基于不确定知识的粒子群优化算法

针对标准粒子群优化算法（PSO）速度更新方程存在随机参数,使得粒予扶取知识存在不完备性的问题,将不确定知识引入PSO算法中,并对个体知识、群体知识和不确定知识随机参数进行了归一化,保证算法在每一步演化中都能获得完备知识．理论分析给出了PSO—UK算法局部收敛参数条件,并证明了其具有全局优化性能．经典测试函数实验表明,所提出的PSO－UK算法具有全局搜索能力,且局部收敛精度明显优于PSO算法．     

基于分层转移的粒子滤波MCMC重采样算法

针对粒子滤波中如何设计重采样策略以解决“权值蜕化”,同时又可避免“样本贫化”的问题,提出一种基于分层转移的Monte Carlo Markov链（MCMC）重采样算法．当样本容量检测出现“蜕化”时,将样本集按权值蜕化程度进行分层,利用提出的变异繁殖算法,将其与PSO融合产生MCMC转移核,并施以分层子集;然后通过Metroplis—Hastings算法进行接收-拒绝采样,由此构建的Markov链可收敛到与目标真实后验等价的平稳分布．数值仿真结果表明,所提出的算法能以更快的收敛速度和更小的估计误差贴近目标真实后验,从而提高了估计精度．     

基于CVaR的闭环供应链优化与协调决策研究

利用条件风险值理论研究具有风险规避特性的闭环供应链的优化与协调问题.首先,建立了随机市场需求下由单个风险规避零售商与单个风险规避制造商组成的两阶闭环供应链的条件风险值模型,以及基于条件风险值的收益共享费用共担契约下的最优订购量和最优批发价格决策模型;然后在对模型进行分析的基础上,揭示了制造商和零售商的风险规避水平对最优订购量、批发价格、条件风险值及闭环供应链协调的影响;最后通过一个算例验证了所得的结论.     

基于粒子群优化的隐式广义预测控制

提出一种基于粒子群优化算法（PSO）的隐式广义预测控制（IGPC）。滚动优化作为预测控制的重要组成部分对控制效果的好坏起着关键作用,因而寻求一种可靠的优化算法十分必要。PSO算法是一种群集智能方法,通过粒子之间的合作、竞争及进化实现对多维复杂空间的高效搜索,属于一类随机全局优化技术,已成功应用于各科学和工程领域。它将PSO算法应用于IGPC的滚动优化部分来求解最优预测控制律,仿真结果显示了该方法是可行的。     

基于DNA遗传算法的CR多载波参数优化

提出了一种基于DNA计算的非支配排序多目标遗传算法(DNA-GA)来对CR多载波传输参数进行优化。该算法通过非支配排序计算个体适应度,结合克隆操作使算法收敛于全局最优,并引入DNA基因级操作,以提高算法的搜索性能,保持种群的多样性。通过在不同服务需求情况下得到的仿真参数结果,证明了DNA-GA可以有效地优化CR传输参数。     

一种优化初始聚类中心的K-means聚类算法

针对K-means算法中的初始聚类中心是随机选择这一缺点进行改进,利用提出的新算法选出初始聚类中心,并进行聚类。这种算法比随机选择初始聚类中心的算法性能有所提高,具有更高的准确性。     

基于概念格的数据挖掘方法在库存管理中的应用*

库存管理是物流系统优化的一个重要内容,利用概念格的数据挖掘方法来实现多目标优化过程中,给出了库存模型向概念格模型转换的方法,提出了一种具体的概念格的渐进式构造算法;对于概念格的数据挖掘方法,具体定义了概念格中的关联规则,并提取了库存模型中的隐藏知识,进而为实现库存模型的多目标优化提供了决策支持。     

基于群体适应度方差的自适应混沌粒子群算法*

已有的混沌粒子群算法多使用Logistic混沌映射,但Logistic混沌映射产生的混沌序列不够均匀,影响了混沌粒子群算法的性能。提出在混沌粒子群算法中引入均匀性更好的An混沌映射,利用An混沌映射初始化粒子群的位置和速度,并通过适应度方差的变化来自适应控制部分粒子进行混沌更新,来改善混沌粒子群算法的性能。数值仿真的结果表明,改进算法的收敛性和全局搜索能力都有所提高,能有效避免早熟收敛。     

基于免疫的异常检测中实值自体集优化算法*

针对免疫异常检测一直被忽视的实值自体集多分区、样本重叠率高和噪声等现象,以及造成的检测器生成代价高和边界漏洞等问题,提出一种实值自体集优化算法。算法通过模糊聚类算法处理集合多分区问题,利用高斯理论对自体集中的噪声样本、高重叠率等问题进行处理。通过Iris数据集和网络数据验证,算法可以有效地解决以上问题,提高生成检测器的效率和系统检测率。     

混沌粒子群算法及其在发电资源调度中的应用

为了有效地解决水火电力系统资源短期优化调度问题,提出了一种基于混沌粒子群算法的调度方案。设计了水火电力系统资源调度问题的数学模型,给出了混沌粒子群调度算法的框架,通过引入最优粒子的混沌搜索机制、优势粒子和劣势粒子的权重自适应调节机制,从而使算法具有动态自适应性,能够较容易地跳出局部最优。实验结果表明,本算法方案能有效解决水火发电资源调度问题,具有较好的应用价值。