自适应变异的蝙蝠算法

针对基本蝙蝠算法(BA)寻优精度不高、收敛速度慢和易早熟收敛的问题,提出一种改进的具有自适应变异机制的蝙蝠算法,用以求解复杂函数问题。利用K-means聚类对蝙蝠种群进行初始化,使种群在搜索空间分布更为均匀;采用根据迭代次数自适应变化的控制概率Pt判断算法是否进行高斯变异,增强种群多样性,促使蝙蝠个体跳出局部极值点;将自然选择思想引入BA,提高算法搜索速度,避免早熟收敛。选取几个典型函数进行测试,结果表明改进算法优化性能有了显著提高,具有较快的收敛速度,较高的寻优精度、收敛稳定性和收敛可靠性,验证了改进蝙蝠算法(IBA)的有效性及优越性。     

基于改进蝙蝠算法的CO-OFDM系统峰均比抑制技术

为了抑制相干光正交频分复用系统中的峰值平均功率比,采用蝙蝠算法优化系统子载波的相位.同时针对蝙蝠算法存在的易陷入局部最优和收敛精度不高的问题,对蝙蝠算法进行改进.在蝙蝠的速度更新公式中加入蝙蝠的自我学习部分,并引入惯性权值和学习因子,在保证算法收敛速度的同时尽可能提高算法的收敛精度,防止算法出现早熟收敛情况.采用改进算法对正交幅度调制、100 Gb/s的相干光正交频分复用系统进行仿真实验,仿真结果表明,改进算法有较强的搜索能力和较高的搜索精度,使正交频分复用信号的峰值平均功率比降低了5.48 dB,相对于蝙蝠算法降低了0.52 dB,改进算法的峰值平均功率比抑制性能得到了进一步的提高.     

基于改进蝙蝠算法的CO-OFDM系统峰均比抑制技术（英文）

为了抑制相干光正交频分复用系统中的峰值平均功率比,采用蝙蝠算法优化系统子载波的相位.同时针对蝙蝠算法存在的易陷入局部最优和收敛精度不高的问题,对蝙蝠算法进行改进.在蝙蝠的速度更新公式中加入蝙蝠的自我学习部分,并引入惯性权值和学习因子,在保证算法收敛速度的同时尽可能提高算法的收敛精度,防止算法出现早熟收敛情况.采用改进算法对正交幅度调制、100Gb/s的相干光正交频分复用系统进行仿真实验,仿真结果表明,改进算法有较强的搜索能力和较高的搜索精度,使正交频分复用信号的峰值平均功率比降低了5.48dB,相对于蝙蝠算法降低了0.52dB,改进算法的峰值平均功率比抑制性能得到了进一步的提高.     

基于混合群智能优化算法的混沌系统参数估计

混沌系统的未知系统参数估计是实现混沌控制和同步的首要问题,通过构造一个合理的适应度函数,可将其转化为一个多维搜索空间的优化问题.提出一种融合改进骨干粒子群算法与改进差分进化算法的混合群智能优化方法来解决上述优化问题.对骨干粒子群算法中的粒子位置更新机制以及差分进化算法中的变异操作、交叉操作、交叉概率因子的设计等进行改进,有效兼顾了种群的多样性与算法的收敛性.在此基础上,讨论骨干粒子群优化算法与差分进化的融合优化策略,实现两个算法的协同进化,进一步提高算法的综合优化性能.用6个基准测试函数以及Lorenz混沌系统为例进行仿真实验,结果表明该方法具有全局寻优能力强、收敛速度快、搜索精度高、稳健性好等优点.     

一种基于多种群对立平行进化策略的DE算法

针对微分进化算法应用于换热网络优化时易陷入局部区域和收敛精度不高的缺点,建立一种多种群对立的平行进化策略的微分进化算法.首先建立原始种群的对立种群;在此基础上,通过原始种群与对立种群的变异操作进行信息共享产生新的试验个体;最后运用多轮对立的思想保持多种群平行进化,使种群在保留当前求解信息的同时又能在求解域内进行更大范围搜索.对换热网络的经典算例计算表明,本文提出的多种群对立平行进化微分进化算法能够有效增强种群多样性,扩大算法的全局搜索能力,跳出局部极值陷阱,得到较好的优化结果.     

