融合改进Tent混沌和模拟退火的灰狼算法

针对标准灰狼算法种群多样性差、后期收敛速度慢、易陷入局部最优的缺陷,提出一种改进灰狼算法.利用改进Tent混沌映射初始化种群,增加种群多样性;引入螺旋函数,提高算法收敛速度;融合模拟退火思想,避免陷入局部最优;设置搜索阈值,平衡全局搜索与局部搜索;利用改进Tent混沌映射产生新个体,替换性能较差个体并进行高斯扰动,增加寻优精度;将当前解和新解进行算术杂交,以保留当前解优点并减小扰动差异.使用基准测试函数和共享单车停车点选址及期初配置模型测试算法性能.结果表明,改进灰狼算法较标准灰狼算法、遗传算法和粒子群算法,收敛速度更快,寻优精度更高,性能更优越,并将该算法应用到共享单车停车选址上,验证了算法的有效性.     

改进的布谷鸟算法求解物流配送中心选址问题

针对基本布谷鸟算法求解物流配送中心选址问题时存在搜索精度低、易陷入局部最优值的缺陷,提出一种改进的布谷鸟算法.算法采用基于寄生巢适应度值排序的自适应方法改进基本布谷鸟算法的惯性权重,以平衡算法的全局开发能力和局部探索能力;利用NEH领域搜索以提高算法的搜索精度和收敛速度;引入停止阻止策略对全局最优寄生巢位置进行变异避免算法陷入局部最优值、增加种群的多样性.通过实验仿真表明,改进的布谷鸟算法在求解物流配送中心选址问题上要优与基本布谷鸟算法以及其它智群算法,是一种有效的算法.     

一种改进的分数阶布谷鸟搜索算法研究

为解决布谷鸟搜索算法后期精度不高和收敛速度慢等问题,提出了一种基于分数阶微积分的改进布谷鸟搜索算法.与整数阶相比,通过在莱维飞行中引入分数阶差分,结合对历史信息的记忆与利用,能实现更复杂的动力学行为,提高局部搜索能力.采用Benchmark函数测试表明,超高维函数优化问题分析中,算法具有突出的寻优精度和收敛速度.     

基于正余双弦自适应灰狼优化算法的医药物流配送路径规划

针对传统灰狼优化算法易早熟收敛陷入局部最优和收敛速度慢的缺陷,提出一种正余双弦自适应灰狼优化算法.首先,在灰狼捕食阶段引入正弦搜索,增强算法的全局勘探能力,减少算法的搜索盲点,提高算法的搜索精度.在引入正弦搜索的同时,引入余弦搜索,增强算法的局部开发能力,提高算法的收敛速度.其次,在搜索过程中加入自适应交叉变异机制,通过适应度值的大小自适应选取交叉变异概率,有效的提高了粒子跳出局部最优的概率.通过数值对比试验,验证了改进算法具有较强的收敛精度和收敛速度.     

基于梯度的自适应快速布谷鸟搜索算法

针对标准布谷鸟搜索(CS)算法存在全局搜索和局部搜索能力不平衡的缺点, 提出一种基于梯度的自适应快速布谷鸟搜索(GBAQCS)算法. 在改进的算法中, 针对偏好随机游动的步长, 在利用目标函数的梯度决定步长方向的基础上, 首先提出自适应搜索机制平衡了算法的全局搜索和局部搜索能力; 其次提出快速 搜索策略, 充分利用当前鸟巢信息进行精细化搜索, 从而提高算法的搜索精度和收敛速度. 实验结果表明, 相比其他算法, 所提出的改进策略使算法的全局搜索和局部搜索能力保持了相对的平衡, 并提高了算法的收敛性能.     

