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。     

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.     

二层线性规划问题

罚函数方法是数学规划中一种常见且有效的求解方法。用罚函数原理,把二层线性规划（BLP）下层问题的对偶间隙作为惩罚项,将BLP转化为带罚函数子项的有限个线性规划问题。由于BLP的全局最优解可在约束域S的极点上找到,利用线性规划对偶理论,给出了一种求解该二层线性规划的罚函数算法。     

随机交通网络最小期望-均方差路径问题罚函数解法

为了反映交通网络中考虑可靠性的路径选择行为,基于数学规划理论建立随机交通网络环境下最优路径问题的数学模型并构造罚函数法求解该约束优化问题。首先,在路径目标函数中加入了均方差以反映路径的可靠性,建立随机网络环境下最小期望-均方差路径问题的数学规划模型;其次,引入罚函数和罚因子,把非线性约束优化问题转换为无约束优化问题;第三,构造拟牛顿法求解无约束优化问题,最终获得原问题的精确解;最后,针对实际交通网络开展了数值实验并对数值结果进行了分析。数值结果表明:提出的算法是能获得最优路径的精确解。     

免疫进化算法

研究现有进化算法的优越性与存在不足的基础上，受生物免疫原理的启发，提出了一种新的算法－－免疫进化算法。该新算法作为一种全局优化算法，以父代最优个体为基础来产生子代群体，并以最优个体的收敛来代替群体的收敛，在寻优过程中，该新算法还把确定性的和随机性的搜索有效地结合在一起，提高了收敛速度，通过马尔可夫链的分析，证明它是全局收敛的。测试表明，免疫进化算法不仅参数设置简单，而且可以提高收敛速度。     

一类免疫优化算法及其应用

根据生物免疫系统机理推导出一类数学优化结构模型的免疫算法。此算法结合遗传算法的进化操作和生物免疫中的浓度机制，通过抗体的期望繁殖率实现对抗体的促进和抑制，改善未成熟收敛。该算法用于求解Rosenbrock函数，并且与遗传算法进行了比较，结果表明，该免疫算法不仅收敛，而且具有较高的全局和局部搜索能力和收敛速度。     

角接触球轴承的罚函数粒子群算法优化设计

为了提高角接触球轴承的性能,以双列角接触球轴承的额定动载荷和额定静载荷最大为优化目标建立了双列角接触球轴承结构的多目标优化模型.针对普通粒子群算法易于陷入局部最优的缺陷和不能有效解决带约束条件的优化问题,基于标准粒子群算法,在目标函数中加入惩罚项,将带约束条件的优化问题转变成无约束优化问题.最后以3210角接触球轴承为算例,通过提出的罚函数粒子群算法对其进行了优化设计,经优化后,轴承动、静载荷额定值各自提高了66.46％和70.60％.结果表明,采用罚函数粒子群算法能较好的提高角接触球轴承的性能.     

电力系统动态环境经济调度模型研究

电力系统动态环境经济调度在节能减排中具有举足轻重的地位,以经济成本和环境成本最小为优化目标建立模型,其经济成本计及了常规火电机组阀点效应引起的能耗成本。在等式约束条件中考虑了网损,采用解方程的方法来处理模型中复杂的约束关系。针对微分进化算法多样性低导致的早熟问题,采用改进型微分进化算法求解模型,并在保证原有计算精度的前提下,利用Matlab并行计算的能力增强微分进化算法,提高算法的计算效率。经典10机组系统算例仿真结果表明,与传统微分进化算法相比,改进后的微分进化算法不仅具有更佳的全局搜索能力,还可以为决策者提供更快、更优的选择。     

兼顾公平与效率的入口匝道协调控制

为解决高速公路匝道控制片面追求控制效率而忽略交通公平性的问题,提出一种兼顾公平与效益的入口匝道协调控制策略.定义排队延误基尼系数,有效刻画匝道控制的公平性.基于宏观交通流模型,构建双目标优化模型,优化目标包含反映控制效率的总旅行时间和反映公平性的基尼系数.改进差分演化算法的约束惩罚和罚函数构造方法,使差分演化算法能适于约束多目标优化问题的求解.应用研究表明,改进差分演化方法能获取Pareto最优解,决策者可根据个人喜好选择满意解.     

