基于改进多目标差分进化算法的城轨列车速度曲线优化

城轨列车速度曲线研究对于优化列车运行过程具有重要的作用。为得到更好的城轨列车速度曲线优化效果，本文针对列车运行准时性、运行能耗和舒适度3个目标，提出一种基于改进多目标差分进化算法的速度曲线优化方法。首先，建立城轨列车运行过程的多目标优化模型；然后，通过采用精英镜像初始化策略、引入参数自适应和多变异策略，提升多目标差分进化（MODE）算法的性能，并通过与其他6种对比算法在ZDT系列测试函数上所得的反世代距离评价指标（IGD）值进行比较，验证了所提算法的优越性；最后，结合南昌地铁一号线某区间真实线路数据进行仿真。结果表明，改进的MODE算法（IMODE）相较于对比算法在综合性能方面具有一定优势，同时在列车节能优化问题中具有较强的实用性。     

基于改进粒子群算法的工程项目综合优化

为解决现有粒子群优化算法进化过程中"早熟"的问题,提出了一种改进的粒子群优化算法HSPSO.算法采用多子群分层策略,以提高收敛速度和优化精度.为求解工程项目的综合优化问题,建立了工期-成本-质量的数学优化模型和多目标优化模型.通过实例对标准粒子群优化算法(SPSO)和差分进化(DE)算法进行了比较,并采用HSPSO算法进行多目标优化.最后,用枚举法验证了模型的合理性和算法的有效性.与已有研究相比,HSPSO算法能在种群规模较小(20个粒子)的情况下,快速找到满意的解(平均迭代次数不超过20次).     

基于多目标进化算法的公路路线优化模型

根据公路设计特点,提出建立路线多目标优化模型以提高公路路线计算机辅助设计水平和层次的思想,将其定位在为路线交互设计提供一组协调各设计目标关系的初始方案,降低了优化难度,提高了优化模型的实用性.建立了基于多目标优化算法NSGA-II的路线优化模型,从理论上解决了模型建立过程中遗传编码、目标函数确定、遗传算子设计以及进化算法实现等关键技术问题.在GIS的支持下,对模型进行了验证,证明该模型能迅速获得一组满足路线设计要求的多目标协调路线方案,算法具有可靠性和实用性.     

融合支持向量机与多目标进化算法的质量管理研究

提出一套支持向量机和多目标进化算法的融合建模技术（SVM-EMO）以及计算框架,并采用差分进化算法（DE）选择支持向量机参数,并将SVM-EMO应用于一个钢铁企业产品质量管理实例,与人工神经网络的建模结果相比,所提框架结果拟合误差更小,精度更高,能够更好地解决质量管理研究中的多目标非线性优化问题．最后根据模型求解结果,给出了相应的生产建议．     

求解约束优化问题的动态目标迁移差分进化算法

针对约束优化问题的特点,给出一种改进差分进化算法.将差分进化算法做了适当修正,在初始化中加入迁移操作,依据违反约束度函数和原目标函数进行选择操作,当个体的违反约束度在容忍度以外时,通过违反约束度函数更新个体,当个体的违反约束度在容忍度以内时,通过原目标函数更新个体,实验研究结果表明该算法能有效求解约束优化问题.     

域约束优化问题的普适免疫进化算法

在免疫进化算法的基础上，针对域约束优化问题，提出了一种普适算法．通过区间变换，该算法在保证所产生的个体分量均能满足相应的区间约束的同时，消除了参数设置的随意性，不仅提高了计算效率，而且增强了算法的统一性，克服了其它进化算法采用罚函数处理域约束问题的不足．多峰函数优化和遗传算法欺骗问题的测试结果表明：与采用罚函数处理域约束问题的免疫进化算法相比，普适算法不仅易于编程，而且能以更快的速度稳健地收敛到全局最优解．     

基于下降搜索的量子进化算法

为了提高全局寻优能力和收敛速度，基于量子进化算法和混合遗传算法，提出了一种新的进化算法．该算法将下降搜索理论应用到量子进化算法中，改进了量子进化算法仅靠量子门进行迭代的作用，从而加快了收敛速度，并降低了个体在进化时产生退化的可能性．典型函数的仿真实验结果表明，该算法具有好的全局性和收敛性．     

基于差分进化算法的平面四杆机构轨迹和速度双目标优化综合

提出了用差分进化算法实现平面四杆机构轨迹和速度双目标优化综合,以位置误差最小和速度值误差最小为双目标函数,并把原动件的角速度也作为设计变量之一．差分进化算法简单易执行,结合实际问题对算法的变异操作、选择操作和控制参数做出了改进,并分别对不同的轨迹和速度情况进行了计算求解,结果证明了算法的可行性、有效性及全局寻优能力．     

公路网布局的多目标优化模型

针对现有公路网布局优化模型的目标函数过于偏重机动性的缺点,在公路网布局优化模型中引入了可达性的概念,建立了多目标双层优化模型.上层考虑建设资金的约束,以公路网可达性最大和交通负荷度最小为目标函数;下层与传统的4阶段交通规划模型相结合,采用用户均衡配流模型.为了反映上层模型的两个目标函数之间的trade-off关系,设计了基于Pareto最优的求解算法,并采用进化算法实现.文中提出的方法在北部湾区域公路网布局规划中得以运用.     

一种新的双种群PSO-DE混合算法

给出一种新的粒子群算法和差分进化算法相结合的混合算法.该算法基于一种双种群进化策略,其中一个种群由粒子群算法进化,另一种群由差分进化算法进化.此外,采用一种信息分享机制,在算法的进化过程中2个种群中的个体可以实现协同进化.为了进一步提高混合算法的性能,在差分进化算法中融入一种线性递减加权策略的变异操作和指数递增交叉概率算子.通过4个标准测试函数的测试结果表明文中提出的混合算法是一种收敛速度快、求解精度高、鲁棒性较强的全局优化算法.