一种新的混合智能算法及其在属性约简中的应用

属性约简是粗糙集理论的核心部分.受细菌觅食过程的启发,本文将细菌觅食算法的思想应用于粒子群算法,提出了一种细菌觅食粒子群算法.细菌觅食过程的趋向操作可以指导粒子朝着更优方向进化,而粒子群算法又能提高细菌觅食算法的收敛速度和寻优能力.将该算法应用到属性约简中,数值实验结果表明,本文提出的细菌觅食粒子群优化的约简算法在寻优能力方面均优于Hu算法,粒子群约简算法和细菌觅食约简算法,能得到更好的最小属性约简.     

固定需求下基于概率型随机平衡的交通网络设计模型及算法

在考虑网络中用户的路径选择行为满足概率型随机平衡的条件下,给出了交通网络设计的双层规划模型,同时设计了基于差分的启发式求解算法．     

基于自适应步长布谷鸟搜索和粒子群融合算法的AUV水下三维路径规划

针对传统布谷鸟算法在处理自主式水下机器人（AUV）于复杂水下的三维路径规划研究时存在搜索目标不可达、寻径和避障能力弱和算法收敛速度慢等问题,提出AUV路径规划算法PSO-ASCS(particle swarm optimization-adaptive stepsize cuckoo search),将粒子群算法引入改进的自适应步长布谷鸟搜索,对布谷鸟算法进行优化。利用空间分层思想建立复杂水下三维模型对PSO-ASCS算法进行路径规划和避障实验;通过考虑路径长度、路径平滑性和路径危险性三个要素构造适应度函数,对PSO-ASCS算法进行测试并与自适应步长布谷鸟算法、标准布谷鸟算法和粒子群算法进行比较。实验表明,本文算法具有较强的全局搜索能力和寻优性能、算法收敛较好,使AUV具备高效的避障和路径规划的能力。     

求解一类随机优化问题的粒子群算法

提出了一个解随机优化问题的粒子群算法.该算法易理解,程序上易实现,克服了随机优化问题难以高效实现全局优化的缺点.数值实验结果表明,所提出的算法能够快速地收敛到随机优化问题的最优解,并且具有良好的鲁棒性,是此类问题的一个高效求解算法.     

自适应粒子群优化算法及其在注塑成型质量指标软测量中的应用

对粒子群优化算法(PSO)进行分析,提出了一种根据速度信息自适应调整参数的粒子群优化算法(APSO-VI),该算法经过大量测试函数上的模拟实验验证,并与PSO进行了比较。实验结果表明,该算法能克服基本PSO算法在求解高维、多峰等大规模复杂非线性优化问题时易陷入局部最优和不收敛的     

粒子群优化算法的收敛性分析

根据粒子群优化(Particle swarm optimization,PSO)算法的数学模型定义粒子状态序列和群体状态序列,并分析其马尔可夫性质,引入了粒子转移概率,证明了粒子及种群的最优状态集的封闭性;进一步基于随机过程理论证明了群体状态以概率转到最优状态集,从而证明了标准粒子群算法以一定概率收敛于全局最优。 更多还原     

改进的多目标粒子群算法

提出了一个改进的粒子群算法并将其用于解决多目标优化问题．该算法利用粒子群算法的信息传递机制，引入多目标演化算法常用的归档技术，采用SPEA2算法的环境选择和配对选择策略，使得整个群体在保持适当的选择压力的情况下收敛于Pareto最优解集．标准测试函数的数值实验结果表明，所提出的算法能够使找到的解集快速收敛到Pareto非劣最优目标域，并且解集沿着Pareto非劣最优目标域有很好的扩展性．     

求解多峰函数的改进粒子群算法的研究

针对标准粒子群算法进行多峰函数优化时存在的易陷入局部极值和搜寻效率低的问题，提出了子种群划分和自适应惯性权重改进方法来求解多峰函数．根据群体微粒的相似度将粒子群分成子群体，各子群体围绕一个有最佳适应值的群体中心进行建立，并通过几个经典函数进行求解．实验表明：改进的粒子群算法能快速有效地找到多峰函数的全局最佳值．     

混沌改进粒子群算法及其在储能电站优化调度中的应用

储能电站能够提高风电并网效益,减少弃风具有良好的发展前景。在储能电站调度策略中,粒子群算法具有较好的适应性与便捷性,但存在容易陷入局部最优的缺点。针对这一缺点,本文提出将混沌改进的粒子群算法应用到储能电站的控制之中。由于混沌具有随机性、遍历性、规律性和敏感性的特点,将混沌融入到粒子群运动过程中,可以达到粒子群稳定与混沌不断交替进行变动,从而达到全局寻优的特点。最后通过具体算例将算法改进前后进行对比,验证改进的可行性与算法的实际应用性。     

工序问题的动态规划算法

提出了一个求解工序问题的动态规划算法,该算法排序含n个工件集合的期望时间为O(n)。     

基于粒子群优化求解纳什均衡的演化算法

基于粒子群优化方法从群智能的角度建立了博弈的演化模型，为求解有限n人非合作博弈的纳什均衡设计了一种粒子群优化算法．通过随机初始点的可行化以及对迭代步长的控制，保证粒子群在算法的迭代过程中始终保持在博弈的可行策略空间内，避免了在随机搜索中产生无效的粒子，因此提高了粒子群优化算法求解纳什均衡的计算性能．给出了算法的数值例子并分析了该算法的计算性能，通过粒子群算法与遗传算法的比较显示了粒子群算法求解博弈纳什均衡解的高效性．     

一类求解方程根的改进粒子群优化算法

在群集智能研究的新进展粒子群优化算法（PSO）的基础上，从初始种群的产生、目标函数的处理的角度改进PSO，并在分析讨论代数方程根的分布规律基础上，从优化的角度求解复系数方程和超越方程．数值计算表明，改进算法具有不依赖于迭代初值、良好的适应性和较高的精度的特点，是求解代数方程根的一种成功的算法。     

社会网络中影响集选择的一个近似算法

在研究社会网络影响集的选择问题中,目标是选取网络G中的一个最小点集S,使得V（G）-S中的每个点都至少有一半邻点在S中.本文给出一个α（△＋1）/δ＋1-近似算法,其中δ和△分别表示图G的最小度和最大度,α是局部独立数,它指示着图G的局部区域中最多含有的独立点的个数.     

基于GA的BP网络模型及其应用

提出了一种基于实数编码的GA-BP复合算法,该算法对BP网络初始权值、结构、学习规则进行优化,从而在解空间中搜索出最优解,文中还给出了应用该算法解决油气产能预测的实例。     

Hopf field网络解TSP的改进算法

本文提出用神经网络解旅行商问题(TSP>的改进算法。简化了Hopfield神经网络的能量函数并讨论了Euler法取大步长时的迭代性质.计算机模拟表明主要有两大优点:一是迅速收敛到一个解，二是易获得有效路径.