利用Alopex改进的动力学演化算法

通过将动力学演化算法(Dynamical Evolutionary Algorithm,DEA)与一种随机优化方法——Alopex算法相结合,提出一种改进的动力学演化算法。改进的算法改善了动力学演化算法摆脱局部极小点的能力,对典型函数的测试表明:改进算法的全局搜索能力有了显著提高,特别是对多峰函数能够有效地避免早熟收敛问题。     

逐维改进的布谷鸟搜索算法

布谷鸟搜索(cuckoo search,简称CS)算法是一种新兴的仿生智能算法,对解采用整体更新评价策略.在求解多维函数优化问题时,由于各维之间相互干扰,采用整体更新评价策略将恶化算法的收敛速度和解的质量.为了弥补此缺陷,提出了基于逐维改进的布谷鸟搜索算法.在改进算法的迭代过程中,针对解采用逐维更新评价策略.该策略将各维的更新值与其他维的值组合成新的解,并采用贪婪方式接受能够改善解质量的更新值.实验结果说明,改进策略能够有效地提高CS 算法的收敛速度并改善解的质量.与相关的改进布谷鸟搜索算法以及其他演化算法的比较结果表明,改进算法在求解连续函数优化问题上是具有竞争力的.     

配电网无功优化的算法实现

电力系统无功功率优化作为提高电能质量,减少电能损失的手段是目前研究十分活跃的课题之一.遗传算法是一种高度并行、随机和自适应的优化算法,可以解决传统优化方法难以解决的非线性、多参数寻优问题,但易陷入未成熟收敛.提出了一种改进遗传算法,改进适应值函数,再通过分级、加速、收缩策略使解群中最好的解直接放人下一代种群中,提高了算法的收敛速度和全局最优搜索能力,仿真计算结果表明了改进算法的优越性.     

基于改进蚁群算法的机器人路径规划研究

机器人自主移动导航是近年来研究的热点.针对蚁群优化(ACO)算法存在收敛速度慢以及易陷入局部最优的问题,提出了一种改进的ACO算法来解决机器人路径规划问题.上述算法将改进的人工势场(APF)算法和蚁群算法相结合,采用改进APF算法进行初始地图规划,减少了ACO算法初始规划的盲目性.算法利用A*算法的评估函数以及路径转折角度来改进启发函数,引入启发信息递增函数,免于局部最优的同时保证收敛速度.改进算法的信息素更新机制和路径评价函数,提高了算法的全局最优性,使得到的路径更符合实际需求.通过改进该算法的信息素更新机制和路径评价函数,提高了算法的全局最优性,得到的路径更符合实际需求.仿真结果表明,改进算法能提升收敛速度和最优解.     

自适应多位变异粒子群优化算法

针对粒子群优化算法的早熟收敛问题,提出一种改进的自适应多位变异粒子群优化算法.根据群体适应度方差以及当前最优解的大小来确定当前最佳粒子的变异概率,变异操作增强了粒子群优化算法跳出局部最优解的能力,在理论上保证了算法具有良好的性能.对几种典型函数的测试结果表明：该算法的全局搜索能力有了显著改善,收敛速度较快,并且能够有效避免早熟收敛问题.     

基于Laplace分布变异的改进差分进化算法

为了提高差分进化算法(DEA)的收敛速度和寻优精度,提出了一种改进的差分进化算法。在该算法中,引入了基于Laplace分布的变异算子,并且能根据以往的进化经验自适应地调整进化策略及交叉概率以适应不同阶段的进化。通过5个典型Benchmark函数的测试结果表明,该算法的收敛速度快、求解精度高、鲁棒性较强,适合求解高维复杂的全局优化问题。     

联盟运输调度问题的粒子群算法研究

联盟运输调度问题是在基本运输调度问题基础上所发展起来的、具有重要实用价值的一类组合优化难题.粒子群算法(PSO)是一种新兴的基于群智能的演化计算技术,该算法与传统方法相比有着较高的收敛速度和计算精度,可以在解空间内高效地寻找到全局最优解.将其应用于联盟运输调度问题,并针对联盟运输调度问题中最优解的分布特点,对标准粒子群算法进行了改进,克服了标准粒子群算法收敛速度过快且易收敛于局部最优的缺点.对比实验结果表明,改进后的粒子群算法可以快速、有效求得最优解.     

基于改进模拟退火算法的软硬件划分

软硬件划分是嵌入式系统协同设计中的关键问题,已经被证明是一个NP问题。模拟退火算法是解决该问题常用的启发式算法,但是其存在收敛速度过慢的问题。通过改进算法的扰动模型和退火进度,提出一种新的代价函数计算方法来提高它的收敛速度。实验结果表明,相对于基于经典的模拟退火算法和已有改进的算法,新算法运行时间大大减少,并且增大了找到近似最优解的概率。     

一种基于遗传算法的改进PSO优化算法

从理论上分析了粒子群优化算法的收敛性,并针对标准PSO优化算法容易陷入早熟,收敛于局部最优解的问题,提出了一种基于遗传算法的带交叉因子的改进PSO优化算法,该算法通过对典型测试函数的测试,有效地加快了收敛速度和提高了收敛精度,能够有效地跳出局部收敛范围,避免陷入早熟,收敛于全局最优解。     

超混沌遗传算法在多约束QoS组播路由中的应用研究

针对多约束QoS组播路由的优化问题,提出了一种超混沌遗传混沌算法.该算法利用遗传算法中的改进的适应度函数,通过结合超混沌映射优越性的搜索能力,对遗传算法选出的个体进行混沌优化,以改善遗传算法过早陷入早熟的情况.通过仿真实验表明,该算法有效地改进了搜索效率,且收敛速度更快更稳定,是一种解决多约束QoS路由问题可行和有效的方法.     