一种改进灰狼优化算法研究及应用

针对灰狼算法易陷入局部最优、收敛精度不高、收敛速度慢等缺点,提出一种改进的灰狼算法.引入莱维飞行,扩大搜索范围,增强全局搜索能力,避免陷入局部最优;引入贪婪原理,提升种群优良性以提高算法收敛精度;引入自适应收敛因子,加快收敛速度;引入动态权重策略,制约全局搜索与局部搜索的相互影响.将改进算法与其他四种算法作对比,实验表明,改进算法在收敛速度与收敛精度上都有更好的性能.最后,应用于图像多阈值分割中,采用GWO-Otsu法可以克服传统Otsu法在多阈值分割时计算量大,实时性差的特点,不但能够取得最优解,且明显缩减计算时间.     

基于自适应均匀变异人工鱼群投资组合优化算法的研究

投资市场具有一定的风险,影响因素包括经济、政治、市场自身规律等,根据市场机制构建合适的投资组合模型,可以有效降低市场风险,提高投资回报率.人工鱼群算法是模仿自然界鱼类的一种人工智能优化算法,具有较好的优化能力,但有时会陷入局部最优解.首先将人工鱼群算法与均匀变异相结合,加入均匀变异随机数,使算法能够跳出局部最优解,得到全局最优,从而提高算法精度.然后采用改进人工鱼群算法对投资组合模型进行优化求解.实验表明,改进人工鱼群算法具有较好的收敛精度和收敛速度,对投资组合模型的求解效果更好,风险下降,收益增加、     

识别含热源瞬态热传导问题的热扩散系数

针对含有热源的瞬态热传导反问题,引入一个变换将含热源热传导问题转换为无热源热传导问题,采用改进布谷鸟算法反演热扩散系数.正问题由边界元法求解.将热扩散系数作为优化变量,以计算温度和测量温度之间的接近程度为目标函数,通过改进布谷鸟算法极小化目标函数来优化估计热扩散系数.比较共轭梯度法、布谷鸟算法和改进布谷鸟算法的反演结果.与共轭梯度法相比,改进布谷鸟算法对迭代初值不敏感;与布谷鸟算法相比,改进布谷鸟算法收敛速度更快.算例讨论了测点数量、鸟巢数量、测量误差对计算结果的影响.增加测点数量,反演结果精度降低;增加鸟巢数量,迭代次数减少;随着测量误差的增大,结果精度降低.数值算例验证了改进布谷鸟算法反演热扩散系数的准确性和有效性.     

一种改进的蝴蝶优化算法

本文针对基本的蝴蝶优化算法存在收敛速度慢、精度低和易陷入局部最优等缺陷,提出一种改进的蝴蝶优化算法.首先通过实验分析参数对算法的影响,其次融入差分进化策略和精英策略,通过10个标准测试函数进行测试,结果表明,改进算法在8个测试函数中均找到了理论最优解,其收敛速度、精度和鲁棒性均优于基本的蝙蝠算法(BA)、花朵授粉算法(FPA)、布谷鸟算法(CS)、融合差分进化算法的花朵授粉算法(DEFPA)、蝴蝶算法(BOA)和融合差分进化算法的蝴蝶算法(DEBOA),且寻优性能得到大幅度提升;同时对4个非线性方程的求解也验证了该算法的有效性.     

基于改进的混沌鲸鱼算法优化DBN的广东人口数量预测研究

为了估算广东省人口总数和老龄化人口总数,针对深度置信网络模型的性能易受其权值和阈值选择的影响,提出一种基于改进的混沌鲸鱼算法优化DBN的人口数量预测模型。首先,为提高鲸鱼算法的收敛速度和避免局部最优,将Skew Tent混沌模型和非线性收敛因子引入WOA算法用于初始化WOA种群和改进WOA更新策略。其次为了提高DBN模型的性能,运用ICWOA算法对DBN模型的权值和阈值进行优化选择,融合影响人口数量的多因素特征因子,将不同年龄段的总人数、死亡率、存活率、年生育率、第一产业占比、第二产业占比以及第三产业占比等多因素特征因子作为ICWOA-DBN的输入,人口数量作为ICWOA-DBN的输出,建立ICWOA-DBN人口数量预测模型。通过标准函数测试寻优对比发现,提出的ICWOA具有更快的收敛速度和更小的适应度值。为了验证本文算法ICWOA-DBN的预测性能,以第6次全国人口普查数据为参考依据,选择2005~2016年广东省历年常住人口总数和老龄化人口总数为研究对象,研究结果表明,与IWOA-DBN、WOA-DBN、GA-DBN和DBN相比,提出的ICWOA-DBN的人口数量预测模型的精度最高,为人口数量预测提供新的方法和途径。     

