性.仿真事例比较表明此算法不仅是有效的,而且能快速搜索到多个最优解(针对于多解最优化问题).     

一种改进的药代动力学参数优化方法及其应用

基于药代动力学参数优化方法PKAIN人工免疫网络算法,提出了迭代分组并发单纯形算子,并实现了线性网络抑制函数以简化人工免疫网络的参数设置。为了加快算法的搜索速度和搜索精度,提出了新型的人工免疫网络单纯形混合算法（PKAIN_spx）,用人工免疫网络实现粗粒度全局搜索,随后用单纯形进行精确搜索。仿真实验对改进的PKAIN算法（PKAIN_in）、人工免疫网络单纯形混合算法（PKAIN_spx）以及PKAIN算法进行了比较分析,结果表明PKAIN_spx算法在药代动力学参数优化中取得良好的实验效果。     

An accelerated first-order method for solving SOS relaxations of unconstrained polynomial optimization problems

Our interest lies in solving sum of squares (SOS) relaxations of large-scale unconstrained polynomial optimization problems. Because interior-point methods for solving these problems are severely limited by the large-scale, we are motivated to explore efficient implementations of an accelerated first-order method to solve this class of problems. By exploiting special structural properties of this problem class, we greatly reduce the computational cost of the first-order method at each iteration. We report promising computational results as well as a curious observation about the behaviour of the first-order method for the SOS relaxations of the unconstrained polynomial optimization problem.     

Power-aware optimization for heterogeneous multi-tier clusters

Complex web applications are usually served by multi-tier web clusters. With the growing cost of energy, the importance of reducing power consumption in server systems is now well-known and has become a major research topic. However, most existing research focused solely on homogeneous clusters. This paper addresses the challenge of power management in Heterogeneous Multi-tier Web Clusters. We apply Generalized Benders Decomposition (GBD) to decompose the global optimization problem into small sub-problems. This algorithm achieves the optimal solution in an iterative fashion. The evaluation results show that our algorithm achieves more energy conservation than the previous work.     

基于免疫量子遗传算法的多峰函数寻优

针对多峰函数优化中的全局及局部寻优问题,提出了一种结合免疫克隆算子的量子遗传算法,给出了实现流程。该算法集量子遗传算法的快速性和免疫克隆算法全局搜索性于一身。它不仅有效克服了量子遗传算法容易陷于局部最优的缺点,也避免了普通免疫克隆算法计算缓慢的缺点。用多峰值函数进行了全局寻优的仿真实验,并与基本遗传算法,量子遗传算法的计算结果进行了比较,结果表明所提算法能以较快的速度搜索到全局最优解,并且其鲁棒性远高于普通量子遗传算法和遗传算法。     

一种新型的全局优化算法——细胞膜优化算法*

通过研究细胞膜的特性及其物质转运方式,从中进行提取优化模型,并结合全局优化算法的基本思想,提出了一种新型的全局优化算法——细胞膜优化算法（CMO）。通过数值实验,验证了细胞膜优化算法具有很好的全局寻优能力、快速的收敛能力和获取高精度解的能力,并与标准粒子群算法（PSO）和人口迁移算法（PMA）进行比较,结果表明,细胞膜优化算法在解决高维优化问题时具有更好的收敛性能。     

一类用于函数优化的基于混沌搜索的免疫算法

将混沌优化算法与克隆选择算法相结合,提出了一类基于混沌搜索的免疫算法．首先利用解空间变换将优化变量表示为混沌变量,并将混沌变量编码为抗体．然后,利用混沌变量的遍历性和随机性特点,通过在高亲和力抗体的邻域内进行混沌搜索以实现局部寻优,通过在整个解空间内的混沌搜索来避免陷入局部最优解．数值仿真结果表明该算法具不易陷入局部最优、解的精度高和操作简单等优点．