求解大规模0-1背包问题的改进人工鱼群算法

针对现有算法在求解大规模0-1背包问题时存在求解精度不够和稳定性不足的情况,将贪婪算法引入到人工鱼群算法中,提出一种基于贪婪的极坐标编码人工鱼群算法。该算法引入贪婪思想对母体的初始值以及非法解修正方式进行改进;根据大规模0-1背包问题的特点对算法中的母体结构和迭代方式进行调整,并引入最优保留机制增强算法搜索的方向性。通过对物品为500、700和1 000的背包问题的实验结果表明,该算法具有良好的寻优能力和鲁棒性。     

基于约束优化问题的人工鱼群算法及其改进

在人工鱼群算法基础上,对人工鱼群算法进行改进,结合遗传算法提出的适应度函数来解决约束优化问题.具体表现在改进了人工鱼的觅食行为,另外引入了吞噬行为以便加快收敛速度,得到更优的适应度值.仿真结果表明改进的人工鱼群算法在解决约束优化问题时,具有收敛速度快、适应度值优、全局寻优性能强等优点.改进的人工鱼群算法较之基本人工鱼群算法具有更好的性能.     

一种变视野和步长的人工鱼群算法

针对传统人工鱼群算法的寻优精度不高、后期收敛速度慢且出现振荡现象的问题,提出一种自适应视野和步长的人工鱼群算法,该算法将两条人工鱼之间的距离作为视野,并将得到的视野乘以一个系数作为步长。随着鱼群的不断聚集,视野和步长相应地减小,有利于搜寻到最优点。实验结果表明,改进后的算法收敛速度更好、寻优精度更高。     

组合优化问题的人工鱼群算法应用

通过模仿鱼类的行为方式，提出了一种基于动物自治体的优化方法一人工鱼群算法(Artificial Fish，school A1gorithm)，并将其用于组合优化问题的求解．介绍了该算法在此类问题求解中的距离、邻域等概念，给出了具体的实现方法．最后以TSP问题为例对该算法进行仿真测试．结果表明它具有快速收敛的能力。     

求解多目标柔性作业车间调度问题的离散人工蜂群算法

作业车间调度问题是一类典型的组合优化问题,要求多个作业在不同的机器上进行加工,目的是获得最好的作业加工序列,以满足特定的性能指标。柔性作业车间调度问题是对传统的作业车间调度问题的进一步扩展,由于求解的复杂性,使得传统方法很难在有效的时间内获得问题的最优解。人工蜂群算法是近年来提出的一种受生物行为启发的优化算法,该算法主要通过模拟蜜蜂的觅食来实现问题的求解。提出了一种离散的人工蜂群算法于求解柔性作业车间调度问题,算法通过交叉方式来搜索潜在的更好的蜜源,并采用自适应的变异策略来降低早熟收敛的可能性。最后通过对比实验证明算法对于求解多目标柔性作业车间调度问题是有效的。     

组合优化问题的人工鱼群算法应用

通过模仿鱼类的行为方式 ,提出了一种基于动物自治体的优化方法—人工鱼群算法 (ArtificialFish-schoolAl gorithm) ,并将其用于组合优化问题的求解 .介绍了该算法在此类问题求解中的距离、邻域等概念 ,给出了具体的实现方法 .最后以TSP问题为例对该算法进行仿真测试 .结果表明它具有快速收敛的能力 .     

基于人工鱼群算法的桁架结构的优化

针对基本人工鱼群算法在解决桁架结构优化问题时存在的后期收敛速度慢、寻优精度不高等缺陷,在算法初期采用Logistic方程初始化解群,提高求解效率和质量,在算法运行过程中利用粒子群优化算法惯性权重调整策略对人工鱼的步长进行改进,以提高寻优的速度和精度。将改进后的算法应用到桁架结构优化中,以桁架截面尺寸为设计变量,结构最小重量为目标函数建立优化设计模型,运用MATLAB进行模型优化分析,并与其它算法优化结果进行对比。结果表明,改进的算法在收敛速度与寻优精度方面均有所提高,尤其在迭代计算的初期,效果非常明显。     

基于人工鱼群算法的桁架结构的优化

针对基本人工鱼群算法在解决桁架结构优化问题时存在后期收敛速度慢、寻优精度不高的缺陷,在算法初期利用混沌运动遍历性、随机性等特点初始化解群,提高求解效率和解的质量,在算法运行过程中利用粒子群优化算法惯性权重调整策略对人工鱼的步长进行改进,提高寻优的速度和精度。将改进后的算法应用到桁架结构优化中,以桁架截面尺寸为设计变量,结构重量最小为目标函数建立优化设计模型,运用Matlab进行模型优化分析,并与其它算法优化结果进行对比。结果表明,改进的算法在收敛速度与寻优精度方面均有所提高,尤其在迭代计算的初期,效果非常明显,迭代次数为55次左右时优化结果基本平稳。     

