免疫逃避型粒子群优化算法

针对基本粒子群优化算法容易陷入局部极值的缺陷,提出了一种免疫逃避型粒子群优化算法.其基本思想是将初始粒子群划分为寄生与宿主两个种群以模拟生物寄生行为,对寄生种群的粒子采用精英学习策略,对宿主群的粒子采用探索策略,再引入免疫系统的高频变异对寄生群采用相应的免疫逃避机制,以增强群体逃离局部极值、提高算法的全局寻优能力.采用标准测试函数的实验结果表明,该算法在收敛速度和求解精度方面均有显著改进.     

基于粒子群算法的水稻用水的优化配置

本文旨在实现水稻用水资源的优化配置.早稻、一季稻和晚稻等不同类型水稻的用水,以及同一类型的水稻在不同的生长阶段,均存在着用水优化配置的问题.粒子群优化算法比较容易操作,在计算方面具有效率和精度高的优点,可以应用于水稻用水的优化配置模型的求解.以衡阳县高炉村的水稻用水优化配置为具体算例,验证了算法的可行性.     

混合变异粒子群优化算法及其应用

为改善粒子群优化算法在解决复杂优化问题时收敛质量不高的不足,提出了一种改进的粒子群优化算法,即混合变异粒子群优化算法(HMPSO).HMPSO算法采用了带有随机因子的惯性权重取值更新策略,降低了标准粒子群优化算法中由于粒子飞行速度过大而错过最优解的概率,从而加速了算法的收敛速度.此外,通过混合变异进化环节的引入,缓解了粒子种群在进化过程中的多样性与收敛性这一矛盾,使得算法的全局探索与局部开发得到有效平衡.利用经典的基准测试函数和平面冗余机械臂逆运动学问题的求解来验证提出算法的有效性,试验结果表明:与其他算法相比,HMPSO算法具有更快的收敛速度、更高的收敛精度、更强的收敛稳定性以及更低的计算成本.     

一种使用单纯形法优化的粒子群算法

根据单纯形法和粒子群算法的各自特点,提出了一种使用单纯形法优化的粒子群算法,算法利用单纯形法来对粒子群算法的初始值进行处理.数值实验表明,优化后的粒子群算法具有更好的的寻优能力.     

超越方程的优化解法

针对粒子群算法局部搜索能力差,后期收敛速度慢等缺点,提出了一种改进的粒子群算法,该算法是在粒子群算法后期加入拟牛顿方法,充分发挥了粒子群算法的全局搜索性和拟牛顿法的局部精细搜索性,从而克服了粒子群算法的不足,把超越方程转化为函数优化的问题,利用该算法求解,数值实验结果表明,算法有较高的收敛速度和求解精度。     

基于粒子群算法的大型网络计划资源优化

现有求解网络计划资源优化的方法中,解析法不能解决大型复杂网络优化问题,启发式方法过多依赖具体问题、求解效率低,遗传算法生成新一代优化解种群依据的三个算子的实现参数选择,大部分依靠经验并严重影响解的品质,粒子群算法存在大型网络计划资源优化计算量过大和缺少大型网络计划资源优化算例问题.借助设计网络计划时间参数的计算机算法、建立评价函数、设计进化方程等基础工作,选择与工作开始时间相关的变量作为粒子空间位置,用蒙特卡洛方法和限制条件优化初始粒子群,设置可行解范围,用二维动态数组解决大型网络计划资源优化运行image超限问题,通过粒子群算法进化,寻求大型网络计划资源优化解,算例表明基于粒子群算法的大型网络计划资源优化效果明显,粒子群算法参数分析表明:粒子群算法的参数会影响网络计划资源优化结果,而且初始粒子群限制条件和优化目标设置的影响程度较大.     

非线性约束优化问题的混合粒子群算法

把处理约束条件的一个外点方法和改进的粒子群优化算法相结合,提出了一种求解非线性约束优化问题的混合粒子群优化算法.该方法兼顾了粒子群优化和外点法的优点,对算法迭代过程中出现不可行粒子,利用外点法处理后产生可行粒子.数值实验表明了提出的新算法具有有效性、通用性和稳健性.     

基于粒子群算法的大型网络计划费用优化

大型网络计划费用优化对科学有效地进行工程项目进度管理具有重要意义,但大型网络计划费用优化随工作个数增加而约束方程和计算量骤增,成为数学和计算机科学领域至今未解决的难题.借助建立评价函数、设计进化方程、设计网络计划时间参数的计算机算法等基础工作,选择工作持续时间作为粒子空间坐标并设置可行解范围,用蒙特卡洛方法和限制条件优化初始粒子群,用二维动态数组解决大型网络计划粒子群算法优化运行image超限问题,成功求解有61个工作的大型网络计划费用优化算例.因此,经过特定设计的粒子群算法是微机和有限的计算时间条件下求解大型网络计划费用优化问题的一个有效方法.     

改进的二进制粒子群算法求解车辆路径问题

设计了一种改进的二进制粒子群优化算法来求解车辆路径问题,算法基于粒子群算法的寻优模式充分考虑粒子之间的导向作用,改进二进制粒子群算法的位取值方式,减小了在进化过程中停滞于局部最优解的概率,并通过构造辅助函数处理优化问题的约束条件,基于分层次实现多个目标的思路来寻优,提高了算法的搜索效率和计算速度.实验测试结果验证了该算法对求解车辆路径问题的适用性和有效性.     

