具有周期投放、捕获及非线性扩散的最优化模型

考虑有资源保护区且保护区内外存在非线性扩散作用的资源种群开发模型,获得了周期扩散模型正周期解的存在性与全局渐近稳定性条件．以周期投放、周期捕获为控制策略,持续产量最大化、持续经济租金最大化为管理目标,利用Pontryagin最大值原理得出此周期投放、捕获最优化问题的最优投放hopt（t）、捕获策略Eopt（t）及相应资源种群的最优规模为xopt1（t）,xopt2（t）,并举例说明．     

求解带硬时间窗车辆路径问题的改进UMDA 算法

针对带硬时间窗的车辆路径问题(VRPHTW)求解,提出了一种混合单变量边 缘分布算法(hybrid UDMA,hUDMA),改进了基本UMDA的概率模型.统计节点按路径分 布的概率,使其能够在解空间上找到节点-路径的分布关系,提高了UMDA的全局搜索 能力.采用两阶段插入法进行最佳节点搜索和路径分配完成UMDA采样操作,通过种群 进化来获取最优解.计算Solomon 100 客户的6 类问题56 个算例的实验结果表明：在最优 解的取得方面,C类算例能够全部取得最优解,R、RC类算例能以50%左右概率取得最优 解;在平均误差方面,C类算例计算结果与已知最优解一致,R、RC类算例计算误差率与 已知最优解比较接近,平均误差率为1.03%.     

基于遗传算法收敛特性的停机准则

关于遗传算法及改进遗传算法收敛问题的研究表明,理论上分析各类不同结构遗传算法的收敛性是可行的.对已被证明收敛的遗传算法,在计算过程中最突出的问题便是如何判断当前计算结果已经到达最优解从而停止迭代.文中从遗传算法收敛特点及不同种群中最优个体适应值的一致性、种群的多样性出发,提出判断算法自动停止迭代的依据.     

一种基于遗传算法的最优阈值图像分割算法

为了提高图像分割效率,提出一种基于遗传算法的最优阈值搜索方法OTSGA.OTSGA算法对图像的灰度级进行二进制编码,生成初始种群,求出每个个体的二维最大熵,然后根据设定的寻优准则进行相应的遗传操作以搜索阈值最优解.为了避免在求解过程中出现早熟现象,OTSGA算法将交叉操作得到的个体群与上一代种群混合,得到新的种群进行遗传操作,避免了个别个体在遗传运算的最初迭代时就在种群中占据主导地位,导致求解过程的过早收敛.实验结果表明,OTSGA最优阈值搜索方法不仅降低了运算开销,而且获得了满意的图像分割效果.     

基于贪心策略的混合遗传算法在TSP中的实现

由于标准遗传算法初始种群是随机产生的,可能导致算法的收敛速度较低,并陷入局部最优解.为了解决这一问题,提出了一种改进的遗传算法.改进后的遗传算法先用贪心算法产生初始种群,使算法能够更快地达到最优解.选择操作时采用竞标赛方法,在每代进化结束后立即采取了末尾淘汰机制,从而使适应度高的个体被选中的概率增大.并用模拟退火算法改善其局部搜索,通过仿真实验可以看到,提出的邻近倒位变异以及新的非零递减自适应函数可以进一步提高算法的运行效率.     

利用混沌引导种群进化的多维实数编码遗传算法

提出了一种新的混合遗传算法,它对优化对象进行多维实数编码,利用混沌引导种群进化,仿真结果表明,该算法不公能在生意境遇人搜索到高精度的全局最优解,而且具有良好的稳定性。     

有效性目标下的车辆最优维护周期

为准确确定有效性目标下的车辆最优维护周期,基于更新理论中的更新函数以及优化概念,分别建立了以有效度最大和以单位时间内总停驶时间最少为目标的2个最优维护周期数学模型。利用78辆某型商用车多年记录的运行故障数据和维修费用数据,进行了故障分布的参数估计和假设检验,在置信度大于0.95的前提下,确认车辆运行故障服从Weibull分布,并由所建模型解得车辆的最优维护周期里程为15617km。验证性分组试验结果表明:当二级维护周期取15122km时,车辆的有效度达到最大值0.9551;维护周期模型解与分组试验最优周期里程的相对误差仅为3.27%,模型的解准确可靠,符合实际。综合模型研究和实车验证性试验结果,最终认定有效度最大目标意义下的车辆最优二级维护周期为15000km。     

单稳格动力系统在周期介质中的行波解的渐近行为

行波解是格动力系统的一种稳态解,通常决定着相应Cauchy问题的长时间渐近行为,揭示了格动力系统所包含的许多特性,如唯一性、稳定性等.而在考虑格动力系统的唯一性和稳定性时,通常需要了解其行波解的渐近行为.通过构造合适的上、下解,并结合系统所满足的比较原理,证明单稳型格动力系统在周期介质中的行波解的渐近行为.     

�����Ŵ��㷨�Ż���·����·��

公路运输路径问题已被证明是高维非线性完全问题,实际中还会增加非流通图约束,使求解更复杂,研究价值较高.鉴于传统遗传算法在求解过程中容易出现早熟收敛、冗余迭代的缺陷,在初始种群生成、交叉变异及搜索操作方面提出改进,设计混沌遗传算法.采用遍历城市顺序的染色体编码,结合随机法与贪心法生成较优初始种群,避免出现大量非可行染色体,提高了后续的遗传效率.接着,执行优先保留交叉和平移变异操作,依次引入局部邻域搜索以及混沌搜索以加快算法收敛,还给出最优解的非连通公路约束满足判据.最后,实验结果验证了新算法的有效性,不但取得了较优解,而且子代种群离散程度较小,收敛性更好.     

基于免疫优化的单目标多模态期望值规划

为了求解未知随机变量分布下单目标多模态期望值规划,通过引入检测候选解是否为局部最优解的随机函数,将该期望值规划问题转化为多目标期望值规划问题,并进一步探寻问题的转化关系,获得在一定条件下有效解是最优解的结论;根据样本平均近似化思想,将多目标规划转化为非恒定样本采样的近似化模型,并基于克隆选择和免疫记忆的机理,通过设计递归非支配分层、样本自适应采样和自适应繁殖与变异方案,引导进化种群往优质个体所在区域转移,提出了求解该近似化模型的免疫优化算法.仿真结果表明:与参与比较的多目标优化算法相比,该算法搜索多个最优解方面有明显优势,搜索效果稳定,噪声抑制能力强;求解低、高维标准测试问题获得最优解的数量分别平均提高了20%和70%.