改进蚁群算法的局部信息动态路径规划

针对传统蚁群算法收敛速度慢、对动态路径变化适应性低的局限性,提出了一种基于局部信息获取策略的动态改进型蚁群算法。该算法利用局部信息获取策略,进行最优局部目标点的获取,然后调用改进蚁群算法获取局部区域内的最优路径,再重复循环获取新的最优局部目标点,直到找到全局目标点。与此同时,将提出的改进型蚁群算法应用于动态路径规划中的路径寻优与避障,仿真结果表明：提出的算法在具有与传统蚁群算法相当的路径优化效果的同时,能够有效适应障碍变化、大大提高了路径规划的收敛速度。     

遗传-蚁群混合算法在高温超导匀场磁体优化设计中的应用

遗传算法具有很强的自适应性、鲁棒性和全局搜索能力,但其局部搜索能力相对较弱,计算后期易出现进化缓慢、过早收敛等问题,蚁群算法是近几年迅速发展起来的一种新的全局优化算法,具有正反馈机制,但是计算初期由于信息素差别小,初始收敛速度较慢.本文将这两种优化方法结合起来,充分发挥各自的优势,形成了遗传-蚁群混合算法,并选用测试函数对算法的优化性能作了对比计算,最后以高温超导匀场磁体为实际应用目标,以绕制磁体所用超导带长度为目标函数对磁体结构进行优化设计,优化方案比原始方案节省7.32%的超导带材用量.     

基于GA-WPA优化的BP神经网络目标威胁估计

在防空作战中,目标威胁估计是指挥控制过程的重要一环,是决策和指挥的重要依据。BP神经网络能够解决目标威胁估计问题,但存在收敛速度慢、易陷入局部最优等缺点。提出将遗传算法(Genetic Algorithm,GA)的选择、交叉和变异操作融入到狼群算法(Wolf Pack Algorithm,WPA)中,提出了GA-WPA算法,以提高狼群算法的收敛速度。在此基础上,利用所提出的GA-WPA算法对BP神经网络进行优化,确定最优初始权值和阈值。最后,将优化后的BP神经网络解决地面防空系统目标威胁估计问题。仿真实验表明,所提算法能够有效克服BP神经网络收敛速度慢、易陷入局部最优等缺点,能够提高目标威胁估计的准确性和适应性。     

基于r-ADMM算法的轴向超分辨荧光显微技术研究

多角度全内反射荧光显微镜层析成像技术是实现轴向超分辨的主要技术之一,其关键算法是基于交替方向乘子算法对逆问题模型求解。为进一步提高交替方向乘子算法的迭代速度及收敛性,提出将一种基于松弛因子的改进型交替方向乘子算法应用于逆问题的求解中,其核心思想是对拉格朗日函数的分解迭代过程进行过松弛求解。基于该算法,搭建了多角度全内反射荧光显微镜成像系统,采集不同照明角度对应的不同穿透深度的图像堆栈,利用改进型算法重构细胞微管的深度信息,给出了系统的轴向分辨率,并与传统交替方向乘子算法进行了收敛速度的对比,给出了改进型算法达到最优收敛的松弛因子的取值范围,最后通过对线粒体样品进行长时程拍摄,重构了其三维信息,并观测了其融合和裂变的连续过程。实验结果表明,改进型交替方向乘子算法可以实现40 nm的轴向分辨率,并能在保证图像重构质量的同时,使迭代过程的收敛速度提升20%以上。     

基于改进遗传与模拟退火融合的RISP软硬件划分

软硬件划分是可重构指令集处理器在软硬件协同设计中的关键问题,通过对比遗传算法和经典模拟退火算法的优缺点,提出改进遗传算法的适应度函数,同时将Tsallis接受准则引入到经典模拟退火当中。其思路是用遗传算法的结果来制约模拟退火算法产生的随机状态,然后由模拟退火的接受准则以及产生的随机状态函数对遗传算法的种群进行更新,从而找到全局近似最优解。实验结果证明,改进算法与单一遗传算法以及经典模拟退火算法相比,其收敛速度和适应度更好,找到全局近似最优解的概率更大。     

基于混沌人工蜂群算法的无线传感器网络覆盖优化

针对无线传感器网络随机播撒的节点严重冗余并且导致网络寿命短、覆盖效率不高等缺陷,提出了一种混沌人工蜂群算法的无线传感器网络覆盖优化算法;将节点的利用率和覆盖率作为优化目标函数,建立与之对应的数学模型,之后用混沌人工蜂群算法改善人工蜂群算法陷入局部最优、收敛慢等问题,提高算法收敛速度和精度,对节点覆盖模型进行求解,得出网络最优覆盖方案;通过实验仿真,提出的算法提高了无线传感器网络的覆盖率,覆盖率可达93.48%以上,减少了网络节点冗余,提高了网络寿命,降低了网络成本。     

