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.     

引入个体相异度阀值函数的新自适应遗传算法

提出了一种引入个体相异度阀值函数的新自适应遗传算法,该算法根据个体的相异性,给出了个体相异度的概念和相应的计算公式,并设计了一个与进化代数相关的阀值函数,以实现选择性交叉和变异．同时为了克服传统自适应遗传算法在进化过程中停滞不前的缺点,该算法引入非线性函数作为自适应交叉率和变异率计算公式．最后,针对典型车间调度问题,分别对改进算法和其他优化算法的计算结果进行了比较,结果表明新算法更有效．     

引入个体相异度阀值函数的新自适应遗传算法

提出了一种引入个体相异度阀值函数的新自适应遗传算法,该算法根据个体的相异性,给出了个体相异度的概念和相应的计算公式,并设计了一个与进化代数相关的阀值函数,以实现选择性交叉和变异.同时为了克服传统自适应遗传算法在进化过程中停滞不前的缺点,该算法引入非线性函数作为自适应交叉率和变异率计算公式.最后,针对典型车间调度问题,分别对改进算法和其他优化算法的计算结果进行了比较,结果表明新算法更有效.     

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．     

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.     

一种渐变概率选择操作的实数编码量子进化算法

为进一步提高实数编码量子进化算法在进化过程中的种群多样性以及在高维复杂函数优化上的全局收敛性,参照模拟退火算法的特点,提出了一种渐变选择概率的实数编码量子进化算法,该方法通过在进化过程中逐步提高更好解的选择概率,在进化计算初期保持种群的多样性,能较为全面地对解空间进行搜索,而在进化末期,选择概率逐渐提高到1,只接受更好的解而保证算法稳定的收敛。仿真实验结果表明,该算法能有效避免早熟和局部极值问题,具有更快的收敛速度和更高的求解精度。     

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．     

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.      

HCO-ADE求解单点交叉口信号配时问题

为克服信号配时问题求解中单一约束优化方法的局限性,提出混合约束优化自适应差分进化算法(HCO-ADE)。以交叉口通行效率为目标建立信号配时优化模型,依据模型中约束条件被满足程度,采用外罚函数法和可行性准则法相结合的混合约束优化策略(HCOS)对约束条件进行处理,并提出饱和度偏好准则作为自适应差分进化算法(ADE)的选择策略,构建HCO-ADE。最后,以哈尔滨市四相位交叉口高峰时段5 min采集标段交通量数据为例,验证HCO-ADE。结果表明：提出的信号配时问题求解方法可行、有效,优于基于饱和度区间可能度的罚函数约束优化自适应差分进化算法(PFCO-ADE),所得信号配时方案较实测方案平均延误减少3.32%,通行能力提高2.16%,能够更好地提高信号配时方案稳定性。     

一种改进惯性权重的混沌粒子群优化算法

为解决粒子群算法(particle swarm optimization, PSO)在求解多维复杂问题时易陷入局部最优的问题,提出了一种改进惯性权重的混沌粒子群优化算法,算法中利用Sigmoid函数构造惯性权重的进化曲线,进化过程中利用Logistic混沌变换和群体适应度方差来实时调整惯性权重的值,防止陷入局部最优.最后选用6个基准测试函数对该算法进行性能测试,仿真结果表明该算法能够有效避免PSO算法的早熟收敛问题,得到较高精度的解.     

基于GIS考虑居民满意度的垃圾车路径优化分析

为提高居民对于垃圾收运的满意度,降低收运成本,设计带有精英选择策略的非支配排序遗传算法(NSGAⅡ算法)对垃圾收运路径进行优化.首先,在考虑工作时间、车容量等约束情况下,引入居民不满意度的模糊隶属度函数来描述垃圾收运车辆的服务水平,建立成本最小、满意度最大的垃圾车收运路径多目标优化数学模型;其次,依据NSGAⅡ算法的基...     

