均匀选点在全局优化中的应用

以常规优化方法为基础,把实验设计方法之一———均匀设计引入优化设计中,在对全局最优解不要求十分严格精确的情况下,能够方便快捷地近似求出各种性态复杂的多维多峰函数全局最优解.该法避免了优化设计中初始点选点的盲目性,当均匀选点个数足够多时,近似全局最优解能够无限接近全局最优解.给出了计算实例.     

均匀选点在全局优化中的应用

以常规优化方法为基础，把实验设计方法之——均匀设计引入优化设计中，在对全局最优解不要求十分严格精确的情况下，能够方便快捷地近似求出各种性态复杂的多维多峰函数全局最优解。该法避免了优化设计中初始点选点的盲目性，当均匀选点个数足够多时，近似全局最优解能够无限接近全局最优解。给出了计算实例。     

解TSP的有序遗传算法

根据生物进化原理，提出了一种求解ＴＳＰ的有序遗传算法。利用有序编码规则，通过有序交叉算子和有序变异算子的作用，保证该算法不仅能获得ＴＳＰ的有效解，而且能可靠地获得全局最优解。计算机模拟实验表明，该算法具有收敛速度快，易获得最优解等特点。     

基于遗传-神经网络的字符识别

设计并实现了一种基于遗传一神经网络的字符识别系统．遗传一神经网络算法综合了遗传算法的全局优化和神经网络的并行计算等特点，可克服遗传算法最终进化至最优解较慢和神经网络易陷入局部解的缺陷，具有较好的全局性和收敛速度．     

利用全局与局部单调性分析的优化设计技术

H.L.Li 和 P.Papalambros 于1984年提出一种在优化设计过程中引入人工智能的设计方法,构造一个产生式系统,用来求优化设计问题的全局最优解或者提高解为全局最优的可能性。本文在其基础上提出了一种利用全局与局部单调性分析的直接优化设计方法,用这一方法可以很容易地去掉更多的多余的子问题,简化问题的求解并进一步增加解为全局最优的可能性。此外,在一般情况下不需要求助于传统的优化技术就能直接求得问题的最优解。本文还给出了两个实际设计算例,显示出本方法的有效性。     

车辆路径问题的最大-最小蚁群算法研究

蚁群算法能很好地解决车辆路径问题,但算法搜索时间长,易出现停滞现象。通过对蚁群算法的改进和调整,构造出最大一最小蚁群算法,实例验证该算法能更快地收敛到全局最优解。     

基于多智能体局部寻优的粒子群优化算法

为了提高粒子群算法的收敛速度和全局寻优能力,用多智能体遗传算法对粒子群算法当前搜索到的全局极值进行局部寻优．用搜索到的更好的解在下一次迭代中引导粒子进行搜索从而获得更快的收敛速度和更好的全局收敛性。对函数优化和神经网络训练的仿真实验表明．此算法能更快的收敛到全局最优解。     

带有改编能力限制的编组计划优化模型及算法

本文用一个非线性０－１规模模型，来描述带有改编能力限制的技术直达列车编组计划问题。能力约束增加了该问题的计算难度。这是一个ＮＰＣ问题。因此，获得一个全局最优解是困难的。本文用模拟退火算法解该问题。该算法可以以很高的概率获得全局最优解。文末列出了两个数值例子，并分别同了考虑和不考虑改编能车约束两种情况下的计算结果。     

基于遗传算法的公路纵断面优化

提出了一种基于遗传算法的纵断面优化方法，这种方法可以在一个可行域中自动搜索一个最优或较优解。其基本思想是首先根据纵断面初始解建立一个可行域，通过编码建立染色体与实际设计变量之间的一一对应关系，然后对可行域中的可能解用一个评价函数(适应度)进行度量，利用遗传算法在可行域中选择最优解。实践表明：该方法具有全局解空间搜索能力，从而实现了全局寻优的目的，对道路优化设计是有效的，可行的。     

第Ⅰ类双边装配线平衡问题的改进蚁群算法

为克服传统算法求解大规模双边装配线平衡问题计算时间长、性能不稳定的缺陷,针对第Ⅰ类双边装配线平衡问题,应用综合信息素搜索规则与全局信息素更新规则,提出了一种先产生任务排列序列、后按启发式分配规则产生可行解的蚁群算法,可有效脱离陷入局部最优解.用改进蚁群算法对30个不同规模的问题进行求解,并与标准蚁群算法和禁忌搜索算法进行了对比.结果表明:改进蚁群算法求出29个最优解,比普通蚁群算法、禁忌搜索算法分别能多求得6个和3个最优解;应用于汽车双边装配线算例,在保持平衡效率的条件下,改进蚁群算法计算时间为21.01 s,比普通蚁群算法减少了9.14 s,计算效率提高了30.3%.      

求解带硬时间窗车辆路径问题的改进UMDA 算法

针对带硬时间窗的车辆路径问题(VRPHTW)求解,提出了一种混合单变量边 缘分布算法(hybrid UDMA,hUDMA),改进了基本UMDA的概率模型.统计节点按路径分 布的概率,使其能够在解空间上找到节点-路径的分布关系,提高了UMDA的全局搜索 能力.采用两阶段插入法进行最佳节点搜索和路径分配完成UMDA采样操作,通过种群 进化来获取最优解.计算Solomon 100 客户的6 类问题56 个算例的实验结果表明：在最优 解的取得方面,C类算例能够全部取得最优解,R、RC类算例能以50%左右概率取得最优 解;在平均误差方面,C类算例计算结果与已知最优解一致,R、RC类算例计算误差率与 已知最优解比较接近,平均误差率为1.03%.     