基于改进模拟退火的RISP软硬件划分

软硬件划分是可重构指令集处理器在软硬件协同设计中的关键问题,已经被证明是一个NP难问题;模拟退火在解决该类问题的算法中较为常用,但在任务数变大时,其收敛速度过慢且不一定能找到有效近似最优解,通过将Cauchy分布引入扰动模型同时将其距离参数Δy乘上一个系数,然后在已有代价函数的基础上提出一个更加有效的边界条件,最后将冷却进度表的算式乘上一个权值,以此加快算法的收敛速度;实验结果表明,和经典模拟退火算法相比,新算法的收敛速度明显提高,同时得到的解更接近最优解,其性能优势在任务数增大时尤为明显。     

基于BP算法和ACO算法的故障诊断推理研究

BP算法在故障诊断领域已取得广泛应用,但其存在收敛速度慢且容易陷入局部最小值的缺陷,限制了其进一步的发展;ACO(Ant colony optimization)算法是一种模拟进化算法,已很好地应用于解决旅行商和资源两次分配等经典的优化问题,具有启发式收敛、正反馈以及分布式计算等优点;为此,将ACO算法引入BP算法故障诊断方法中,使用ACO算法对BP网络中的参数即权值、阈值以及学习率等进行优化,定义了一种结合ACO算法和BP算法能对故障进行诊断的新算法,并将其应用于具体的故障诊断实例中,最后,通过100组样本中的95组进行训练,并对剩余5组进行故障诊断,实验证明结合ACO算法和BP算法的新算法较传统的仅使用BP算法的诊断方法具有收敛速度快、诊断精确高以及训练性能好的优点。     

基于改进K均值聚类的机械故障智能检测

针对传统的K均值聚类算法在机械故障检测的过程中,由于对于K值的选择具有较强的主观性,最后极易得到局部最优解,而非全局最优解,降低了机械故障检测的准确性。提出一种改进K均值聚类的机械故障智能检测方法。将K均值聚类算法与粒子群算法相结合,在迭代处理的过程中,结合K均值进行优化,即将粒子群算法中的子代个体利用K均值聚类进行运算获取局部最优解,并使用这些个体继续参与迭代处理,这样能够提高算法的收敛速度,避免陷入局部最优解,获得准确的机械故障信号特征。实验结果表明,利用K均值倾斜特征提取的机械故障智能检测算法进行机械故障检测,能够有效提高故障检测的准确性,取得了令人满意的效果。     

基于GD-GEP算法的航空发动机振动监控

针对传统基因表达式编程算法(GEP)在进行函数挖掘时易陷入局部最优以及收敛精度不高等问题,提出了一种基于基因多样性的GEP算法,该算法采用基于基因多样性的初始种群生成策略,引入了种群更新策略,使得种群基因多样性增加;仿真试验表明,该算法具有更好的全局搜索能力和更高的解精度;基于某型飞机飞行数据记录器记录的飞行数据,利用GD-GEP算法进行航空发动机模型辨识,将辨识得到的模型用于发动机振动值监控,真实的振动故障数据验证了该方法能够成功监测到振动故障。     

用遗传算法拟合Eu-151穆斯堡尔谱

以Eu2O3(立方晶系)为例，论述遗传算法(GA，Genetic Algorithm)求解穆斯堡尔谱的过程，并将解谱结果与文献数据和Moss Win解谱结果进行比较。     

基于粒子群优化算法的伺服系统测试点优选策略研究

针对某型雷达天线伺服系统测试点多,故障诊断需测试较多测试点而导致的故障诊断时间长,效率低的问题,提出了一种基于粒子群优化的测试点优选方法。该方法首先基于系统所需的故障诊断率和所能容忍的故障虚警率构建目标优化函数,其次利用粒子群算法对目标函数进行优化以选择最少的测试点完成故障定位和诊断。该方法避免了对所有测试点的测试,节省了测试时间,可在最短的时间内完成测试点的优选。仿真实验验证了算法的有效性。     

Hybrid-Flash Butterfly Optimization Algorithm with Logistic Mapping for Solving the Engineering Constrained Optimization Problems

Only the smell perception rule is considered in the butterfly optimization algorithm (BOA), which is prone to falling into a local optimum. Compared with the original BOA, an extra operator, i.e., color perception rule, is incorporated into the proposed hybrid-flash butterfly optimization algorithm (HFBOA), which makes it more in line with the actual foraging characteristics of butterflies in nature. Besides, updating the strategy of the control parameters by the logistic mapping is used in the HFBOA for enhancing the global optimal ability. The performance of the proposed method was verified by twelve benchmark functions, where the comparison experiment results show that the HFBOA converges quicker and has better stability for numerical optimization problems, which are compared with six state-of-the-art optimization methods. Additionally, the proposed HFBOA is successfully applied to six engineering constrained optimization problems (i.e., tubular column design, tension/compression spring design, cantilever beam design, etc.). The simulation results reveal that the proposed approach demonstrates superior performance in solving complex real-world engineering constrained tasks.     

