应急救援物资车辆运输路线多目标优化

运用运筹学中图论及多目标优化的理论和方法建立应急救援物资车辆最佳运输路线的选择模型,并基于启发式算法求解该模型.从静态网络应急物资车辆运输路线的双目标优化问题入手,设计适合本文模型的算法,并将之推广至含有三个及三个以上优化目标的路线选择问题.引入时间扩展图的概念,将动态网络中的最佳运输路线问题转化为静态网络中的路径选择问题.算法实质是通过构造辅助决策函数实现Dijstra算法的调用,并在辅助函数构成的搜索空间上寻找最优解,是一种快速的、近似的算法.利用随机路网和真实路网测试本文算法,测试结果与本文的理论分析一致,证明本文算法在应急救援物资车辆运输路线的多目标优化问题中可行且有较好的应用效果.      

PET成像的加权最小二乘重建算法

针对正电子发射断层成像系统,提出一种基于加权最小二乘函数的迭代重建算法.与传统的梯度型算法不同,在迭代过程中,此算法利用当前迭代点构造辅助函数,使用辅助函数的最优解代替目标函数的最优解,获得新的迭代点.该算法自动满足非负约束,无需步长因子,保证目标函数单调递减,并且具有全局收敛性.使用模拟数据和真实医学诊断数据进行实验,结果表明:该算法与SA-WLS和ML-EM算法相比需要相同的运算时间,但是具有更快的收敛速度和更好的成像质量.     

一种搜索空间自适应变化的自适应粒子群算法

提出一种搜索空间自适应的自适应粒子群优化算法.该算法对不同等级的粒子适应值采取不同的惯性权重,并随着算法的迭代不断缩小粒子群的搜索空间.同时,选择当前代的较优部分粒子直接进入下一代,其他粒子通过在缩小的搜索空间内随机生成,加快了种群收敛速度,同时又能使种群不断跳出局部最优解.几种典型函数的仿真实验表明,该算法在收敛速度和收敛精度上均较标准粒子群优化算法和普通自适应粒子群优化算法有明显提高.     

基于改进差分进化算法的无人机在线低空突防航迹规划

为了解决无人机在部分未知敌对环境中的低空突防航迹规划问题,提出了一种改进的差分进化算法.该算法的进化模型采用冯.诺伊曼拓扑结构,并对其进行拓展,使种群在进化初期保持多样性,避免进化早期陷入局部最优,而进化后期加快收敛速度.该算法改进了差分进化算子中的变异操作,从而加快算法的收敛速度,快速找到多目标优化问题的最优解;同时,采用将绝对笛卡儿坐标和相对极坐标相结合的编码方式以提高搜索效率.将该算法用于无人机在线航迹规划仿真实验,并和未改进的算法结果作比较,验证了该算法的有效性.      

一种基于差分进化的正弦余弦算法

正弦余弦算法是一种新型仿自然优化算法,利用正余弦数学模型来求解优化问题。为提高正弦余弦算法的优化精度和收敛速度,提出了一种基于差分进化的正弦余弦算法。该算法通过非线性方式调整参数提高算法的搜索能力、利用差分进化策略平衡算法的全局探索能力及局部开发能力并加快收敛速度、通过侦察蜂策略增加种群多样性以及利用全局最优个体变异策略增强算法的局部开发能力等优化策略来改进算法,最后通过仿真实验和结果分析证明了算法的优异性能。      

一类支持向量机中引导式量子粒子群优化机理及实现

通过分析量子粒子群在一类超球面支持向量机训练优化的应用机理,提出一种基于引导式量子粒子群(D-QDPSO)的一类超球面支持向量机训练优化算法,根据Zoutendijk最速下行策略确定全局最优gbest的优化方向,计算引导粒子位置;同时在初始化时根据序列最小优化算法(SMO)得到靠近最优解的近似位置,并以约束平面边界点作为初始化粒子,扩大了搜索范围.实验表明,D-QDPSO算法有较好的收敛性能和泛化性能,其误识率比SMO降低约0.12%,运算速度比LPSO提高2倍左右.     

基于残差自然幂法的增量线性判别分析方法

提出了将增量线性判别分析问题(LDA)转化为两个增量主元分析(PCA)问题的算法框架.为加速算法的收敛速度,推导了增量LDA中训练样本的类内离散度矩阵和协方差矩阵的无损实时更新公式,并在此基础上提出了一种基于残差协方差矩阵的自然幂增量PCA算法.将该增量PCA方法与基于双PCA结构的增量LDA算法框架相结合,实现了数据流的实时LDA处理.仿真结果表明,与已有的增量LDA方法相比,该方法在收敛速度、计算复杂度和可操作性上具有更优的性能.     