多重纳什均衡解的粒子群优化算法

提出了一种求解双矩阵对策多重纳什均衡解的粒子群优化算法。该算法通过随机初始点以及迭代粒子的归一化,保证粒子群始终保持在对策的可行策略空间内,避免了在随机搜索中产生无效的粒子,提高了粒子群优化算法求解纳什均衡解的计算性能。最后给出了几个数值例子,说明了粒子群优化算法的高效性。     

混沌优化算法在不可分稳态大系统优化中的应用

讨论了整体目标函数关于各子系统不具有可加形式的大规模稳态系统的优化问题,将混沌优化算法应用于其最优值的求解,利用混沌运动的遍历性来得到优化问题的全局最优值.仿真结果表明,该算法简单易行,求解精度和可靠性较高,是解决不可分稳态大系统优化问题的一种有效方法.     

Approximating the Pareto optimal set using a reduced set of objective functions

Real-world applications of multi-objective optimization often involve numerous objective functions. But while such problems are in general computationally intractable, it is seldom necessary to determine the Pareto optimal set exactly. A significantly smaller computational burden thus motivates the loss of precision if the size of the loss can be estimated. We describe a method for finding an optimal reduction of the set of objectives yielding a smaller problem whose Pareto optimal set w.r.t. a discrete subset of the decision space is as close as possible to that of the original set of objectives. Utilizing a new characterization of Pareto optimality and presuming a finite decision space, we derive a program whose solution represents an optimal reduction. We also propose an approximate, computationally less demanding formulation which utilizes correlations between the objectives and separates into two parts. Numerical results from an industrial instance concerning the configuration of heavy-duty trucks are also reported, demonstrating the usefulness of the method developed. The results show that multi-objective optimization problems can be significantly simplified with an induced error which can be measured.     

回购契约下闭环供应链对突发事件的协调应对

在回购契约下,可以实现闭环供应链的协调。然而突发事件发生造成零售商面临的需求分布变化时,闭环供应链的销售活动将受到影响,闭环供应链的协调将被打破;但是闭环供应链的废旧品回收活动却不受突发事件的影响。为此,给出了闭环供应链对突发事件的最优应对策略,并调整了原来的回购契约使其能协调应对突发事件,并且使调整后的回购契约也能实现突发事件前闭环供应链的协调。     

混纺比测定中的数学方法及其遗传算法实现

测定纱线的混纺比在纺织工程的实践中有着重大的实际意义.在特征值提取环节,结合相关文献,从“径长”的角度提出面积系数、异形度、波动率等形态指标并利用其合理地构成特征向量.重点讨论鉴定纱线混纺比中聚类分析的数学方法.结合非线性优化模型和遗传算法,通过适当的编程计算,从而得出较好的聚类分析结果.     

混沌粒子群神经网络在上证指数预测中的应用

上证指数预测是一个非常复杂的非线性问题,为了提高对上证指数预测的准确性,本文采用基于混沌粒子群(CPSO)算法对BP神经网络算法改进的方法来进行预测.BP神经网络算法目前已经应用到预测、聚类、分类等许多领域,取得了不少的成果.但自身也有明显的缺点,比如易陷入局部极小值、收敛速度慢等.用混沌粒子群算法改进BP神经网络算法的基本思想是用混沌粒子群算法优化BP神经网络算法的权值和阈值,在粒子群算法中加入混沌元素,提高粒子群算法的全局搜索能力.对上证指数预测的结果表明改进后的预测方法,具有更好的准确性.     

多收费方式收费系统资源配置优化方法

随着ETC技术的发展,高速公路收费系统从单人工收费方式逐渐向多收费方式格局演变.同时高速公路收费系统的设计涉及到政府、道路管理者、道路使用者及道路非使用者之间利益的协调发展,因此研究在多收费方式情况下,满足不同利益层面需求的系统资源的优化配置问题具有重要意义.通过建立收费系统资源优化配置模型,在收费制式既定的情况下,利用遗传算法对收费站位置与数量进行寻优,并利用非集计方法对多收费方式情况下的车道配置进行均衡求解,可定量计算出最佳系统资源配置方案,包括确定收费制式、收费站位置与数量、收费方式、各收费站不同收费方式车道组合情况.最后我们进行算例研究,并对优化结果进行了分析比较,可为收费制式的选择及收费站的车道布设提供理论依据.     

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.     

Reduced gradient method combined with augmented Lagrangian and barrier for the optimal power flow problem

A new approach for solving the optimal power flow (OPF) problem is established by combining the reduced gradient method and the augmented Lagrangian method with barriers and exploring specific characteristics of the relations between the variables of the OPF problem. Computer simulations on IEEE 14-bus and IEEE 30-bus test systems illustrate the method.     

一次不定方程的简易解法

一次不定方程现在通常的解法是将其化为一次不定方程组来解，当未知数较多时，其解法极其繁复。本文利用矩阵和自由阿贝尔群的理论，对一次不定方程的解的结构进行了讨论，并利用其结论给出了一种简单解法。另外，该解法为利用计算机得到一次不定方程的通解提供方便。