非线性方程组求解的新方法

提出了一种求解非线性方程组的方法.将非线性方程组的求解问题转化为最优化问题,对经典BFGS变尺度法进行改进:采用高精度通用数值算法求解函数梯度,采用新的数值解析法进行一维探索,进而有效地提高了BFGS变尺度法的效率和程序通用性;对遗传算法进行了改进.将改进的BFGS变尺度法与改进的遗传算法进行混合杂交,得到一种全局优化算法,数值测试表明该算法是可靠的.     

细菌觅食机制粒子群优化算法

针对基本粒子群优化算法易陷入局部极值的缺陷,提出了一种细菌觅食机制粒子群优化算法.其基本思想是在粒子群优化算法中引入细菌觅食行为机制,提高PSO算法跳出局部极值的能力,借以改善PSO算法的寻优性能.采用标准测试函数的实验结果表明,该算法在收敛速度和求解精度方面均有显著改进.     

基于改进同伦算法的非线性最小二乘平差

为了寻求一种更有效的非线性最小二乘平差算法,根据同伦思想提出了一种改进的同伦算法．该算法直接从非线性方程入手,将非线性最小二乘平差准则转化为同伦最小二乘平差准则;根据最优化问题的极值条件,将同伦最小二乘平差准则转化为求解非线性方程组的不动点同伦问题;在Li-Yorke算法的基础上,对切向量及步长求解进行改进,并用于求解微分方程初值问题,进而跟踪同伦曲线．对改进同伦算法的收敛性进行了分析,并采用Matlab语言编程进行了试验．结果表明,较之牛顿迭代法和Li-Yorke算法,改进同伦算法是一种结果稳定、精度较高、速度较快和收敛域扩大的整体收敛方法．     

基于邻域极值数的协同粒子群优化算法

提出了一种基于邻域极值数的协同粒子群优化算法。该算法将种群分为若干个独立进化的子种群。根据邻域极值数确定各子种群的生存状态。根据子种群的生存状态对子种群实施相应的控制操作,提高子种群的搜索能力,实现子种群之间的信息共享,共同进化。测试结果表明基于邻域极值数的协同粒子群优化算法是一种高效稳健的全局优化算法。     

改进的遗传算法在非线性方程组求解中的应用

将非线性方程组的求解问题转化为函数优化问题,利用遗传算法适应值的分布和二进制编码的特点,通过缩小、移动搜索空间的方法,求得非线性方程组的高精度的解．同时,数值模拟表明改进后的算法的提高了遗传算法在演化后期的局部寻优能力。     

RES脉内特征的差分进化粒子群投影寻踪评价模型

针对雷达辐射源信号脉内特征综合评估存在标准单一、缺乏客观性等问题,提出了基于群体智能的雷达辐射源信号脉内特征综合评估模型.首先,通过投影寻踪算法将雷达辐射源信号脉内特征的综合评估问题转化为有条件限制的多元非线性目标函数的优化问题;其次,通过改进的粒子群优化算法与差分进化算法的结合得到新的智能算法;最后,利用该算法实现多元非线性目标函数的优化求解.仿真结果表明:该群体智能算法对Rosenbrock测试函数的最优适应度值最小,对Rastrigrin函数和Girewank测试函数的最优适应度值为0,说明该算法的计算精度优于其他算法.同时适应度值的方差比标准粒子群算法和差分进化算法小,说明该算法的收敛性和鲁棒性较好.通过与加速遗传算法对评估问题目标函数5次优化结果的比较,本算法的计算结果没有波动,说明基于群体智能的RES脉内特征综合评估模型能够更客观、更有效地实现对RES脉内特征的综合评估.      

基于免疫粒子群优化算法的多约束路由选择算法

受生物体免疫系统免疫机制的启发,把免疫系统的免疫信息处理机制引入到粒子群优化算法中,设计了一个基于免疫粒子群优化算法的路由选择算法。这种免疫粒子群优化算法结合了粒子群优化算法具有的全局寻优能力和免疫系统的免疫信息处理机制,实现简单,改善了粒子群优化算法摆脱局部极值点的能力,提高了算法进化过程中的收敛速度和精度。     

遗传算法优化的模糊神经网络在故障诊断中的应用

本文针对船舶柴油机故障诊断系统提出了一种基于遗传算法优化训练的模糊神经网络诊断方法,介绍了这种模糊神经网络故障诊断系统的结构及其参数形式,通过遗传优化算法对它的权值和阈值进行了学习优化训练。这种方法可以有效地避免通常所选BP算法训练易陷于局部极值的问题,最后将该遗传算法优化训练的模糊神经网络系统应用到船舶柴油机的故障诊断中,通过仿真研究,说明了该方法的有效性。     

基于改进灰狼算法优化BP 神经网络的短时交通流预测模型

准确的短时交通流预测是交通控制和交通诱导的依据. 提出一种基于改进灰狼算法(TGWO)优化BP 神经网络的短时交通流预测模型(TGWO-BP),有效提高短时交通流预测精度. 针对标准灰狼算法(GWO)收敛速度慢,容易陷入局部极值的问题,提出一种自适应递减的收敛因子,使灰狼算法区分全局搜索和局部搜索;改进灰狼个体的位置更新公式,引入惯性权重,调节惯性权重大小使灰狼算法具有跳出局部极值的能力;对比分析TGWO-BP、GWOBP 、PSO-BP、BP这4 种短时交通流预测模型,结果显示,TGWO-BP的短时交通流预测模型误差为10.03%,达到较好的预测精度.     

