基于遗传-模拟退火的蚁群算法求解TSP问题

传统的蚁群算法具有收敛性好、鲁棒性强等优点,但在解决旅行商(TSP)问题方面存在收敛时间长,容易出现停滞等问题。为了提高传统蚁群算法的解的质量,本文提出了基于遗传-模拟退火的蚁群算法（G-SAACO）,将遗传算法和模拟退火算法引入蚁群算法中。其方法是在传统蚁群算法中引入遗传算法的变异与交叉策略来得到候选解,增加解的多样性。同时引进模拟退火算法机制,使得在高温时以较高概率选择候选集中比较差的解加入最新集,温度控制上加入了回火机制,进一步提高解的质量。为了检验改进的蚁群算法,随机选用了TSPLIB中的部分城市进行仿真,结果与传统蚁群算法、模拟退火蚁群算法、遗传蚁群算法相比,算法具有较强的发现较好解的能力,同时增强了平均值的稳定性。     

迭代正则化方法求解电介质中空间电荷分布

首先介绍了迭代正则化方法的理论基础,建立了含有空间电荷密度分布的Fredholm第一类积分方程的反卷积算法,利用数值实验研究了加性高斯白噪声对迭代反卷积算法的影响,以及迭代停止标准对非适定问题的数值解的影响,最后使用该方法求解电介质样品中的空间电荷分布.结果表明,在无噪或者低噪环境下,反卷积算法能够非常好地计算出非适定问题的解.当噪声影响增大,信噪比降低时,反卷积的计算结果受到明显的影响.迭代停止标准对数值解的计算精度起着明显的作用.对实际测量数据进行处理表明,迭代正则化反卷积算法能够计算出固体电介质中的空间电荷分布.     

超结构换热器网络综合优化的遗传/模拟退火算法-Ⅱ.遗传/模拟退火算法及应用

本文提出了用于换热器网络综合的改进的遗传/模拟退火算法.最优综合的模型基于本文第一部分所提出的通用解方法.所采用的遗传算法结合了模拟退火算法和爬山优化算法,同时引进精英策略和结构变异策略以增强算法的搜索能力.采用本文提出的算法对文献提出的算例进行了计算并得到了更好的结果.     

基于强度传输方程的多重网格算法

为了从直接测量得到的强度图像中恢复相位信息,研究了基于强度传输方程的多重网格算法.从最粗层开始计算,给定初值,迭代出一个解,将此解作为最细层的初值,然后在最细层计算出一个近似解.进一步计算其残差,并将残差限制到较粗网格层求解,直至最粗层,然后逐层修正细网格层的解.利用循环在粗细不同的网格层来消除不同频率的误差分量,得到相位的精确解.仿真实验和真实实验表明,多重网格算法能够较好地从强度图像恢复物体的真实相位.     

膜量子蜂群优化的多目标频谱分配

为了解决认知无线电系统中最大和网络效益和用户间公平性联合最优化的多目标频谱分配难题,基于量子蜂群理论和膜计算,提出了一种新的离散多目标组合优化算法—–膜量子蜂群优化.所提算法在基础膜可以搜索到单个目标的全局最优解,在表层膜获得兼顾网络效益和公平的Pareto前端解.通过膜间的通信规则、量子觅食行为的协同演进和非支配解排序可获得能同时求解单目标和多目标优化问题的多目标优化算法,并与经典的敏感图论着色算法、遗传算法、量子遗传算法和粒子群算法等频谱分配算法在不同的目标函数下进行仿真性能比较.仿真结果表明:在不同网络效益函数下所提的膜量子蜂群频谱分配算法都能够较好地找到单目标最优解,优于经典的频谱分配算法和已有的智能频谱分配算法,还可获得多目标频谱分配的Pareto前端最优解集.     

基于改进遗传算法的移动机器人路径规划

针对传统遗传算法存在的搜索效率低、易于陷入局部最优解的问题,提出了一种改进的遗传算法。采用简单的一维编码替代复杂的二维编码,节约了存储空间。在遗传算子的设计中,重新定义了交叉算子和变异算子,避免了陷入局部最优。最后将最短路径和免碰撞相结合作为适应度函数进行遗传优化。实验结果表明,改进的算法能够快速、有效的规划出最优路径。     

二维非均匀多孔介质中不可压两相驱替的有限分析算法

为提高油藏数值模拟算法的计算效率,在求解单向稳态渗流的有限分析算法基础上,构建二维非均匀多孔介质中不可压两相渗流的有限分析算法.算法中,网格界面上的平均渗透率不是简单地取为相邻网格渗透率的调和平均值,而是通过奇点邻域解析解积分求得.相比于传统的数值算法,有限分析算法随着网格的加密,能够很快地收敛(仅需将原始网格细分至2×2或3×3),并且其计算精度和收敛性不依赖于介质的非均匀强度,从而计算效率得到提高.     

