一种采用优势个体多方向强制搜索策略的换热网络优化方法

提出一种采用优势个体多方向强制搜索策略的进化算法, 通过考察种群中个体差异性指标, 用以评价当前种群全局搜索的健康度。当优化结果出现长期停滞, 即健康度指标变差时, 启动优势个体多方向强制搜索策略, 扩大优势个体在靠近局部最优解区域的搜索方向, 保证算法全过程的全局搜索能力。用15SP和20SP算例进行验证, 与文献中最优结果相比, 分别下降了1.09%、0.83%, 表明优势个体多方向强制搜索策略充分发挥了优势个体的进化潜力, 提高了算法的优化效能。     

采用三层保护策略的强制进化随机游走算法同步综合换热网络

强制进化随机游走算法（RWCE）同步综合换热网络时,存在个体最优解的进化路径被接受差解打乱而不接受差解又很难跳出局部最优的问题.提出一种采用三层保护策略的RWCE算法,将种群中个体分为三层,底层采用基本RWCE进行优化,以保护个体的全局搜索能力;中层读取底层各个体的历史最优解,并采用带微调功能的RWCE进行优化,以保护各个体最优解的进化路径不被打乱;顶层所有个体以中层最优个体的解为初始点,采用带自动精细搜索功能的RWCE进行优化,以保证最优个体得到充分的搜索;最后将顶层搜索到的结果传递给底层对应个体.实例表明,算法在允许接受差解的同时保护了个体最优解的进化路径,并实现了全局搜索能力与局部搜索能力的兼顾.     

基于结构多样性评价的换热网络全局最优化

针对启发式方法在优化换热网络时由于个体团聚而出现搜索能力下降,建立一种换热网络结构多样性评价方法,对种群中个体结构团聚程度进行衡量,并指导算法改进.对种群进行集团划分,将一定数目的具有公共结构的个体归为一个集团,从而得到个体结构分布;提出分散搜索策略,对于各集团中除集团最优个体外的其它个体,从其公共结构中随机选择若干个换热器进行摄动以分散集团中的个体结构;提出集中搜索策略,通过使其它个体获得最优集团对应公共结构以加强对较优结构的集中开发;采用9股流与15股流两个算例,验证分散搜索策略增强了全局搜索能力,集中搜索策略增强了局部搜索能力,优化结果分别较原算法降低了7 008针对启发式方法在优化换热网络时由于个体团聚而出现搜索能力下降,建立一种换热网络结构多样性评价方法,对种群中个体结构团聚程度进行衡量,并指导算法改进.对种群进行集团划分,将一定数目的具有公共结构的个体归为一个集团,从而得到个体结构分布;提出分散搜索策略,对于各集团中除集团最优个体外的其它个体,从其公共结构中随机选择若干个换热器进行摄动以分散集团中的个体结构;提出集中搜索策略,通过使其它个体获得最优集团对应公共结构以加强对较优结构的集中开发;采用9股流与15股流两个算例,验证分散搜索策略增强了全局搜索能力,集中搜索策略增强了局部搜索能力,优化结果分别较原算法降低了7 008■·a~(-1)与17 973■·a~(-1)且均优于文献结果.     

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.     

一种采用种群多样性监控和实时更新策略的粒子群优化算法

针对粒子群算法优化后期容易出现早熟收敛问题,建立一种具有种群多样性监测和实时更新策略的改进方法.首先建立种群健康度指标用来评价粒子群进化状态;其次提出随机扰动策略和离心搜索策略用于丰富粒子群的种群多样性,增强算法的全局搜索能力,并提出梯度搜索策略用于精确、高效地搜寻当前邻域内的局部极值点,提高算法的计算效率.最后建立种群健康度反馈机制,使粒子可以实时感知种群的健康程度,并自适应地采用不同的粒子更新策略,保证粒子群处于健康进化水平.将新方法应用于优化实例,并与其它改进方法进行性能比较,结果验证了新方法的有效性.     

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。     

角度受限下稀疏投影数据的改进粒子群优化随机CT重建

当计算机断层成像(CT)中X射线的采样范围和数量受限时,得到的稀疏投影数据完备性很低,重建算法的搜索空间巨大。基于凸优化思路的迭代求解算法及其改进采用固定搜索路径,难以在有限时间内收敛至全局最优解;粒子群优化具有全局搜索能力,但计算成本和存储代价过高。为解决这类不完备投影数据的重建问题,提出基于粒子群优化的随机稀疏重建算法。首先,通过随机策略生成具有多样性的初始种群,以保证算法的搜索能力;其次,随机选择梯度下降或基于个体历史最优解和全局历史最优解的随机方向进行迭代,以兼顾算法效率和搜索方向的多样性;最后,基于适应度评价,有针对性地重新生成随机初始种群,强制跳离局部最优。针对角度受限下无噪声和含噪声的稀疏投影数据,分别进行重建实验。结果显示,与常见的凸优化迭代和粒子群优化算法相比,本文算法既能保证算法效率,又在重建质量和算法稳健性上具有明显优势。     

基于控制参数动态协调策略的换热网络优化研究

换热网络全局最优化一直是系统集成领域的难点。强制进化随机游走算法在优化过程中,对于不同实例、不同初始条件、不同随机条件和不同优化阶段,无法预知最优的控制参数组合。因此,建立控制参数的动态协调策略,周期性地随机更新种群中个体的优化参数,同时保护周期内的有效参数组合,从而实现每个个体优化路径的动态调整,拓宽其搜索方向,寻得最佳参数匹配路线,提升全局优化质量。最后,将改进后算法应用于两个工业算例,所得的年综合费用较原算法结果分别下降了0.49%和0.05%,且均低于公开文献最优结果,表明控制参数的动态协调策略能够更有效地促进原算法的全局搜索。     

