Hopfield网络解旅行商问题的动态消元算法

对Hopfield网络解旅行商问题的算法做了改进工作:为了消除无效解,给出了普适的初始状态,调整了差分迭代方程的参数,改变了稳定状态的判断.为了得到最优解,提出动态消元算法,要求消元后第r次的运算结果优于或等于第r-1次的运算结果.计算机模拟表明此算法对初始条件具有稳健性,从任何初始状态开始都能得到最优解.     

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.     

一种求解约束条件下多变量非线性函数所有全局最优解的区间算法

研究和实践中经常会遇到附有约束条件的非线性优化问题，对这类问题，通常采用随机搜索的方法来解决，但是，随机搜索法不能证明所得到的解就是全局最优解．本文给出了一种求解约束条件下非线性优化问题所有全局最优点和最优值的区间算法，该算法非常宜于解决优化问题，它能求出问题的所有全局最优解，给出解的包含区间，并很容易获得解的逼近误差，这是随机搜索等其他方法做不到的．理论分析和数值结果均表明，区间算法是稳定而可靠的．     

基于量子克隆选择算法的AB非格蛋白质折叠预测

将免疫克隆选择算法与量子算法相结合的混合量子免疫算法应用于处理多极值和多变量的蛋白质折叠问题中.在克隆选择算法中引入免疫记忆细胞并加入量子双链编码方式以增加其搜索到全局最优值的概率.由于该算法易陷入局部最优,为改善该算法的性能而跳出局部最优解,将年龄算子引进到该算法中.实验结果表明,改进后的量子免疫算法在最低能量值和计算时间上与之前相比有明显的提高,而且年龄算子的加入在早熟收敛的改善上同样效果显著.     

线性约束凸规划问题的仿尺度算法

对一般线性约束凸规划问题，给出了相应的仿尺度算法，并证明由该算法所产生的迭代点要么直接到达问题的最优解，要么其极限点满足问题的最优性条件。     

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．     

基于动态因子和共享适应度的改进粒子群算法

为提高粒子群算法的收敛速度和优化性能,避免陷入局部最优,提出了一种基于动态学习因子和共享适应度函数的改进粒子群算法.在惯性权重w随着迭代次数非线性减少而动态调整学习因子的基础上,引入共享适应度函数.当算法未达到终止条件而收敛时,利用粒子和最优解间距离挑选一批粒子重新初始化形成新群体,并用共享适应度函数对新群体进行评价,新旧2个群体分别追随自己的局部最优解直至迭代结束.对4个典型多峰复杂函数的测试结果表明,该改进算法不仅加快了寻得最优解的速度,而且提高了粒子群算法全局收敛的性能.     

一种惯性交替极小化算法及其应用

提出一种惯性交替极小化算法求解具有线性等式约束的两块可分离凸极小化问题,其中一块是强凸的。我们证明所提出的算法收敛到原问题和对偶问题最优解。作为应用,将所提出的算法用于求解一类复合凸极小化问题,该问题在图像去噪中有着广泛应用。最后,通过对具有约束的全变分图像去噪模型进行数值实验,数值结果验证所提出算法的有效性和优越性。     

基于动态分级和邻域反向学习的改进粒子群算法

针对粒子群算法容易陷入局部最优解的问题,提出了一种基于动态分级和邻域反向学习的改进粒子群算法.该算法通过构建动态分级机制,将种群中的粒子动态地划分成3个等级,对不同等级内的粒子采取不同的扰动行为,使得粒子在增强种群多样性的同时保持向全局最优方向进化;采用粒子智能更新方式,提高了粒子的搜索能力;引入动态邻域反向学习点建立全局搜索策略,促使种群快速寻优.最后,利用多种典型测试函数对该算法进行仿真实验,结果表明,与其他几种优化算法相比,本算法具有较好的收敛性和稳定性.     

在GPU上求解大规模优化问题的反向策略的PSO算法

本文通过对传统粒子群算法(PSO)的分析,在GPU(Graphic Process Unit)上设计了基于一般反向学习策略的粒子群算法,并用于求解大规模优化问题.主要思想是通过一般反向学习策略转化当前解空间,提高算法找到最优解的几率,同时使用GPU大量线程并行来加速收敛速度.对比数值实验表明,对于求解大规模高维的优化问题,本文算法比其他智能算法具有更好的精度和更快的收敛速度.     

一种求解多峰函数优化问题的演化算法

针对演化计算产生新解无序的问题，提出了基于相似性的邻域搜索策略．利用邻域搜索，可以方便地建立自适应的新解产生机制．针对演化算法设计中存在的搜索效果和效率平衡问题，提出了利用适应值对个体进行分级的搜索策略．通过对个体的分级，可以区分个体在搜索过程中的职能：优秀的个体进行局部极小值的开采；其他的个体进行搜索空间的探索，以发现新的局部极小值．数值实验表明，新算法能有效处理低维多峰函数，能找到所有的全局最优解．对高维多峰函数．也能找到全局最优解．     

一种求解混合整数非线性规划问题的演化算法--搜索空间自动收缩法

提出一种求解混合整数非线性规划问题的新的演化算法 -搜索空间自动收缩法 (ACSSOS) .在这种算法中 ,演化算法既用来定位最优解区域 ,实现搜索空间自动向全局最优解收缩 ,又用来最终求得最优解 .由于在遗传算子中引用了舍入操作 ,它不仅可用来求解混合非线性整数规划问题 ,也可求解纯整型或纯实型变量非线性函数优化问题 .数值试验结果表明本文的算法在解的质量、稳定性和收敛速度等方面优于一般的演化算法 .     

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。     

约束最小支撑树 ( C-MST)问题: 复杂性和上下界估计

本文首先建立了约束最小支撑树问题的模型 ,利用背包问题的复杂性 ,证明了该问题是 N P-完 全的 . 然后利用一个广义线性规划的对偶算法 ,对目标函数的上下界作出了估计 ,最后分析了解的平面 性质 .     

基于自适应演化算法的DS-CDMA多用户检测

提出了一种新的自适应演化算法，用来解决码分多址系统中的多用户检测问题．该算法采用最大似然判决来检测用户发送的比特序列，根据当前变异的成功概率来自适应调整子代种群规模．仿真结果表明，基于自适应演化算法的多用户检测器总能在指定的迭代次数内收敛到与最优多用户检测器相一致的结果．该算法与未采用自适应机制的进化规划相比，当用户数从10增加到20时，收敛所需的代数相应减少37．5％到47．8％．该算法的计算复杂度是与用户数相关的多项式复杂度，与最优多用户检测器的指数复杂度相比，具有较好的可行性和实用性．     

软件管道化方法

用完全数据关联图CDG来表述软件管道化问题,图中有向边表示循环中各指令间的关联性,同时提出了基础集的概念,平行可扩展的基础集可以覆循环的指令,文中用遗传算法来搜索基础集的最优解或次最优解,这种方法可以处理所有可能的数据关联性,从而可以将循环高度并行化。     

制造资源驱动的产业集群订单分配研究

针对集群制造资源利用不均衡现象,在对集群内供应商进行综合评价的基础上,提出了以生产负荷率均衡和制造资源综合性能最优为决策准则的订单分配方法,在考虑供应商制造资源利用状况的同时兼顾了所选用制造资源的性能;建立了订单分配多目标规划模型,并利用基于模糊逻辑的遗传算法对模型进行求解;最后通过实例验证了算法的有效性.结果表明:提出的模型和算法能够获得满意的解.