从一幅载频全息图中实现相位重构的新算法

为了实现对单幅载频下涉图进行相位重构.提出了一种避免相位"解包裹"的简易算法.该算法从载频干涉图中解出所求相位的两个偏导数,然后对两个偏导数积分从而得到所求的相位.利用该算法分别对计算机模拟的干涉图和实验所得干涉图进行相位重构,重构结果均表明该算法能够很好地从载频干涉图样中实现相化重构.并且由于避免了相位"解包裹"的过程,从而简化了相位重构的流程,同时也避免了由相位解包带来的错误或误差.此外,该方法在重构相位时,对干涉图中强度分布的不均匀性不敏感.     

一种基于算法融合的红外目标跟踪方法

视频目标跟踪的难点在于快速、准确地在帧与帧之间匹配目标.由于红外图像目标与背景的反差低,图像的边缘模糊并且灰度级动态范围小,使红外目标跟踪难度比可见光更大.本文提出一种针对红外日标跟踪的融合算法,该方法融合直方图和不变矩的特点.首先利用目标的直方图计算简单快速的特点,由均值平移算法快速找到局部最优解,但由于该局部最优解仪为直方图匹配的最优解,缺少目标形状特征,与实际目标位置存在一定的偏差;其次,利用边缘小变矩作为修正特征修正误差,避免跟踪误差逐渐累计而最终导致跟踪失败,以提高跟踪的稳定性和精度.实验结果表明,该算法能够消除跟踪过程中的漂移现象,提高跟踪精度.     

一维含化学反应流体力学方程组的ALE间断有限元方法

研究一维含化学反应流体力学方程组的数值模拟方法.结合理想气体状态方程并利用HLLC解法器在各个单元边界处的数值通量，给出ALE间断有限元方法.高阶计算时，使用TVD斜率限制器对数值解可能产生的非物理振荡进行抑制.结果表明：该算法能够保持物理量的守恒性和高精度，并能够清晰地捕捉爆轰波的结构特征.     

基于遗传算法的变电站巡检机器人任务路径规划方法研究

近年来,随着变电站巡检机器人在变电站中的广泛使用,巡检机器人路径规划问题越来越成为亟待解决的问题。巡检机器人在已知的拓扑地图中标记了待执行巡检任务的停靠点,不同任务需要从初始点出发经过不同的一系列停靠点再返回初始点,如何规划路径是机器人面临的问题。首先分析了路径规划面临的问题,然后通过分析拓扑地图的特征,对地图进行等价简化,再对问题进行建模使用遗传算法求解巡检任务路径规划的近似最优解。通过仿真实验证明,提出的基于遗传算法的路径规划方法是可行有效的,为变电站巡检机器人任务路径规划提供了一种有效方法。     

Multiobjective muffler shape optimization with hybrid acoustics modeling

This paper considers the combined use of a hybrid numerical method for the modeling of acoustic mufflers and a genetic algorithm for multiobjective optimization. The hybrid numerical method provides accurate modeling of sound propagation in uniform waveguides with non-uniform obstructions. It is based on coupling a wave based modal solution in the uniform sections of the waveguide to a finite element solution in the non-uniform component. Finite element method provides flexible modeling of complicated geometries, varying material parameters, and boundary conditions, while the wave based solution leads to accurate treatment of non-reflecting boundaries and straightforward computation of the transmission loss (TL) of the muffler. The goal of optimization is to maximize TL at multiple frequency ranges simultaneously by adjusting chosen shape parameters of the muffler. This task is formulated as a multiobjective optimization problem with the objectives depending on the solution of the simulation model. NSGA-II genetic algorithm is used for solving the multiobjective optimization problem. Genetic algorithms can be easily combined with different simulation methods, and they are not sensitive to the smoothness properties of the objective functions. Numerical experiments demonstrate the accuracy and feasibility of the model-based optimization method in muffler design.     

一种基于遗传算法的红外无损检测缺陷的新方法

红外无损检测的本质可归为热传导反问题的求解。利用通过解析法求解热传导正问题得出的结论，提出基于遗传算法优化求解的红外无损检测缺陷信息新方法，该算法采用浮点数编码，并采用多遗传算子并行损作，不仅获得了好的结果，而且维系了种群的多样性。模拟实验验证了算法的鲁棒性和可靠性。     