一类求解箱式约束优化问题的自适应引力搜索算法

为了改进引力搜索算法求解箱式约束优化问题的性能,提出了一类自适应引力搜索算法,新算法定义了算法停滞系数,当算法陷入停滞时,可以自适应的修改引力参数,帮助算法跳出停滞状态;定义了个体相似系数,当种群陷入局部最优时,通过变异策略改善种群的多样性。数值试验结果表明,新算法有效的平衡了全局开发和局部搜索能力,具有更强的全局寻优能力,适于求解复杂优化问题。     

前向光散射颗粒测量技术中遗传算法的应用

在前向光散射颗粒测试技术中,反演算法是影响测量结果的主要因素之一。遗传算法作为一种较新的自适应全局优化算法,其参数优化和目标函数的设计决定了颗粒粒径分布的反演效果。本文对遗传算法中相关参数的设置进行讨论,通过数值模拟验证了该算法对多分散颗粒系统粒径分布的反演效果,并对聚苯乙烯标准颗粒进行实测和反演计算。结果表明:遗传代数为3 200、种群尺度为50、交叉算子0.7、变异算子为0.002和光顺因子权重系数为1.5×10~(-5)的优化遗传算法在颗粒粒径分布反演时具有较好的稳定性和抗噪性能,能够有效重建颗粒粒径分布。     

基于改进蛙跳算法的无线传感器网络覆盖优化

针对传统算法在解决无线传感器网络覆盖优化上存在的覆盖率较低和节点分布不够均匀的问题,提出了一种改进的蛙跳算法;为了同时达到增加算法的种群多样性和加快算法收敛速度的目的,改进蛙跳算法分别增加了个体高斯学习机制和根据粒子群思想改进的更新策略,让族内最差个体在自身附近进行局部搜索,若无效,则使族内最差个体同时向族内最优个体和全局最优个体学习;在性能评估实验中,对改进的蛙跳算法分别进行了标准函数测试和无线传感器网络覆盖优化测试;测试结果表明,在6个标准测试函数中,改进的蛙跳算法与其他算法相比在4个测试函数上的收敛精度有了明显提高;在无线传感器网络覆盖优化中,改进的蛙跳算法也能够使节点分布更加均匀,使网络覆盖率达到了85.6%。      

群体智能优化中的虚拟碰撞：雨林算法

启发式优化算法中寻优代理过早收敛易陷入局部最优. 本文对此进行机理分析并发现, 虚拟碰撞作为一种隐性过早收敛现象将直接影响群体智能优化算法的准确性与快速性, 而采样过程的无约束性和样本分布信息的缺失是导致虚拟碰撞的根本原因. 为解决上述问题, 本文提出雨林优化算法. 该算法仿照植物生长模式, 利用规模可变种群代替规模限定种群进行分区分级寻优采样, 并结合均匀与非均匀采样原则来权衡优化算法的探索与挖掘, 可以有效减少虚拟碰撞的发生, 在提高寻优效率的同时, 获取精准性和稳定性较高的全局最优解. 与遗传算法、粒子群算法对标称函数的寻优对比实验表明, 雨林算法在快速性、准确性以及泛化能力等方面均具有优势. 关键词： 优化算法 群体智能 进化计算 计算智能     

基于多种群混沌遗传神经网络的模拟电路故障诊断

针对标准遗传算法优化BP神经网络收敛慢,易陷入局部最优的问题,提出了改进的多种群协同进化遗传算法,该算法改变了以往的随机初始化方法,采用了附加混沌扰动的tent映射初始化均匀分布的种群,提高了初始解的质量;每个种群采用自适应交叉率和变异率,引入移民算子实现种群间的横向联系;算法通过多种群的协同进化和种群间的个体移植提高了算法的搜索均匀性和效率;仿真实验表明该算法误差小,收敛速度快,诊断正确率高,较好地解决了模拟电路的软故障诊断问题。