一类完全型区间线性规划的求解

在现有研究的基础上，定义了一类完全型的区间线性规划，其目标系数和约束系数均可为区间数，约束条件可包括等式和不等式类型．给出了一种反映决策者满意度的区间数序关系，基于此将区间不等式约束转化为确定型约束．讨论了区间等式约束的含义并将其化为确定型不等式约束，分析了含有区间数的目标函数并将其转化为一个确定性目标函数．在此基础上，将区间线性规划转化为确定型线性规划并进行求解．最后，给出一个算例．     

Application of particle swarm algorithm in the optimal allocation of regional water resources based on immune evolutionary algorithm

The optimal allocation model of regional water resources is built with the purpose of maximizing the comprehensive economic,social and environmental benefits of regional water consumption.In order to solve the problems that easily appear during the model solution of regional water resource optimal allocation with multiple water sources,multiple users and multiple objectives like＂curse of dimensionality＂or sinking into local optimum,this paper proposes a particle swarm optimization（PSO）algorithm based on immune evolutionary algorithm（IEA）.This algorithm introduces immunology principle into particle swarm algorithm.Its immune memorizing and self-adjusting mechanism is utilized to keep the particles in the fitness level at a certain concentration and guarantee the diversity of population.Also,the global search characteristics of IEA and the local search capacity of particle swarm algorithm have been fully utilized to overcome the dependence of PSO on initial swarm and the deficiency of vulnerability to local optimum.After applying this model to the allocation of water resources in Zhoukou,we obtain the scheme for optimization allocation of water resources in the planning level years,i.e.2015and 2025 under the guarantee rate of 50%.The calculation results indicate that the application of this algorithm to solve the issue of optimal allocation of regional water resources is reliable and reasonable.Thus it ofers a new idea for solving the issue of optimal allocation of water resources.     

集装箱船舶贝内配载和堆场装船顺序协调优化

针对集装箱船舶贝内配载和堆场装船顺序协调优化问题，以堆场贝位和船舶贝位翻箱次数之和最小为优化目标，考虑堆场装船要求和船舶适航性等多种约束条件，建立数学模型. 鉴于问题的NP特性，提出混合演化策略算法(HES)求解模型，设计二维实数编码，提出基于力矩平衡和逐列装载的解码方法. 基于三点交叉互换的重组算子，单点突变的变异算子和互换的局部搜索策略对算法进行改进. 通过计算证明，对不同规模算例，HES算法均能求解出较优的贝内配载方案和堆场装船顺序.HES 算法与传统演化策略算法(ES)、粒子群算法 (PSO)、基于规则的启发式算法(HA-MBSCC)进行对比，进一步验证了算法的优越性.     

集装箱船舶贝内配载和堆场装船顺序协调优化

针对集装箱船舶贝内配载和堆场装船顺序协调优化问题，以堆场贝位和船舶贝位翻箱次数之和最小为优化目标，考虑堆场装船要求和船舶适航性等多种约束条件，建立数学模型. 鉴于问题的NP特性，提出混合演化策略算法(HES)求解模型，设计二维实数编码，提出基于力矩平衡和逐列装载的解码方法. 基于三点交叉互换的重组算子，单点突变的变异算子和互换的局部搜索策略对算法进行改进. 通过计算证明，对不同规模算例，HES算法均能求解出较优的贝内配载方案和堆场装船顺序.HES 算法与传统演化策略算法(ES)、粒子群算法 (PSO)、基于规则的启发式算法(HA-MBSCC)进行对比，进一步验证了算法的优越性.     