自适应免疫优化算法研究大尺寸Cu-Au合金团簇稳定结构

合金团簇所具备的催化和光学等方面特性与团簇的尺寸、元素组成和元素序列密切关联,因而确定其稳定结构是研究纳米团簇合金性质的首要任务.本文利用基于内核构建的自适应免疫优化算法研究了完整元素组成的CunAum(n+m=61及79)二元合金团簇的稳定结构.应用多体Gupta势函数描述Cu-Au团簇原子间的相互作用.研究结果表明:对于CunAum(n+m=61)团簇,除了当n=12-15时为由三个双二十面体面面相连组成的环状结构外,其余均为二十面体结构.原子总数为79的Cu-Au合金团簇包括堆积缺陷的面心立方结构、双面心立方结构、二十面体、十面体和由四个双二十面体面面相连组成的环状结构.且当Au原子比例高和低时其主要构型分别为二十面体和十面体.此外,还分析了Cu-Au合金团簇结构势能量的分布情况及团簇的相对稳定性.原子分布规律显示Cu原子趋于占据内层,而Au原子趋向于分布在外层.     

基于混合算法的光学合成孔径成像系统孔径优化

结合模拟退火算法和遗传算法的优点,在遗传算法中加入模拟退火算子,运用这种混合算法对子孔径结构进行了优化。以阵列的子调制传递函数覆盖点间距最大化及最小冗余度来设计目标函数,实现了单圆周孔径阵列和双圆周孔径阵列的优化排列。使用仿真程序对优化阵列的光学传递函数进行了分析,将优化结果与相同子孔径数目的单圆周结构进行仿真实验和比较。结果表明,采用这种混合算法是可以很好的解决光学合成孔径结构的优化问题,优化结果接近全局最优解,优化后的双圆周阵列接近Golay阵列,具有更大的实际空间截止频率。     

基于改进蛙跳算法的无线传感器网络覆盖优化

针对传统算法在解决无线传感器网络覆盖优化上存在的覆盖率较低和节点分布不够均匀的问题,提出了一种改进的蛙跳算法;为了同时达到增加算法的种群多样性和加快算法收敛速度的目的,改进蛙跳算法分别增加了个体高斯学习机制和根据粒子群思想改进的更新策略,让族内最差个体在自身附近进行局部搜索,若无效,则使族内最差个体同时向族内最优个体和全局最优个体学习;在性能评估实验中,对改进的蛙跳算法分别进行了标准函数测试和无线传感器网络覆盖优化测试;测试结果表明,在6个标准测试函数中,改进的蛙跳算法与其他算法相比在4个测试函数上的收敛精度有了明显提高;在无线传感器网络覆盖优化中,改进的蛙跳算法也能够使节点分布更加均匀,使网络覆盖率达到了85.6%。      

基于遗传算法的光学膜系初始结构优化设计

膜系初始结构优化设计是膜系优化设计的关键。针对多膜料设计 ,提出了一种新的膜系初始结构优化设计算法 ,将膜系的初始设计视为组合优化问题 ,采用遗传算法 ,求得组合的最优解。给出了算法的原理 ,并给出了相应的设计实例。结果表明 ,本算法是一种简单、有效、通用性强的膜系初始化设计方法     

A generalized optimization of Monte Carlo particle transport schemes

Formulations and algorithms for optimizing biased random walk problems in radiation transport are described. A matrix-integral equation is constructed by coupling the second moment and its derivative with respect to the biasing parameter. The optimization is based on estimation of the second moment around the score and the Monte Carlo perturbation algorithm to treat the variation in the biasing parameter.     

百瓦级铜蒸汽激光器最大功率的全局优化设计

将全局优化的遗传算法应用于百瓦级铜蒸汽激光器（CVL）,以最大输出激光功率为目标函数,整体优化设计和确定了铜蒸汽激光器同轴结构的激光和放电电源的电路参数等。提高激光功率的一条途径是：在采用相对较小的储能电容的同时,提高输入功率（主要是峰值电压）和管壁温度,且使激光头与供电电源相匹配。