基于改进差分变邻域算法的多行程车辆路径问题的研究

针对多行程车辆路径问题,先后通过标准差分进化-编码与解码-适应度计算-变邻域局部搜索过程找到最优方案,构建了一种改进差分变邻域搜索算法。该算法采用了基于轮盘赌的编码与解码方法,克服了标准差分进化算法无法适用于离散问题的缺点;同时,利用变邻域优化技术进一步强化标准差分进化算法的深度开发能力与优化性能。最后采用MATLAB中的随机函数进行仿真结果对比,验证了该算法在求解多行程车辆路径问题方面的优越性。     

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．     

空间刚架图论分析与综合

本文应用图论概念和网络理论,对空间刚架进行了网络分析和灵敏度分析;描述了综合的模型并建立了目标函数,论述了惩罚函数和对偶定理相结合的乘子方法;给出了在等截面杆元和等强度约束情况下具有数值例子的算法。     

双相介质物理参数反演的进化策略方法

由于物理参数反演问题在很大程度上取决于计算方法的稳定性和收敛性，而进化计算方法目前已在一些有关优化计算中得到较为广泛的应用，并证明该方法行之有效，本文先从理论上分析了有进化策略这种进化计算方法来进行Biot对相介质参数反演的可行性，并采用进化策略方法对一维Biot双相介质模型的地层物性参数进行反演计算，文中给出的数值算例验证了这种进化算法进行了参数反演的可行性和稳定性。     

基于混合进化策略算法的并行多机调度问题研究

描述了一类带工艺约束的并行多机调度问题，其工艺约束的特点在于工件的加工需要多种不同类型机器同时协同工作来完成，为求解此类调度问题，采用进化策略与局部搜索相结合的混合算法，提出一种工件加工的机器动态调度策略，寻求生产调度完工时间和机器负荷均衡的优化。     

基于改进差分进化算法的出租车合乘问题研究

在现有出租车合乘问题研究基础上,考虑乘客模糊时间窗、合乘意愿等因素,建立 更符合实际的多对多合乘模型,并使用改进的差分进化算法进行求解.该算法设计了一种分段 实数编码方案、基于个体排序的缩放因子F 与交叉概率CR及混合轮盘赌的半贪婪选择策略. 仿真结果表明：所提算法的求解效果优于传统差分进化算法与遗传算法,是解决该类问题的 有效方法;与非合乘模式相比,所建模型成本减少、服务乘客数增加,模型合理有效;同时分析 了模糊时间窗、合乘意愿2个因素对模型求解结果的影响.     

求解车辆路径问题的改进混合遗传算法

针对车辆路径问题提出一种新的混合遗传算法。在遗传各个阶段引入不同交叉、变异策略的扩大对解空间搜索,提高遗传算法的寻优能力,避免单一交叉、变异策略的遗传算法"早熟"收敛。在进化后期对个体进行低温退火,提高遗传算法的求解精度。通过对国际标准测试数据的仿真,表明该算法是有效的。     

考虑旅客选择行为的高铁席位动态控制策略

利用基于选择行为的网络收益管理原理研究高铁席位动态控制策略.首先,针对多列车多停站的高铁网络建立考虑旅客选择行为的席位控制动态规划模型.然后,设计两阶段控制机制：第一,采用近似动态规划技术,对价值函数进行线性近似,设计策略迭代算法离线获得时间依赖的投标价格;第二,采用能够描述多种选择行为机理的马尔科夫链选择模型刻画旅客选择行为,将投标价格作为输入参数,在线运行品类优化算法获得实时控制策略.最后以京沪高铁为背景设计仿真实验,结果表明该机制在需求水平较低时能够明显改善收益,且保护长途票额.该机制不仅可获得实时动态控制策略,而且通用性好,还可利用历史数据进行参数学习与更新,实现更为精细地连续优化.     

多目标模糊优化问题的神经网络解法

基于函数联接神经网络，提出了一种解决工程结构多目标模糊优化问题的新算法。该算法以设计人员对目标函数值的满意程度作学习样本，采用神经网络取代传统的隶属度函数，从而较好地解决了隶属函数的描述问题。在解决多目标模糊优化问题中，该算法较传统算法具有更大的灵活性。