自组网中基于能量约束的QoS多播路由优化算法

在分析基于能量优化多播路由算法的基础上,提出了一种QoS多播路由的网络模型,并在网络模型的基础上,结合能量模型、极值元素组合和改进的遗传算法提出了一种基于能量的QoS多播路由优化算法EQMROA.仿真结果表明此算法是可行和有效的.它为移动Ad Hoc 网络QoS多播路由技术提供了一种新的有效途径.     

基于粒子群和蚁群算法的边界层微分方程求解

沿竖壁自然对流边界层微分方程组速度和温度均耦合,在打靶法中应用Newton求根的方法解对应的相似性微分方程组时对初值选择要求较高,在根值附近收敛变慢.将微分方程边值问题转化为初值问题求解的打靶过程可看作优化设计问题,用优化设计算法求解.将基于生物群信息传递规则和觅食规则提出的粒子群算法和蚁群算法应用到打靶法的求解过程中,并与其它优化算法计算结果进行了比较.结果表明,粒子群算法和蚁群算法用于沿变壁温竖壁自然对流层流边界层微分方程求解是可行的,计算过程稳定,对初值选择不敏感.     

具有粒子群特征的并行蚁群算法在输电网络规划中的应用

输电网络规划是一个复杂的多变量非线性整数规划问题,针对蚁群算法计算时间长、易陷入局部最优解等问题,本文提出一种新的具有粒子群特征的并行蚁群算法,并应用于输电网络规划.实验结果证明了该算法在输电网络规划优化中应用的可行性和有效性.     

城市交通信号配时的免疫算法

城市交通信号的在线控制可以归结为复杂动态环境下的优化问题,因此其配时算法要求具有快速的环境适应能力.生物免疫系统面对复杂的外部环境能够快速产生抗体,在变化的环境中体现出强大的优化能力和自适应能力.借鉴免疫机理提出的免疫算法在用于求解复杂动态环境下优化问题时能够取得较好效果.本文将免疫算法用于城市交通信号配时的在线优化控制,仿真结果表明该算法能够获得较好交通流实时控制效果.     

发动机匹配优化算法的研究

依据优化标定方法,设计了基于发动机排放控制的优化方案,并建立了以发动机经济性为目标,排放性作为约束的优化数学模型．对适用于该数学模型的信赖域法、模式搜索算法、遗传算法等优化算法进行了论证．针对实际发动机排放优化问题对各种算法的优劣进行了比较,并在此基础上提出了组合算法的思想．优化结果表明,组合算法全局搜索性和优化结果良好,且计算时间、计算量等较单一优化算法时均有显著改善．     

基于多目标优化的病态逆问题求解

针对科学和工程研究中的病态逆问题,提出了基于多目标优化的求解方法.该方法将各次观测所得问题方程组残差作为多目标,并进一步将该多目标转化为单一目标,通过遗传算法寻求问题最优解,从而利用多次观测的有效信息,达到稳定病态逆问题解的目的.数值算例表明,该方法在参数反演精度和抗噪方面,显著优于最小二乘法(LS);在中、低噪声水平上的相关性态优于Tikhonov正则化方法.     

基于模拟退火算法的物流配送路径优化问题分析

模拟退火算法是解决NP完全组合优化问题的有效近似算法,将该算法应用于路径优化问题中,利用该算法对类似货郎担问题的路径问题进行求解。针对城市道路行走不同的目标条件（路径最短、时问最短）进行优化,选择最佳行走路径,并用该算法优化得到的计算结果,结果表明该算法在解类似货郎担交通路径方面问题时具有较高的精确性。因而,该算法在解决城市道路交通问题方面具有一定的实用价值。     

基于粒子群优化算法的二阶系统解耦

从数值计算的角度出发研究了二阶系统的解耦问题,通过保持Lancaster结构将二阶系统的解耦问题转化为非线性约束的最优化求解问题.并利用粒子群优化算法求解此约束优化问题,直接给出非奇异的保结构解耦变换.利用Matlab编写程序实现此算法,数值实验结果表明在设定的迭代次数和精度内,此方法确实能实现原始系统的近似解耦.