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。     

基于启发性规则及关键路径调整的柔性作业调度优化算法

为克服传统进化算法求解较大型柔性作业调度问题计算时间长和结果不稳定的缺点,提出了一种启发性规则求解方法.该方法用一个启发性规则产生初始调度解,再利用一些启发式规则对初始调度过程中的关键工件及关键工序进行搜索,并对关键路径进行优化调整得到较优解,通过比较得到柔性调度问题的优化调度解.用本文方法对典型柔性调度问题进行求解,并与其他算法的求解结果进行比较,对于15×10问题,采用本文方法的计算结果与混合基因算法相同,计算时间为3.2 s,减少了42%;对于23×10及25×10的较大型问题,表明启发性规则的引入能提高求解效率,与传统进化算法相比,更适合求解较复杂的柔性作业调度问题.     

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.     

基于三参数区间泛灰数的技术站能力表示与估计方法

铁路技术站能力是衡量其运输生产效能的重要指标,为了体现能力的伸缩性并提高能力测定的精度,分析了三参数区间与泛灰数应用于能力表示的适用性,通过三参数区间保证能力上下界的取值范围,引入泛灰数来降低能力运算可能带来的区间扩张,并根据作业系统的状态界定了收缩、平衡和松弛3种能力. 通过多种区间估计方法的比对,采用JAB （Jackknife-after-Bootstrap）区间估计方法对铁路技术站能力的伸缩范围进行测定. 郑州北编组站的实例分析表明:相较于原有的能力定值表示方法,基于三参数区间泛灰数的能力表示与估计方法测定的区间宽度更小,区间位置更加精确,当置信水平为95%时,置信区间为[9.6933,10.2043],区间宽度为0.511;当置信水平为90%时,置信区间为[9.7358,10.1653],区间宽度为0.429;郑州北站通过能力的收缩度为0.99,松弛度为1.01,改编能力的收缩度为0.94,松弛度为1.07,说明能力测定结果呈现一定的松弛和收缩现象.      

基于进化规划的BP神经网络学习

通过对将传统的BP算法和遗传算法应用到BP神经网络的学习的研究和分析,指出它们存在的缺陷。提出一个改进的进化规划算法,并将其应用于BP神经网络的权值优化。取XOR问题和4奇偶性问题的实验对传统的进化规划算法和改进的进化规划算法进行实验对比。实验结果表明,本文中提出的改进的进化规划算法优于前2个算法。     

基于云模型的自学习进化算法

结合进化论和遗传理论的最新进展,提出基于学习算子的自学习进化算法;并将正态云模型引入进化过程中,提出云学习算子和基于云学习算子的自学习进化算法．最后的仿真实验表明,该算法具有精度高、收敛速度快等优点,能在很大程度上解决了现存进化算法的低效问题．     

考虑时空相异的危险品运输车辆安全调度

为确保危险品运输车辆间的安全距离, 从时空角度优化了危险品运输车辆的行驶路径和发车时间间隔; 分析了危险品运输车辆发生事故对其他车辆的影响及其与时空距离的关系, 提出了危险品运输车辆间时空安全距离评价方法, 并以时空安全距离为约束, 提出了车辆安全出发时间间隔计算方法; 建立了满足时空相异约束的危险品运输车辆调度模型, 设计了用于生成车辆调度时刻表的两阶段求解方法, 第1阶段采用NSGA-Ⅱ算法优化车辆行驶路径, 第2阶段分别设计了遗传算法和基于插入思想的近似算法以优化发车时间间隔; 为了验证车辆调度模型与算法的有效性, 对比了每个阶段中不同算法的优劣, 并分析了危险品事故影响系数和事故影响接受度对车辆调度结果的影响。研究结果表明: 提出的方法可针对不同危险品事故影响系数获得危险品运输车辆调度时刻表, 生成的车辆调度时刻能够保证车辆在行驶过程中始终保持安全距离; 遗传算法和近似算法获得的平均运输总时间分别为2.45和2.49 h, 表明近似算法获得的解劣于遗传算法, 但运行时间仅为遗传算法的1/10 000~1/5 000;危险品事故影响系数或事故影响接受度越小时, 车辆发车时间间隔越大, 导致运输总时间变长; 考虑时空相异性的车辆调度可以弥补相异路径方法仅从空间上考虑相异性的不足, 同时能够避免采用相异路径方法可能遗漏最佳运输路径的问题。