带回程取货车辆路径问题的人工鱼群算法研究

该文提出用人工鱼群算法求解带回程取货车辆路径问题,有效调度车辆在送货的同时完成取货任务。将人鱼个体能量函数、觅食行为、聚群行为和追尾行为等应用到优化问题中,仿真结果表明人工鱼群算法是一种解决带回程取货车辆路径问题的有效方法。     

对求解0-1背包问题的混合遗传算法的改进

将启发式搜索算法贪心算法与基本遗传算法相结合构成的混合遗传算法在求解大规模0-1背包问题时．其性能较基本遗传算法和贪心算法都有很大的改善。在这种混合遗传算法的基础上作进一步的改进．使算法性能获得进一步的提高。     

一种新颖的人工鱼群算法

为了克服基本人工鱼群算法(AFSA)收敛速度慢、求解精度不高和易陷入局部最优的不足,提出了一种新颖的人工鱼群算法(AO-AFSA).该算法结合人工鱼与粒子群(PSO)中的粒子都具有个体学习能力和社会学习能力,模拟粒子群中粒子的速度位置更新公式去分别修改人工鱼群算法中人工鱼的觅食行为、聚群行为、追尾行为的更新公式.并采用5个典型的测试函数进行仿真实验,分析算法的寻优精度、收敛速度以及稳定性.测试结果表明改进后的算法能够较快地收敛至全局较优解,有更强的稳定性,并具有较好的寻优性能.     

基于全局人工鱼群算法优化的DV-Hop定位算法

无线传感器网络具有大规模、自组织、可靠性、以数据为中心、集成化等特点,被广泛应用于军事、医疗、矿山监测、安全生产等领域。然而现有的无线传感器网络非测距定位算法还存在定位偏差较大问题。针对上述问题,本文提出一种基于全局人工鱼群算法优化的DV-Hop（Distance Vector Hop）定位算法（DEWF-D）。该算法对非测距定位算法中的DV-Hop算法出现误差的步骤进行优化处理,通过减小算法过程中出现的误差,最终得到较为精准的定位坐标。首先使信标节点以两种不同的通信半径传递消息,将跳数进行精确化处理,以减少跳数带来的误差,然后用最小均方误差准则和误差加权方式计算平均每跳距离,最后利用人工鱼群算法替换三边测量法进行坐标计算,同时又在人工鱼选择下一个位置时引入全局最优信息,并引入人工鱼的吞食行为,提高人工鱼群算法的精度以及收敛速度。通过仿真验证,在不同信标节点密度下,本算法与DV-Hop算法以及其他算法相比定位精度分别提升28.3%、6.9%、12.5%,而在不同通信半径下,定位精度提升了24.4%、7.6%、14.8%。证明DEWF-D算法能有效提升定位精度,解决了定位算法中出现的定位偏差较大问题。     

基于人工鱼群的DNA编码序列组合优化算法研究

分析DNA编码序列设计的目标及需要满足的约束条件,提出全局人工鱼群算法（GAFSA）生成有效的DNA编码序列.根据优化问题的约束条件及人工鱼群的特点,对人工鱼的视野和步长按进行动态调整.实验结果表明,所述GSFSA算法比遗传算法、多目标进化算法、遗传粒子群算法算法产生的DNA编码序列具有更高的质量.     

求解复杂背包问题的一种贪婪算法

给出了求解背包问题的一种贪婪算法,引用了模函数对算法进行了讨论,从理论上证明了这一算法的性能保证,最后用此算法求解了一个背包问题.     

一种改进的多目标粒子群优化算法

针对多目标粒子群优化算法在迭代过程中收敛速度和多样性方面的不足,提出一种改进的多目标粒子群优化算法(IMOPSO).采用基于栅格和拥挤距离的协同外部档案维护策略,通过更准确地选择收敛性和多样性性能更好的非劣粒子作为全局最优值,加快整个种群的收敛速度;采用分段Logistic混沌映射、外部档案检测机制及修改的粒子速度更新公式,分别在初始化阶段和迭代过程中增强种群的多样性;最后,通过对标准测试函数仿真测试证明了改进后的算法能够快速收敛至Pareto最优前沿并保持较好的多样性.     

基于动态模糊混沌粒子群算法的含电动汽车微电网多目标优化调度研究

提出一种基于动态模糊混沌粒子群算法的微电网多目标优化调度方法.利用动态目标函数与模糊理论解决多目标主观权值的缺陷,建立以运行维护成本、环境污染物成本为目标的微电网多目标调度模型.微电网多目标优化调度属于多变量、强非线性优化问题,针对传统粒子群算法求解时容易陷入局部最优等问题,在粒子初始化时,引入一种结合Chebyshev映射和Logistic映射的组合混沌映射,在粒子更新过程中,引入Logistic映射,从而增加粒子寻优的遍历性,加强算法全局优化能力.针对惯性权重在粒子群更新过程中的取值问题,采用迭代次数梯度改变惯性权重的策略.仿真结果证明了算法具有更高的收敛效率和更好的收敛效果.