基于控制参数动态协调策略的换热网络优化研究

换热网络全局最优化一直是系统集成领域的难点。强制进化随机游走算法在优化过程中,对于不同实例、不同初始条件、不同随机条件和不同优化阶段,无法预知最优的控制参数组合。因此,建立控制参数的动态协调策略,周期性地随机更新种群中个体的优化参数,同时保护周期内的有效参数组合,从而实现每个个体优化路径的动态调整,拓宽其搜索方向,寻得最佳参数匹配路线,提升全局优化质量。最后,将改进后算法应用于两个工业算例,所得的年综合费用较原算法结果分别下降了0.49%和0.05%,且均低于公开文献最优结果,表明控制参数的动态协调策略能够更有效地促进原算法的全局搜索。     

基于混合交叉进化算法的混沌系统参数估计

提出一种混合交叉进化算法 来估计混沌系统的未知参数. 首先通过构造一个适当的适应度函数, 将混沌系统的参数估计问题转化为一个多维的优化问题. 在混合交叉进化算法中, 利用佳点集方法初始化种群, 增加了算法的稳定性和全局搜索能力. 在进化过程中, 混合交叉操作既能指导种群个体向最优解子空间靠近, 又能提高算法跳出局部最优的能力, 从而协调了算法的勘探和开采能力. 以几个标准测试函数和典型的Lorenz混沌系统为例进行仿真实验, 结果表明了该方法的有效性.     

粒子群算法在非线性系统应用中的早熟现象及其改进

通过分析粒子群算法早熟现象的机理,研究早熟收敛的本质,并提出一种克服粒子群算法早熟现象的局部"飞跃"策略.应用仿真及系统工程实例表明,该方法能有效地改善粒子群算法在非线性全局优化上的早熟问题,提高了粒子群算法的全局搜索能力.     

基于强制进化随机游走算法的质量交换网络综合

针对现有质量交换网络优化方法存在的不足, 提出一种适用于质量交换网络综合的强制进化随机游走算法。通过随机增大或减小质量交换器的传质负荷、分流比以及贫流股的流量, 并设置最小阈值实现网络连续和整型变量的同步优化; 通过以较小概率接受差解, 增强结构变异, 使算法更好地兼顾质量交换网络的全局和局部搜索。在2个质量交换网络实例中的应用表明, 优化结果优于文献最优结果, 算法保持了个体的独立进化且具有良好的全局和局部搜索能力。     

Structure optimization by heuristic algorithm in a coarse-grained off-lattice model

A heuristic algorithm is presented for a three-dimensional off-lattice AB model consisting of hydrophobic (A) and hydrophilic (B) residues in Fibonacci sequences. By incorporating extra energy contributions into the original potential function, we convert the constrained optimization problem of AB model into an unconstrained optimization problem which can be solved by the gradient method. After the gradient minimization leads to the basins of the local energy minima, the heuristic off-trap strategy and subsequent neighborhood search mechanism are then proposed to get out of local minima and search for the lower-energy configurations. Furthermore, in order to improve the efficiency of the proposed algorithm, we apply the improved version called the new PERM with importance sampling (nPERMis) of the chain-growth algorithm, pruned-enriched-Rosenbluth method (PERM), to face-centered-cubic (FCC)-lattice to produce the initial configurations. The numerical results show that the proposed methods are very promising for finding the ground states of proteins. In several cases, we found the ground state energies are lower than the best values reported in the present literature.     

基于混合生物地理优化的混沌系统参数估计

混沌系统的参数估计本质上是多维参数的优化问题. 结合和声搜索方法和对立学习机理, 提出一种混合生物地理优化算法, 用于解决混沌系统的参数估计问题. 利用对立学习机理增加初始群体的多样性, 并引入和声搜索以增强局部寻优能力, 从而提升整体寻优性能. 以典型混沌系统为例进行了未知参数估计的数值仿真, 结果验证了所提出混合生物地理优化方法的有效性和鲁棒性.     

The Value of Information Searching against Fake News

Inspired by the Daley-Kendall and Goffman-Newill models, we propose an Ignorant-Believer-Unbeliever rumor (or fake news) spreading model with the following characteristics: (i) a network contact between individuals that determines the spread of rumors; (ii) the value (cost versus benefit) for individuals who search for truthful information (learning); (iii) an impact measure that assesses the risk of believing the rumor; (iv) an individual search strategy based on the probability that an individual searches for truthful information; (v) the population search strategy based on the proportion of individuals of the population who decide to search for truthful information; (vi) a payoff for the individuals that depends on the parameters of the model and the strategies of the individuals. Furthermore, we introduce evolutionary information search dynamics and study the dynamics of population search strategies. For each value of searching for information, we compute evolutionarily stable information (ESI) search strategies (occurring in non-cooperative environments), which are the attractors of the information search dynamics, and the optimal information (OI) search strategy (occurring in (eventually forced) cooperative environments) that maximizes the expected information payoff for the population. For rumors that are advantageous or harmful to the population (positive or negative impact), we show the existence of distinct scenarios that depend on the value of searching for truthful information. We fully discuss which evolutionarily stable information (ESI) search strategies and which optimal information (OI) search strategies eradicate (or not) the rumor and the corresponding expected payoffs. As a corollary of our results, a recommendation for legislators and policymakers who aim to eradicate harmful rumors is to make the search for truthful information free or rewarding.