一种基于极坐标编码的果蝇优化算法

针对果蝇优化算法易陷入早熟收敛、收敛速度慢、寻优精度低的缺点,提出一种基于极坐标编码的果蝇优化算法.为提高果蝇优化算法的寻优精度,采用极坐标编码的形式,以增加单个母体寻优空间表示方法的多样性,并使种群中的个体,在围绕个体的整个超球体内随机搜索,使个体的搜索范围更加广泛.在迭代寻优过程中,根据适应度值和概率调整极角,逐渐降低观测结果的不确定性.通过9个基准测试函数,对基于极坐标编码的果蝇优化算法进行仿真实验,结果表明了算法在收敛性和稳定性方面,优于其它5个优化算法,测试结果验证了极坐标编码方法的有效性和可行性.     

可调激活函数递进提升输出维的选参方法

针对一类变参数 Sigmoid可调激活函数构成三层前向神经网络 ,分析其可调激活函数中参数所表示意义 ;给出了递进提升输出向量空间维数的可调变参数激活函数中参数选取的方法 ,解决了隐含神经元采用相同激活函数限制了神经网络逼近能力这一问题 .其目的给人们在采用变参数可调激活函数神经网络解决问题时 ,如何选取激活函数中的参数提供了一种数学依据和方法 .     

一种求解约束优化问题的改进差分进化算法

针对在处理约束优化问题时约束条件难以处理的问题,提出了一种求解约束优化问题的改进差分进化算法.即在每代进化前将群体分为可行个体和不可行个体两类,对不可行个体,用差量法将其逐个转化为可行个体,并保持种群规模不变,经过一序列的进化后,计算所有可行个体的适应度并找到问题的最优解.对5个经典函数进行了优化测试,测试结果表明提出的算法对求解约束优化问题是有效的.     

基于混合变异的果蝇优化算法

果蝇算法是新提出一种的群智能优化算法,它存在一些不足尤其是在收敛性和求解精度方面.基于以上提出了一种基于混合变异算子的果蝇优化算法,充分利用柯西变异算子所具有全局搜索能力强的特点和高斯变异算子的局部搜能力强的优点,将这两个算子结合在一起来更新果蝇的位置从而很好的避免了各自算子的缺点.为了验证算法的性能通过测试7个标准多元非线性函数同果蝇优化算法及参考文献中算法结果相比较,实验表明该算法的收敛速度和求解的精度都得到了提高.     

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.     

基于自适应遗传算法的逐次超松驰迭代法

确定逐次超松驰迭代法中的最佳松驰因子,迄今,人们还没有给出一可行实用的方法.利用自适应遗传算法全局搜索性能、并行性及其遗传操作,构造出近似确定最佳松驰因子的一种自适应进化方法,并由此得到一近似确定ω功能的自适应逐次超松驰迭代算法.数值算例表明,该算法在求解线性方程组中是可行的,实用和快捷的.     

基于人工鱼群算法求任意函数的数值积分

将不等距离分割方法与人工鱼群算法相结合,提出一种基于人工鱼群算法求任意函数数值积分的方法,该方法除能计算通常意义下任意函数的定积分外,还能计算奇异函数积分、振荡函数积分以及原函数不易求得的被积函数的积分.最后给出几个数值积分算例,并与传统数值积分方法作了比较,仿真结果分析表明,该算法十分有效,能够快速有效地获得任意函数的数值积分值.     

一种基于进化策略的化学方程式配平新方法

对标准进化策略算法作一改进,根据质量守恒定律和化学方程式左右两边的原子来建立数学模型,将化学方程式配平问题转化为最优化求解问题.改进后的进化策略算法用于最优化求解问题,提出了一种基于进化策略的化学方程式配平新算法.该算法中的初始群体中的个体为整数,通过对群体的进化,来求化学方程式各物质前的最简系数.实验结果表明,这种改进后的进化策略算法能够有效地确定出任意一化学方程式各物质前的最简系数,最终完成化学方程式配平,其目的为任意一化学方程式配平问题提供了一行之有效的新方法.     

混合模拟退火-进化策略在非线性参数估计中的应用

提出了一种混合模拟退火-进化策略算法应用在非线性参数估计中,方法克服了传统优化方法估计参数精度不高且容易陷入局部极小值等缺点,并且将模拟退火算法和进化策略算法相结合,充分发挥各自算法优点.最后通过给出非线性参数估计算例,结果表明,算法具有参数估计精度较高,收敛速度快,自适应性强,在实际工程中有较大的应用价值.     

用改进的人工萤火虫群优化算法求解非线性方程组

针对传统算法复合形法在求解非线性方程组时依赖于初始值的选定和人工萤火虫群算法(GSO)算法在求解非线性方程组时求解精度低的缺点,提出一种基于复合形法的GSO算法(CGSO)求解非线性方程组方法.改进后的算法克服了传统算法的缺点且有效的提高了GSO算法在求解非线性方程组的精度.最后,通过对6个非线性方程组的仿真实验结果和传统算法,以及其他群智能算法进行比较,进而说明了CGSO算法的有效性.