基于混沌优化和自适应反向学习的秃鹰搜索算法

针对秃鹰搜索算法求解精度低、收敛速度较慢、容易陷入局部最优的问题,提出一种基于混沌优化和自适应反向学习的秃鹰搜索算法.首先,在选择搜索空间阶段引入正弦混沌映射更新秃鹰群位置,增加随机性,优化全局搜索能力;其次,在俯冲捕获猎物阶段加入指数自适应,平衡了全局搜索和局部搜索,同时加快收敛速度;最后,对更新后的最优秃鹰位置使用反向学习策略,提高跳出局部最优的可能性.选取12个测试函数对算法的性能进行了测试,结果表明本文改进的秃鹰搜索算法具有更优的求解精度和收敛速度.     

改进的群搜索优化算法

标准的群搜索优化算法(GSO)是一种新的群智能优化算法,适用于解决高维函数的优化问题,而且简单高效,易于实现,但在其优化的后期容易陷入局部最优.为进一步提高其收敛速度和精度,对GSO算法进行了改进.保留其"发现者-加入者"模型,针对GSO算法发现者和游荡者搜索的无目的性,引进最大下降方向和杂交策略,发现者按角度搜索的同时也按最大下降方向进行搜索,游荡者通过基因突变策略的方式生成.通过23个基准测试函数对GSO算法和改进的GSO算法进行测试,结果表明改进的GSO算法在收敛速度和收敛精度上优于标准GSO算法.     

基于混沌粒子群优化算法的灰色GM(1,1)模型在地下水埋深预测中的应用

将混沌优化算法与粒子群优化算法相结合,形成新的混沌粒子群优化算法.利用混沌运动的遍历性,避免陷入局部最优.同时,粒子群算法能加快混沌优化算法的收敛速度,使搜索效率得到提高.用混沌粒子群优化算法优化灰色GM(1,1)模型中的参数,通过横向和纵向比较,优化效果良好,模型预测精度得到了提高.运用该模型对三江平原地下水埋深进行动态预测,预测结果可为有关决策部门提供参考.     

Chan-Vese模型的共轭梯度算法

随着图像采集设备的发展和对图像分辨率要求的提高,人们对图像处理算法在收敛速度和鲁棒性方面提出了更高的要求.从优化的角度对Chan-Vese模型进行算法上的改进,即将共轭梯度法应用到该模型中,使得新算法有更快的收敛速度.首先,简单介绍了Chan-Vese模型的变分水平集方法的理论框架;其次,将共轭梯度算法引入到该模型的求解,得到了模型的新的数值解方法;最后,将得到的算法与传统求解Chan-Vese模型的最速下降法进行了比较.数值实验表明,提出的共轭梯度算法在保持精度的前提下有更快的收敛速度.     

改进的布谷鸟算法求解考虑运输时间的分布式柔性流水车间调度问题

针对分布式制造环境下多车间调度问题特点,结合企业实际生产情况,考虑相邻工序间的运输时间,建立以最小化最大完工时间为优化目标的分布式柔性流水车间调度模型,提出一种改进布谷鸟算法用于求解该模型。算法改进包括设计了一种基于工序、车间和机器的三层编码方案;根据问题特点设计了混合种群初始化策略以提高种群质量;改进了布谷鸟搜索操作使其适用于求解该模型;设计了一种种群进化策略以提高算法收敛速度及解的质量。最后通过仿真实验,与多种算法对比,验证所提算法的有效性和优越性。     