基于IAGA的空间测量定位系统测站优化部署

空间测量定位系统是一种基于光电扫描的角度交汇测量系统,由于该系统是在多测站协同作用下实现坐标测量,因此测站的布局优化是应用时面临的重要问题。为了解决该问题,提出了一种基于改进自适应遗传算法的测站优化部署方案。以系统定位精度、覆盖度和使用成本作为多目标优化函数;将进化代数衰减因子与自适应遗传算法相结合,根据多目标函数建立改进自适应遗传算法优化流程;对2~4个测站进行仿真优化分析。仿真结果表明,与传统自适应遗传算法相比,该方法能在10~20代内收敛到最优解并获得更优的目标函数值。因此该方法在空间布局优化设计中能有效提高系统的测量性能。     

Multiple One-Dimensional Search (MODS) algorithm for fast optimization of laser–matter interaction by phase-only fs-laser pulse shaping

In this work, we have developed and implemented a powerful search strategy for optimization of nonlinear optical effects by means of femtosecond pulse shaping, based on topological concepts derived from quantum control theory. Our algorithm [Multiple One-Dimensional Search (MODS)] is based on deterministic optimization of a single solution rather than pseudo-random optimization of entire populations as done by commonly used evolutionary algorithms. We have tested MODS against a genetic algorithm in a nontrivial problem consisting in optimizing the Kerr gating signal (self-interaction) of a shaped laser pulse in a detuned Michelson interferometer configuration. The obtained results show that our search method (MODS) strongly outperforms the genetic algorithm in terms of both convergence speed and quality of the solution. These findings demonstrate the applicability of concepts of quantum control theory to nonlinear laser–matter interaction problems, even in the presence of significant experimental noise.     

基于不动点理论的多系统兼容接收机频点选择问题的研究与遗传算法实现

基于不动点理论研究了多系统兼容接收机的频点选择问题,并引入遗传算法解决了这一问题.将Banach不动点理论引入频点空间,提出并证明了频点空间中频点集的遗传进化过程反映了频点空间呈现出的一种不动点物理特性;经过频点空间算子的足够多次的反复遗传进化作用,频点空间中的任一迭代序列源频点集都将最终收敛于唯一不动点目标频点集,而该不动点目标频点集中的目标频点即为该频点选择问题的最优解.完成了遗传算法应用于频点选择问题的理论研究与实现.仿真结果表明,该算法能够有效地解决多系统兼容接收机的频点选择问题. 关键词： 多系统 接收机 遗传算法 不动点     

自然循环流动不稳定性的多目标优化极限学习机预测方法

极限学习机是近年来提出的一种前向单隐层神经网络训练算法,具有训练速度快、不会陷入局部最优等优点,但其性能会受到随机选取的输入权值和阈值的影响.针对这一问题,提出一种基于多目标优化的改进极限学习机,将训练误差和输出层权值的均方最小化同时作为优化目标,采用带精英策略的快速非支配排序遗传算法对极限学习机的输入层到隐层的权值和阈值进行优化.将该算法应用于摇摆工况下自然循环系统不规则复合型流量脉动的多步滚动预测,分析了训练误差和输出层权值对不同步长预测效果的影响.仿真结果表明,优化极限学习机预测误差可以用较小的网络规模获得很好的泛化能力.为流动不稳定性的实时预测提供了一种准确度较高的途径,其预测结果可以作为核动力系统操作员的参考.     

Refractivity estimations from an angle-of-arrival spectrum

This paper addresses the probability of atmospheric refractivity estimation by using field measurements at an array of radio receivers in terms of angle-of-arrival spectrum.Angle-of-arrival spectrum information is simulated by the ray optics model and refractivity is expressed in the presence of an ideal tri-linear profile.The estimation of the refractivity is organized as an optimization problem and a genetic algorithm is used to search for the optimal solution from various trial refractivity profiles.Theoretical analysis demonstrates the feasibility of this method to retrieve the refractivity parameters.Simulation results indicate that this approach has a fair anti-noise ability and its accuracy performance is mainly dependent on the antenna aperture size and its positions.     

Parameter identification of commensurate fractional-order chaotic system via differential evolution

Chaos can be observed in fractional-order nonlinear systems with appropriate orders. The knowledge about the parameters and orders are the basis of the control and synchronization of fractional-order chaotic systems. In this Letter, the problem of parameter identification of commensurate fractional-order chaotic systems is investigated. By treating the orders as additional parameters, the parameters and orders are identified together through minimizing an objective function. Differential evolution algorithm, a powerful and robust evolutionary algorithm, is applied to search the optimal solution of the objective function. Numerical simulations and comparisons with genetic algorithm (GA) demonstrate the effectiveness of the proposed method.     

Simulated Darwinian evolution of homogenous multilayer systems: a new method for optical coatings design

A new method for the design of optical multilayer systems is presented. A genetic algorithm is introduced to search for the optimal parameters of the system. The basic theory of genetic algorithms as well as their application to the design of optical coatings is described. The problem of the synthesis of a rejection filter is solved and a comparison with the inverse Fourier transform method is made.