基于导向搜索算法的电力系统无功优化

采用导向搜索算法(OSA),以实现电力系统的无功优化.该算法将搜索个体模拟为人的搜索行为,搜索对象(目标函数最优解)模拟为可向搜索个体传送导向信息的智能体,以使搜索个体和搜索对象间可相互通讯.为验证该算法的有效性,以IEEE 57和IEEE 118节点测试系统为例进行了仿真,并与全面学习粒子群优化算法(CLPSO)和自适应遗传算法(AGA)的结果进行了比较.结果表明:导向搜索算法能得到高质量的全局最优解,IEEE 57和IEEE 118系统优化后的网损可分别减小13.871%和13.223%.     

连续交通网络设计的全局双层多项式优化模型

提出了一种面向典型连续交通网络设计问题的全局双层多项式优化模型,其函数均为多项式,且下层问题为凸问题;上层问题旨在优化网络性能,下层问题用来刻画确定性用户均衡(DUE)交通流模式;利用Fritz John条件和乘子代替下层规划,将提出的双层多项式优化模型转换为等价单层优化问题,并利用矩半定规划(MSDP)方法得到其全局最优解;利用矩矩阵的秩作为保证全局最优性的充分条件,并估计全局最优解的个数;给出了最优道路收费问题的数值算例,用提出的双层多项式优化模型描述了算例中的最优道路收费问题,并通过Wardrop用户均衡约束调整现有路段上的交通流量,使总通行费收益最大化。研究结果表明:该简单算例的最大收益为13.5元,同时可以得到该算例的矩矩阵的秩为1,从而证明了该结果的全局最优性,提出的方法克服了均衡约束数学规划(MPEC)法和值函数法等现有求解双层优化问题的经典算法由于连续交通网络设计固有的非凸性,只能找到局部最优的问题;提出的全局双层多项式优化模型与算法为典型连续交通网络设计提供了更好的探索工具。      

应用DNA PCR法扩增检测苯丙酮尿症基因突变

本文应用PCR和核酸杂交技术,在西安地区14例PKU患儿中检测了目前中国人中唯一确定引起PKU的PAH基因外显子3终止突变,结果发现这些患者的PAH基因均无终止突变,提示在我国有可能因PAH基因其它部位突变导致PKU的发生。我们体会DNA体外PCR扩增结合寡核苷酸探针点杂交方法可用于PKU的产前诊断和携带者检出。     

���ڻ���������ļ�ʻԱ��̬·���յ��㷨�о�

动态路径诱导旨在向驾驶员提供基于实时交通信息的最佳行驶路径来达到诱导出行的目的，以保证车辆在路网上运行的总费用最小，为驾驶员提供较合理的高效行驶路线。动态路径诱导必须实时保证全局准最优，本文将混沌神经网络应用于动态路径诱导，通过在HNN中引入混沌动态，利用其遍历性进行随机搜索，再由退火策略控制混沌动态逐渐消失并转入HNN进一步优化，从而可保证网络收敛到一个最优或近似最优的稳定平衡点。仿真分析表明：将混沌神经网络应用于动态路径诱导系统中求解最优路径，总能保证网络收敛到全局最优，同时可有效克服Hopfield神经网络易陷入局部最优解的缺点，具有更高的搜索效率，对于求解连续变量的非线性优化问题提供了一种有效方法，验证了混沌神经网络在动态路径诱导中的有效性。     

混合遗传算法在结构优化设计中的应用

基于邻域搜索的自适应遗传算法和标准遗传算法的一种离散变量结构优化设计的混合遗传算法,既能发挥邻域自适应算法省时、高效、成熟收敛的特点,又能发挥遗传算法全局最优的特点.优化设计结果表明:改进后的混合遗传算法的收敛性得到了很好的改善,使个体既能沿着当前种群优势方向前进,又能跳出局部最优,寻求全局最优.     

含约束条件多峰函数优化问题的混合遗传算法

针对目前求解含约束条件多峰函数全局优化问题存在的困难,结合传统优化算法和常规遗传算法,提出一种寻求含约束条件多峰函数全局最优解的混合遗传算法.算例分析结果表明:该算法保留了传统优化算法的局部寻优能力和常规遗传算法的全局寻优能力,是寻求含约束条件多峰函数优化问题的一种有效算法.     

Anytime算法的最优响应时间

Anytime算法能够折衷解的质量和计算时间，被广泛地用在实时人工智能系统中．为保证在截止期到来之际得到的解是可接受的，Anytime算法应能够足够快地响应环境的变化，输出当前最优解．文中描述了环境状态变化模型和随机截止期模型，探讨了在变化的领域中Anytime算法的最优响应时间．     

含约束条件多峰函数优化问题的混合遗传算法

针对目前求解含约束条件多峰函数全局优化问题存在的困难,结合传统优化算法和常规遗传算法,提出一种寻求含约束条件多峰函数全局最优解的混合遗传算法.算例分析结果表明:该算法保留了传统优化算法的局部寻优能力和常规遗传算法的全局寻优能力,是寻求含约束条件多峰函数优化问题的一种有效算法.     

具有季节效应的单种群资源的最优开发与管理

以种群增长呈季节性周期波动为背景, 研究了具有周期系数的广义Logistic方程描述种群增长的非自治系统的最优化问题. 先用微分方程的稳定性理论证明了模型最优解的存在性, 全局渐进稳定性以及周期性. 然后以收获努力度E(t)(收获单位资源种群所需的成本)作为控制变量, 利用Pontryagin最大值原理给出了问题的最优解与最优捕获策略.