基于模拟退火多种群并行进化规划的柔性调度方法

运用基于模拟退火多多种群并行进化规划SAMPEP（Simulated Annealing Multigroup Parallel Evolutionary Programming),求解FMS（Flexible Manufacture System)中的柔性调度问题。伪真结果表明，该算法增强了EP（Evolutionary Programming)算法的全局收敛性，在多目标和复杂多约束条件下，得到了满意的全局最优解。     

基于两层编码的进化算法及其在控制混沌中的应用

针对RBF(Radial Basis Function)网特点,提出基于两层编码的进化算法来同时确定网络结构和参数.文中分别采用两种不同的遗传算法GA(Genetic Algorithm)和进化规划EP(Evolutionary Programming)训练网络.实验结果表明,基于这三种不同进化算法的RBF网络都能有效地控制混沌系统,其中EP的训练和控制结果最优.     

基于两层编码的进化算法及其在控制混沌中的应用

针对RBF（Radial Basis Function)网特点，提出基于两层编码的进化算法来同时确定网络结构和参数。文中分别采用两种不同的遗传算法GA（Genetic Algorithm）和进化规划EP（Evolutionary Programming）训练网络。实验结果表明，基于这三种不同进化算法的RBF网络都能有效地控制混沌系统，其中EP的训练和控制结果最优。     

风驱动优化算法

风驱动优化(wind driven optimization,WDO)算法是一种新兴的基于群体的迭代启发式全局优化算法.该算法是对物理学中大气运动的简单模拟,其概念清晰,高效易实现,且可调参数较少,鲁棒性强,寻优效率高,全局搜索能力较强,适用于解决多维和多模态问题,可以处理连续和离散优化问题.文中首先介绍了该算法的物理学基础,以及基本原理,并给出一些应用实例,最后对内容做出总结,并对该算法未来的研究提出了一些建议.     

基于多目标优化模型的港口多载AGV调度方法

集装箱自动导引车(Automated Guided Vehicle,以下简称AGV)是港口运输业智能化、自动化发展的关键装备.以集装箱码头布局及运输流程为基础,将AGV调度问题转化为多目标优化混合整数规划(Mixed Integer Linear Programming,以下简称MILP)模型,并通过CPLEX和遗传算...     

高效优化算法在船舶力学中的应用研究

作为一种贝叶斯优化算法,高效全局优化算法(EGO)利用克里格模型来构造近似模型,并采用样本填充准则以寻找下一个样本点来更新近似模型.文中详细介绍了该优化算法,并将其应用于船舶力学的两个典型优化例子.其中一个是潜艇的多学科概念设计,考虑了水动力、推进、重量、性能和成本5个学科;另外一个是屈曲状态下加筋板的优化问题.与传统优化相比,高效全局优化算法不仅收敛到全局最优解,而且更加有效.结果表明高效优化算法非常适用于船舶力学中的优化问题.     

基于量子行为粒子群算法的可测试性设计方法

将量子行为粒子群算法用于复杂电子设备测试点选取问题中.该算法以最少的测试点、测试代价和最大的故障隔离率、检测率为目标定义粒子适应度函数,保证了算法的全局最优性能.仿真结果表明,与其他算法相比,量子行为粒子群算法提高了测试点选取的效率,能较好的保证其算法全局最优性能,为粒子群算法的改进和多目标优化问题提供了新的思路.     

微分群体智能算法在船舶结构混合变量优化中的应用

船舶结构优化设计问题通常是一个包含混合变量的约束优化问题.常用的优化方法是采用遗传算法结合惩罚函数法,但遗传算法的人工参数多,算法复杂,惩罚因子选取困难.该文中把适合约束优化问题的微分群体算法DS(Differential Swarm)进行了改进并用于混合变量的结构优化问题中,对多个工程实例的计算表明,新算法的结果好于已知文献中的最好结果,并得到了以往未发现的新解.DS算法参数少,算法表达简单,全局优化能力强,精度高,在工程中有较大应用前景.     

一种基于克隆选择的量子遗传函数优化算法

为了解决量子遗传算法(QGA)用于连续多峰函数优化易陷入局部极值的问题,将免疫学中的克隆选择算法的概念和原理引入到量子遗传算法中,提出了一种新型的进化算法——基于克隆选择的量子遗传函数优化算法.该算法通过克隆选择、高斯变异以及量子旋转门等操作对可行解进行搜索,提高了算法在解决函数优化问题的全局寻优能力。典型函数的测试结果表明该算法优于传统的QGA和一些遗传算法。     

基于免疫机制的改进粒子群优化算法研究

针对粒子群优化(PSO)算法容易陷入局部极值的不足,引入免疫机制对PSO算法进行优化,实现全局搜索。通过免疫机制的应用,根据亲和度的高低进行粒子克隆、选择、淘汰和高频变异,增强了算法全局搜索的能力,提高了收敛速度和精度。实验表明,改进后的算法完成全局搜索所需的迭代次数明显少于PSO算法,具有优良的自适应调整性能。