A new dynamical evolutionary algorithm based on statistical mechanics

In this paper,a new dynamical evolutionary algorithm(DEA) is presented based on the theory of statistical mechanics.The novelty of this kind of dynamical evolutionary algorithm is that all individuals in a population(called particles in a dynamical system)are running and searching with their population evolving driven by a new selecting mechanism.This mechanism simulates the principle of molecular dynamics,which is easy to design and implement.A basic theoretical analysis for the dynamical evolutionary algorithm is given and as a consequence two stopping criteria of the algorithm are derived from the principle of energy minimization and the law of entropy increasing.In order to verify the effectiveness of the scheme,DEA is applied to sloving some typical numerical function minimization problems which are poorly solved by traditional evolutionary algorithms.The experimental results show that EAT is fast and reliable.     

多个粒子参与交叉的一种动态演化算法

运用动态演化算法来求解约束优化问题,能够得到好的解。但由于采用常规的两个粒子参与交叉的交叉算子,使整个算法耗费的时间过多,导致算法的效率不高。文章用多个粒子参与的交叉算子,并以偏序逻辑对群体排序,使得该算法的收敛速度提高。最后通过数值实验表明这种方法的有效性。     

An efficient dynamical evolutionary algorithm for global optimization

In this paper, we introduce a new dynamical evolutionary algorithm (DEA) that aims to find the global optimum and give the theoretical explanation from statistical mechanics. The algorithm has been evaluated numerically using a wide set of test functions which are nonlinear, multimodal and multidimensional. The numerical results show that it is possible to obtain global optimum or more accurate solutions than other methods for the investigated hard problems.     

基于个体适应度梯度的定向进化算法

基于进化过程中父代个体和子代个体在种群中的适应度梯度,提出进化方向的概念,并对其进行定性分析,在此基础上提出最优进化方向。通过最优进化方向的指导可加速进化过程,提高进化算法的收敛效率。基于进化方向和最优进化方向的描述,设计并实现基于个体适应度梯度的定向进化算法,并针对该算法给出2种不同的个体繁殖策略。对算法的收敛性和复杂度进行理论分析。最后通过仿真实验说明该算法具有精度高、收敛速度快等优点,在一定程度上克服目前进化算法的搜索低效问题。     

基于机群的求解TSP问题的分布式演化算法

讨论一种基于PC机群的术解TSP问题的分布式演化算法．在PVM环境下进行了数值实验，结果表明该算法在一定的扩展范围内可以得到接近线性加速比的性能．     

基于优进策略的新差分进化算法动力学模型参数的估计

为准确估计反应动力学参数,针对标准差分进化算法(DEA)全局寻优效率偏低的弱点,提出一种优进策略的差分进化算法(EDEA).它将确定性寻优的单纯形(SM)算子引入随机的DEA中.DEA将依概率调用SM寻优操作,测试结果表明,EDEA克服了DEA的缺点,比其它方法全局寻优性能好.该法成功的用于重油热解三集总动力学复杂数学模型的非线性参数估计,效果良好,结果有改进,显出EDEA的优越性.     

演化算法的最优轨道分析

基于最优控制理论,提出了演化算法的一种最优轨道分析方法.将演化算法描述成一个动力系统,定义了它的时间最优控制模型.运用著名的Pontryagain极大值原理,分析了演化算法的最优轨道,并利用矩阵范数理论对最优轨道进行了一些理论估计.同时将理论分析结果应用于演化算法的设计之中,导出了一种新的选择策略和终止条件.     

An exact penalty function-based differential search algorithm for constrained global optimization

Differential search (DS) is a recently developed derivative-free global heuristic optimization algorithm for solving unconstrained optimization problems. In this paper, by applying the idea of exact penalty function approach, a DS algorithm, where an S-type dynamical penalty factor is introduced so as to achieve a better balance between exploration and exploitation, is developed for constrained global optimization problems. To illustrate the applicability and effectiveness of the proposed approach, a comparison study is carried out by applying the proposed algorithm and other widely used evolutionary methods on 24 benchmark problems. The results obtained clearly indicate that the proposed method is more effective and efficient over the other widely used evolutionary methods for most these benchmark problems.     

Selection and impact of different topologies in multi-layered hierarchical fuzzy systems

An evolutionary algorithm based approach for selection of topologies in hierarchical fuzzy systems (HFS) is presented. Coupling fuzzy system with evolutionary algorithm provides a solution to the automated acquisition of the fuzzy rule base. It is difficult to study the problem of hierarchical decomposition for a large class of fuzzy systems but it is possible to analyse such architectures on the example of a particular fuzzy system, such as inverted pendulum. Topology of the HFS must be selected according to the physical properties of the dynamical system under consideration. Different HFS topologies for an inverted pendulum system are investigated and analysed to address the problem of how input configuration in multi-layered structure affects the controller performance. The experiments are conducted to test controller performance for different topologies of the hierarchical fuzzy system. The impact of different topologies on control process is discussed. The results from the case study of inverted pendulum can be extended to other dynamical systems.