基于无偏Q值反馈的社区划分算法

在分析现有社区划分算法的基础上,针对当前算法Q值有偏及权值未体现等缺陷,提出了一种基于无偏Q值反馈的社区划分算法.该算法首先利用传递权值计算出节点间的相似度;然后,采用随机游走策略确定最优社区数,以解决现有划分算法中Q值有偏的问题;最后,在最优社区数确定的情况下,利用划分结果评价Q值反馈更新信息素矩阵以驱动后续的划分,从而达到快速收敛的目的.针对计算机构造的数据集以及实际网络的实验分析结果表明,与现有算法相比,该算法在社区划分方面具有更高的准确率及更快的收敛速度,能够达到社区划分以及核心节点发现的目的,可被推广应用至移动社会网络模型的建立中.     

混沌人工鱼群的鲁棒保性能控制权值矩阵优化方法

针对鲁棒保性能控制中的权值矩阵依赖经验选取,无法最大限度的减小系统保守性的问题,提出了一种基于混沌人工鱼群算法的鲁棒保性能控制权值矩阵优化方法.该方法中,将保性能控制鲁棒界作为优化的目标函数来寻找最优权值矩阵是整个算法实现的关键.该种改进的人工鱼群优化算法融合了混沌搜索与自适应步长和视野的人工鱼群优化算法,有效的解决了基本人工鱼群算法的后期收敛速度慢、易陷入局部最优等缺点.通过测试函数对比验证了该种改进人工鱼群优化算法的优越性,并通过应用实例验证了该权值矩阵优化方法的有效性.      

一种求解混合离散优化问题的禁忌微粒群算法

微粒群优化(PSO)算法主要用于求解全局连续变量优化问题.利用罚函数处理离散变量,将混合离散优化问题min f(x),s.t.gk(x)≤0,k=1,2,…,l,xLi≤xi≤xUi,i=1,2,…,m,xm+j ∈Dj,Dj=(dj,1,dj,2,…,dj,qj),j=1,2,…,n转化为连续变量优化问题min F(x),s.t.xLi≤xi≤xUi,i=1,2,…,m,dj,1≤xm+j≤dj+qj,j=1,2…,n.为了解决标准PSO可能陷入局部最优解而存在早熟收敛的问题,本文构造微粒的邻域结构,利用禁忌搜索(TS)算法具有较强的"爬山"能力的特点,设计了一种兼具搜索惯性又能在搜索时跳出局部最优解转向解空间的其它区域的禁忌微粒群算法(TS一PSO).求解Rosenbrock's 测试函数和压力管设计问题的数值实验表明,该算法能较好地跳出局部最优,获得全局最优解.     

改进人工鱼群算法及其在时滞系统辨识中的应用

针对人工鱼群算法(AFSA)存在收敛速度慢和寻优精度低等问题,本文提出了一种改进人工鱼群算法(IAFSA).该算法中的人工鱼能够根据鱼群当前状态调整自身的视野和步长来平衡局部搜索和全局搜索.此外,算法中还加入了引导行为,即人工鱼在觅食行为未发现更优的位置时,当前人工鱼向最优人工鱼移动一步.仿真结果表明,改进人工鱼群算法在收敛速度、寻优精度和克服局部极值等方面有很大优势.本文将改进鱼群算法应用时滞系统的辨识中,辨识结果表明改进算法能获取被控对象的精准数学模型,并具有较强的抗干扰能力.      

基于群体智能优化的MKL-SVM算法及肺结节识别

针对单核学习支持向量机无法兼顾学习能力与泛化能力以及多核函数参数寻优问题,提出了一种基于群体智能优化的多核学习支持向量机算法。首先,研究了五种单核函数对支持向量机分类性能的影响,进一步提出具有全局性质的多项式核和局部性质的拉普拉斯核凸组合形式的多核学习支持向量机算法;其次,为增加粒子多样性及快速寻优,将粒子群优化算法引入了遗传算法中的杂交操作,并用此改进的群体智能优化算法对多核学习支持向量机进行参数寻优。最后,分别采用深度特征与手工特征作为识别算法的输入,研究表明采用深度特征优于手工特征。故本文采用深度特征作为多核学习支持向量机的输入,以交叉遗传与粒子群混合智能优化算法作为其寻优方式。实验选取合作医院数据集对所提算法进行训练并初步测试,进一步为了验证所提算法的泛化能力,选取公开数据集LUNA16进行测试。实验结果表明,本文算法易于跳出局部最优解,提升了算法的学习能力与泛化能力,具有较优的分类性能。      

多目标粒子群优化算法研究综述

针对多目标粒子群优化算法的研究进展进行综述。首先,回顾了多目标优化和粒子群算法等基本理论;其次,分析了多目标优化所涉及的难点问题;再次,从最优粒子选择策略,多样性保持机制,收敛性提高手段,多样性与收敛性平衡方法,迭代公式、参数、拓扑结构的改进方案5个方面综述了近年来的最新成果;最后,指出多目标粒子群算法有待进一步解决的问题及未来的研究方向。      

