改进变异算子的差分进化算法并行性分析

针对并行差分进化算法的全局搜索能力和寻优的稳定性弱的现状,基于DE/best/1变异算子提出了一种改进的差分进化算法变异算子.该算子前期采用DE/best/1变异方法,当进化代数超过设定的进化代数值时,采用改进的变异算子.通过拓宽变异算子的搜索域来提高种群的多样性,提高了差分进化算法的寻优能力.对改进变异算子的并行差分进化算法进行了函数测试,实验结果表明:相比普通的变异算子,在相同种群规模的前提下,改进的差分变异算子拓宽了遗传算法的搜索域,提高了算法的全局搜索能力;在不同的种群规模下,改进的变异算子增强了算法的寻优稳定性.     

基因表达式编程中动态适应的远缘繁殖策略

传统基因表达式编程采用静态适应度函数,影响了后期进化速度和整体质量。提出了远缘繁殖策略和动态适应度函数策略,远亲繁殖并及时变换评估个体的标准,增加多样性并有利于选择优质个体;实验表明,将远缘繁殖和动态适应度函数策略结合,有效地改善了传统GEP的性能,进化代数平均下降达10%,平均最高适应度值提高7%~14%,最高适应度提高达7%以上,进化的成功率提高达30%以上。     

太赫兹光谱识别木材的影响因素研究

径向变异和不同切面是影响太赫兹光谱识别木材的重要因素。为了探讨径向变异和不同切面对太赫兹光谱识别木材的影响,利用太赫兹时域光谱技术获取杉木和柳杉样品的太赫兹光谱数据,共600组木材光谱数据,分析太赫兹光谱,基于BP神经网络建立木材识别模型,比较模型预测的正确率。发现木材样品太赫兹光谱因为径向变异和不同切面而存在差异,预测样品与建模样品径向部位相同时和不同时的模型预测正确率差异较小,最高正确率达到96.25%,预测样品与建模样品切面相同时和不同时的正确率差异较大。结果表明,基于太赫兹时域光谱技术能够准确实现木材识别,径向变异对木材识别影响较小,不同切面对木材识别影响较大。     

考虑动态风速变异因子的风电功率预测

山地风电场(MWFs)的风能资源丰富,但受复杂地形、地表粗糙度、近地大气稳定性等因素影响,风速突变性更明显.针对山区风能特征建立了风电功率预测模型,相较于平原地区,山区风能具有不同的波动性和间接性等特点;提出一种计及多分辨率下的动态风速变异因子预测方法,同时改进模糊聚类中的聚类组合指标,将气象条件在空间连续性上实现更精准的分类,以提高风电场功率出力预测的精度.为验证该模型的有效性,与常用K-means和时间序列方法进行对比,并对加入动态风速变异因子前后的预测效果进行对比,结果表明所提方法对风电场出力预测具有较高实用意义.     

基于改进回溯搜索优化算法的应急资源调度

以连续性消耗应急系统为背景,建立以时间成本和运输成本最小化为目标的多资源多供应点调度模型。针对该模型的特点,对一种具有强全局搜索性的新智能算法——回溯搜索优化算法进行改进,设计变异操作中的变异尺度系数和交叉操作中的交叉概率策略,提高算法的收敛速度和求解精度。运用改进回溯搜索算法进行模型求解,仿真实例表明,改进回溯搜索优化算法在解决应急资源调度问题时拥有良好的性能,全局收敛性与求解精度均优于比较的回溯搜索优化算法、差分进化算法和粒子群算法,能够有效且合理地进行应急资源调度。     

基于统计占优分析的变异测试

为数众多的变异体产生的高昂测试代价严重影响了变异测试技术在实际程序中的应用.为了大幅度减少弱变异测试中变异体的数量,提出基于统计占优分析的变异体约简方法.该方法首先利用变异前后的语句构造变异分支,并将所有变异分支集成到原程序中,形成新的被测程序;然后,通过统计测试用例对各个变异分支的覆盖信息,确定变异分支之间的占优关系;最后得到非被占优分支集,其对应的变异体就是约简后的变异体.将该方法用于8个程序的测试,结果表明:该方法能够约简平均90%的变异体,从而显著提高了变异测试的效率.     

基于高斯变异的人工萤火虫算法在云计算资源调度中的研究

如何合理地分配云计算资源一直都是研究的热点.建立云计算环境下的资源调度模型,通过人工萤火虫算法个体最优与云计算节点资源分配对应起来,在算法中引入高斯变异算法,通过与经典函数比较,优化后的算法在搜索精度上以及收敛速度上有了很大的提高.通过在CloudSim平台上与经典智能算法的比较,该算法能够有效地提高云计算中的资源调度性能,缩短任务完成的时间,提高系统整体处理能力.     

朴素差分进化算法

针对变异算子学习方式的单一性,提出一种朴素变异算子,其基本思想是向优秀的个体靠近,同时远离较差个体,其实现方式是设计一种缩放因子调整策略,如果三个随机个体在某维上比较接近,则缩放因子变小,反之变大.在实验过程中通过平均适应度评价次数、成功运行次数和加速比等指标表明,基于朴素变异算子的差分进化算法能有效提高算法的收敛速度和健壮性.     

混合禁忌搜索算法求解关联运输调度问题

考虑到实际生活中车辆受发车时间限制以及道路路况影响运输成本等因素,建立了带客户软时间窗、车场硬时间窗、多车型、道路路况等约束的关联运输调度问题模型.结合禁忌搜索与遗传算法的优势,构造了混合禁忌搜索算法,以通过构造多个初始解来增大搜索空间;设计了两种禁忌表,分别为局部禁忌表和全局禁忌表,这不仅能加快寻优速度,还可以摆脱对单个解的依赖;将禁忌搜索生成的优化解作为遗传算法的初始解,可以加快寻优速度;自适应调整禁忌表长度可以避免早熟收敛;提取核心路径便于进行后期优化,relocate算子能减少路径网络回路数目.对实例进行的仿真表明,提出的IVRP优于一般的VRP,可节约大量成本,且提出的算法在收敛速度和寻优结果两方面都优于遗传算法和禁忌搜索算法.由3种算法求解得到的总成本、总里程及收敛时间的标准差体现出该算法的稳定性比另外两种算法的好.     

基于预分类的逆变异分类器算法

遗传算法已经在许多领域得到了成功的应用,在解决模式识别问题时,由于遗传中的变异过程的存在导致了模式差异,如果能够减少这种差异性,就可以提高模式分类的正确率。针对这种情况,本文提出了在预分类基础上的一种逆变异算法,该算法采用遗传算法中变异过程的逆过程,来减少模式的差异性,达到提高模式分类正确率的目的。在ORL人脸库上的实验结果表明,该分类器的模式识别率明显高于传统的分类器算法及遗传算法。