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.     

离散花朵授粉算法求解混合流水线调度问题

提出一种改进的离散花朵授粉算法求解以最小化任务完成时间为目标的混合流水线调度问题.算法采用一种基于排列的编码和解码的方法,根据混合流水线调度问题具有离散性的特点,对花朵授粉算法的相关操作重新进行定义,建立了离散的花朵授粉模型.为了加快算法的局部搜索能力,构建了一种基于动态自适应变化工件块的变领域搜索策略.实验仿真表明,改进的离散花朵授粉算法在求解混合流水线调度问题具有较好的性能,是一种有效的方法.     

求解带时间窗车辆路径问题的改进离散花朵授粉算法

针对当前算法在求解带时间窗车辆路径问题(Vehicle Routing Problem with Time Windows,VRPTW)时存在精度、效率方面的不足,提出一种改进的离散花朵授粉算法.算法在基本花朵授粉算法的基础上进行离散化,使其适合求解带时间窗车辆路径问题,重新定义花朵授粉算子操作.为了提高求解精度和效率,设计了随机插入、路径内的2-opt、交换和逆序操作,为了增加种群间信息的交互,结合改进的遗传算子.通过11个测试算例表明,改进的离散花朵授粉算法在求解VRPTW是行之有效的,与文献中其他算法比较,算法在精度、效率和鲁棒性方面具有优势.     

基于动态自适应t分布变异的人群搜索算法

针对人群搜索算法在进化后期大量个体聚集局部最优时,易陷入局部最优,搜索精度低的缺陷,提出一种基于t分布变异的人群搜索算法.算法使用动态自适应方式确定变异步长,引入t分布变异算子以融合柯西变异和高斯变异的优点,促进算法在进化早期具备良好的全局探索能力,在进化后期收获较强的局部开发能力,增加种群的多样性;采用边界缓冲墙策略处理越界问题,避免越界个体聚集在边界值上的缺陷.实验结果表明,算法比基本人群搜索算法具有更高的寻优精度和收敛速度,是一种有效的算法.     

基于改进粒子群算法的学习路径优化方法

提出一种改进粒子群算法求解在线学习系统中的学习路径优化问题.在建模时综合考虑了学习者的学习目标、知识掌握水平、学习成本和资源相关度等因素;在寻优时采用局部邻域搜索与禁忌搜索相结合的方式,以改进标准粒子群方法的寻优性能.实验结果表明,该方法具有较高的实用性和准确性,是学习路径优化问题的一种有效求解算法.     

一种求解路径优化问题的新型人工鱼群算法

针对人工鱼群算法由于固定视野导致寻优效率低、易陷入局部极值的弊端,引入视野递减反馈策略,提出一种改进人工鱼群算法.视野随着迭代次数和寻优反馈信息适时变化,旨在平衡算法的全局搜索和局部搜索能力.实验测试表明算法在保证收敛速度的基础上提高了计算精度,并且增加了算法陷入局部极值时快速跳出的可能性,最后将改进算法应用于求解国家AAAAA级风景区最短遍历路径问题.     

改进果蝇算法求解带有学习效应的PFSP

对基本果蝇算法进行改进,求解基于工件分类的带有学习效应的置换流水车间问题.改进算法的编码方式以及搜索机制,将转移概率矩阵运用到果蝇寻优过程中.经测试实验表明,改进后的果蝇算法在寻优速度以及寻优率上较其他算法有着较明显的优势.另根据工件的相似度对生产工件进行分类,提出了基于聚类距离的置换流水车间学习效应模型,用改进的果蝇算法对其模型进行求解,分析了不同学习率和聚类距离对完工时间的影响,一方面验证了算法的有效性,另一方面说明了学习效应对企业生产调度有一定影响.     

基于乌鸦喝水的元启发式优化算法

启发式优化算法已成为求解复杂优化问题的一种有效方法,可用于解决传统的优化方法难以求解的问题.受乌鸦喝水寓言故事启发,提出一种新型元启发式优化算法—乌鸦喝水算法,首先建立了乌鸦喝水算法数学模型;其次,给出实现该算法的详细步骤;最后,将该算法用于基准函数优化,并将该算法与乌鸦搜索算法、粒子群优化算法、多元宇宙优化算法、花授粉算法、布谷鸟算法等群智能算法进行了比较.仿真实验结果表明,乌鸦喝水算法优于其他算法.     

集装箱翻箱问题的蚁群算法改进

翻箱问题属于NP难问题,基本蚁群算法在求解该问题上收敛困难且寻优能力低。因此,本文提出了一种适合于翻箱模型的改进型蚁群算法,在概率决策机制、解的重构、信息素更新机制三个方面对基本蚁群算法进行改进。最后通过与其他算法的分析比较,验证了该改进算法的可行性与有效性。     

求解TSP问题的改进离散蝴蝶优化算法

针对离散蝴蝶优化算法求解TSP问题时精度低和收敛速度慢等问题,提出一种改进离散蝴蝶优化算法.为了提升搜索效率,利用贪婪机制初始化种群,同时结合2-opt算子、改进的2-opt算子和模拟退火等策略来提高寻优能力.通过标准TSPLIB数据库中几十个实例仿真实验,并与一些经典、新型的智能算法比较,结果表明提出的算法在寻优能力和鲁棒性方面表现优越.