Multiobjective Differential Evolution with Application to Reservoir System Optimization

Many water resources systems are characterized by multiple objectives. For multiobjective optimization, typically there can be no single optimal solution which can simultaneously satisfy all the goals, but rather a set of technologically efficient noninferior or Pareto optimal solutions exists. Generating those Pareto optimal solutions is a challenging task and often difficulties arise in using the conventional methods. In the optimization of reservoir systems, most of the times there is interdependence among one or more decision variables. Recently, it is emphasized that the evolutionary operators used in differential evolution algorithms are very much suitable for problems having interdependence among the decision variables. This paper utilizes this aspect and presents an efficient and effective approach for multiobjective optimization, namely multiobjective differential evolution (MODE) algorithm with an application to a case study in reservoir system optimization. The developed MODE algorithm is first tested on a few benchmark test problems and validated with standard performance measures by comparing them with the nondominated sorting genetic algorithm-II. On achieving satisfactory performance for test problems, it is applied to generate Pareto optimal solutions to a multiobjective reservoir operation problem. It is found that MODE provides many alternative Pareto optimal solutions with uniform coverage and convergence to true Pareto optimal fronts. The results obtained show that the proposed MODE can be a viable alternative for generating optimal trade-offs in multiobjective optimization of water resources systems.     

分布式一致性最优化的梯度算法与收敛分析

研究了多智能体网络中受集合约束的一致性最优化问题,提出了基于原始–对偶梯度的定步长分布式算法。算法中包括步长在内的参数会影响收敛性,需要先进行收敛分析,再根据收敛条件设置合适的参数。本文首先针对一般的定步长迭代格式,提出一种基于李雅普诺夫函数的收敛分析范式,它类似于一般微分方程关于李雅普诺夫稳定的分析方法。然后,针对所考虑的分布式梯度算法,构造了合适的李雅普诺夫函数,并根据收敛条件得到了算法参数设定范围,避免了繁冗复杂的分析论证。本文提出的理论与方法也为其他类型的分布式算法提供了一个框架性、系统性的论证方法。      

基于逐层演化的群体智能算法优化

为能彻底解决群体智能算法早熟问题的同时保持原算法主体不变且可与现有优化理论协同优化，在前期仿真实验和理论证明的基础上，提出了一种逐层演化的改进策略.利用在原算法中构建基于搜索空间压缩理论的自适应系统，通过逐层的压缩、选择、再初始化的操作，以包括压缩后搜索空间在内的社会信息作为遗传知识，指导寻优过程，从而实现最终解精度的提升、避免早熟问题的出现.对基准函数进行仿真实验可以看出该策略在提升算法精度，增强后期个体活性方面具有良好的表现.      

Optimal Design with Probabilistic Objective and Constraints

Significant challenges are associated with solving optimal structural design problems involving the failure probability in the objective and constraint functions. In this paper, we develop gradient-based optimization algorithms for estimating the solution of three classes of such problems in the case of continuous design variables. Our approach is based on a sequence of approximating design problems, which is constructed and then solved by a semiinfinite optimization algorithm. The construction consists of two steps: First, the failure probability terms in the objective function are replaced by auxiliary variables resulting in a simplified objective function. The auxiliary variables are determined automatically by the optimization algorithm. Second, the failure probability constraints are replaced by a parametrized first-order approximation. The parameter values are determined in an adaptive manner based on separate estimations of the failure probability. Any computational reliability method, including first-order reliability and second-order reliability methods and Monte Carlo simulation, can be used for this purpose. After repeatedly solving the approximating problem, an approximate solution of the original design problem is found, which satisfies the failure probability constraints at a precision level corresponding to the selected reliability method. The approach is illustrated by a series of examples involving optimal design and maintenance planning of a reinforced concrete bridge girder.     

Optimal Design Strategy of Connected Control Method for Two Dynamically Similar Structures

Structural control of adjacent flexible structures has been shown to be effectively accomplished using the connected control method (CCM), which uses an auxiliary structure to provide a reaction force. A perceived constraint of the CCM is the ineffective control of structures with similar dynamics. However, the writers have presented a modified CCM mechanism in which dampers are connected between dynamically similar structures with a difference in connection height using cantilever structures. The research described in this paper extends the CCM to couple two dynamically similar structures and determines optimal stiffness and damping in the connector link. A two-degree-of-freedom building model is developed for the optimal design of the connected control devices. The optimal solutions of the connector stiffness and damping take into account the presence of fixed points in the systems transfer functions. Analytical results confirm the effectiveness of the proposed method and design. Experimental tests then verify the response reduction capabilities of the proposed optimal design.