Robin型离散Schwarz波形松弛算法的收敛性分析

Schwarz波形松弛(Schwarz waveform relaxation,SWR)是一种新型区域分解算法,是当今并行计算研究领域的焦点之一,但针对该算法的收敛性分析基本上都停留在时空连续层面.从实际计算角度看,分析离散SWR算法的收敛性更重要.本文考虑SWR研究领域中非常流行的Robin型人工边界条件,分析时空离散参数t和x、模型参数等因素对算法收敛速度的影响.Robin型人工边界条件中含有一个自由参数p,可以用来优化算法的收敛速度,但最优参数的选取却需要求解一个非常复杂的极小-极大问题.本文对该极小-极大问题进行深入分析,给出最优参数的计算方法.本文给出的数值实验结果表明所获最优参数具有以下优点:(1)相比连续情形下所获最优参数,利用离散情形下获得的参数可以进一步提高Robin型SWR算法在实际计算中的收敛速度,当固定t或x而令另一个趋于零时,利用离散情形下所获参数可以使算法的收敛速度具有鲁棒性(即收敛速度不随离散参数的减小而持续变慢).(2)相比连续情形下所获收敛速度估计,离散情形下获得的收敛速度估计可以更加准确地预测算法的实际收敛速度.     

基于正弦控制因子的Lateral变异鲨鱼优化算法

针对传统鲨鱼优化算法在求解高维目标函数时,易早熟收敛,陷入局部最优的缺陷.提出一种基于正弦控制因子的Lateral变异鲨鱼优化算法.通过正弦曲线的特性和自适应惯性权重,改善了传统鲨鱼优化算法中由于随机选取控制因子数值大小可能导致算法在迭代后期全局搜索能力降低的问题,提高了算法在迭代后期的全局收敛能力,并对最佳鲨鱼位置引入Lateral变异策略,加强了算法跳出局部最优的可能性.改进后的算法对多个shifted单峰,多峰以及固定维测试函数进行求解,实验结果表明,对比多种不同优化算法而言,本文所提LSSO算法具有更高的收敛精度和搜索速度.     

基于特殊混料模型D-最优设计搜索的交换点式门限接受算法

在搜索混料模型D-最优设计的计算机算法领域,主流算法包括经典的Fedorov算法,以及元启发类算法,但两者在一些特定的优化问题上,分别在收敛速度和收敛精度方面有进一步提升的空间.文章分别探讨了可能造成这种情况的两类算法各自的局限性,并采取优势互补的策略,构建了交换点式门限接受算法,即ETA (exchange threshold accepting)算法.以含倒数项混料模型为例,文章验证了ETA算法生成设计的D-最优性,并分别与Fedorov算法和元启发类的ProjPSO算法作比较.结果表明,至少在某些特殊的混料模型D-最优设计的搜索方面,ETA算法在收敛速度和精度方面均具有一定的优势.     

加控制器的预估-校正算法在分数阶Chen混沌系统中的实现

讨论了分数阶预估-校正算法,并选定了对Chen混沌系统进行仿真研究.分数阶Chen混沌系统在一定的初始条件下,系统为混沌的并且仍然呈现出丰富和复杂的分数阶混沌动力学行为.在分数阶预估-校正法的基础上,用分段二次函数对Chen混沌系统方程施加控制器,使Chen混沌系统能够渐进稳定到平衡点.最后在MATLAB软件上进行仿真,得到分数阶Chen混沌系统的数值仿真稳定相图.     

蜜蜂进化遗传与捕鱼策略相结合的优化算法

针对捕鱼策略优化算法未充分利用群体最优个体信息因而收敛速度较慢的缺陷,提出了将蜜蜂进化遗传算法与捕鱼策略相结合的混合优化算法.算法将蜂王具有最优遗传基因的特点引入到渔夫撒网捕鱼策略中,能较好利用群体当前最优个体的信息,提高搜索速率;并保留捕鱼策略中渔夫移动搜索策略的独立性,避免陷入不成熟收敛.通过对多个典型测试函数的测试表明:蜜蜂进化遗传算法与捕鱼策略相结合的优化算法,比简单的捕鱼策略的优化算法在寻优能力、稳定性和收敛速度等方面均有提高.