基于改进鲸鱼优化算法的物流路径优化

针对物流配送车辆路径难以优化以至于影响物流配送系统效率和效益的问题,提出一种基于鲸鱼优化算法的车辆路径优化方法.首先,建立物流配送系统数学模型.其次,针对传统鲸鱼优化算法易陷入局部最优的问题,采用随机惯性权重和非均匀变异策略对算法进行改进,并用过测试函数对比试验验证了所提方法的有效性.最后通过改进的鲸鱼优化算法进行物流路径优化实验,实验结果验证了所提出的改进鲸鱼优化算法能够高效的优化物流配送车辆路配送路径,降低了物流配送成本.     

基于信息熵的改进鲸鱼优化算法

针对鲸鱼优化算法在面对复杂优化问题时,存在易陷入局部最优和收敛精度低等缺点,在原始鲸鱼算法的基础上,提出了信息熵的改进鲸鱼优化算法.信息熵本身是一种不确定的度量,利用信息熵在路径选择时调控鲸鱼搜索的范围,克服基本鲸鱼优化算法的不足,使算法的全局收敛速度得到提高.通过选取6个标准测试函数进行仿真实验,对改进鲸鱼优化算法、基本鲸鱼优化算法、粒子群算法进行比较,数据结果表明改进鲸鱼算法在处理高维复杂组合优化问题上的可行性与有效性.     

融合鲸鱼算法的混合灰狼优化算法

针对灰狼优化(GWO)算法存在容易陷入局部最优、收敛速度慢、求解精度不高等问题,提出一种融合鲸鱼算法的混合灰狼优化(HWGWO)算法.首先在鲸鱼算法的螺旋泡网狩猎行为中融入Levy飞行并将其整体引入灰狼优化算法;然后将动态权重和差分进化思想引入灰狼优化算法;最后利用贪婪选择策略来保留较好的灰狼位置.选取23个测试函数进行数值试验,结果表明,HWGWO算法在收敛速度和求解精度上都有所提升.此外,利用HWGWO算法求解拉伸/压缩弹簧设计问题得到的设计方案更有效.     

基于改进的混沌鲸鱼算法优化DBN的广东人口数量预测研究

为了估算广东省人口总数和老龄化人口总数,针对深度置信网络模型的性能易受其权值和阈值选择的影响,提出一种基于改进的混沌鲸鱼算法优化DBN的人口数量预测模型。首先,为提高鲸鱼算法的收敛速度和避免局部最优,将Skew Tent混沌模型和非线性收敛因子引入WOA算法用于初始化WOA种群和改进WOA更新策略。其次为了提高DBN模型的性能,运用ICWOA算法对DBN模型的权值和阈值进行优化选择,融合影响人口数量的多因素特征因子,将不同年龄段的总人数、死亡率、存活率、年生育率、第一产业占比、第二产业占比以及第三产业占比等多因素特征因子作为ICWOA-DBN的输入,人口数量作为ICWOA-DBN的输出,建立ICWOA-DBN人口数量预测模型。通过标准函数测试寻优对比发现,提出的ICWOA具有更快的收敛速度和更小的适应度值。为了验证本文算法ICWOA-DBN的预测性能,以第6次全国人口普查数据为参考依据,选择2005~2016年广东省历年常住人口总数和老龄化人口总数为研究对象,研究结果表明,与IWOA-DBN、WOA-DBN、GA-DBN和DBN相比,提出的ICWOA-DBN的人口数量预测模型的精度最高,为人口数量预测提供新的方法和途径。     

基于LM算法的BP神经网络的电力负荷短期预测

通过对BP神经网络输入负荷值的归一化处理,同时采用Levenberg-Marquardt(LM)算法,建立了一个改进了的BP神经网络,同时用它来对电力系统进行短期负荷预测.LM算法有效地提高了BP神经网络的收敛速度和负荷的预测精度.仿真结果表明,改进了的BP神经网络具有很高的预测精度和较强的适用能力.     

基于改进模拟植物生长算法的集装箱码头插船调度优化

为解决临时接受计划外船舶到港作业的插船调度问题,建立了综合考虑港口安排插船作业的成本最小优化模型,将模拟植物生长算法(PGSA)改进后进行求解。经过对实际案例进行计算分析后表明,所建模型和算法可以有效解决上述问题并取得了较好结果。为验证算法的有效性,同时引入遗传算法进行计算对比,结果显示经改进的PGSA在求解过程中具有较好的收敛速度与精确度。采用本文建立的模型和算法能够快速解决临时插船的调度调整问题,为集装箱码头在特殊情况下泊位调度优化提供了解决问题的思路和方法。     

免疫算法在车辆调度问题中的应用

免疫算法是模仿生物体高度进化、复杂的免疫系统仿生的一种智能化启发式算法。本文根据车辆调度问题的具体情况，应用免疫算法解决车辆调度中路线安排问题，并提出了一种基于分组匹配的亲和力的计算方法。实验结果表明，免疫算法能有效地应用于车辆调度中路线安排问题。     

基于偏离度的非等间距灰色预测模型在电力负荷预测中的应用

电力负荷预测过程中,对于原始数据摆动较大,并且数据的整体变化是增大的趋势的序列,以往常采用包络模型来处理它.但是,由于很多不确定的因素的存在,使得上包络及下包络曲线及边缘点的值难以确定,从而削弱了预测值的可信程度.提出了基于偏离度的非等间距灰色预测模型,很好地解决了该类序列的预测问题.并结合实例说明了此模型的可行性和有效性.     

改进的群搜索优化算法

标准的群搜索优化算法(GSO)是一种新的群智能优化算法,适用于解决高维函数的优化问题,而且简单高效,易于实现,但在其优化的后期容易陷入局部最优.为进一步提高其收敛速度和精度,对GSO算法进行了改进.保留其"发现者-加入者"模型,针对GSO算法发现者和游荡者搜索的无目的性,引进最大下降方向和杂交策略,发现者按角度搜索的同时也按最大下降方向进行搜索,游荡者通过基因突变策略的方式生成.通过23个基准测试函数对GSO算法和改进的GSO算法进行测试,结果表明改进的GSO算法在收敛速度和收敛精度上优于标准GSO算法.     

求解柔性作业车间调度的动态群智能优化算法

针对柔性作业车间调度问题,提出一种新型两阶段动态混合群智能优化算法.算法初始阶段采用动态邻域的协同粒子群进行粗搜索,第二阶段提出了基于混沌算子的蜂群进行细搜索,既增强了种群多样性,又提高了算法搜索精度,实现了全局搜索与局部搜索能力的有效平衡.针对柔性作业车间调度问题特点,采用独特的编码方式和位置更新策略来避免不合法解的产生.最后将此算法在不同规模的实例上进行了仿真测试,并与最近提出的其他几种具有代表性的算法进行了比较,验证了算法的有效性和优越性.     

一种改进的禁忌搜索算法及其在连续全局优化中的应用

禁忌搜索算法是一种元启发式的全局优化算法,是局部搜索算法的一种推广,已被成功地应用于许多组合优化问题中。本文针对有界闭区域上的连续函数全局优化问题,提出了一种改进的禁忌搜索算法,并进行了理论分析和数值实验。数值实验表明,对于连续函数全局优化问题的求解该算法是可行有效的,并且结构简单,迭代次数较少,是一种较好的全局启发式优化算法。     

改进的生成树遗传算法及其在物流配送成本优化中的应用

针对物流配送成本优化问题的特点,建立了数学模型,并对基本的生成树遗传算法进行了改进,同时详细阐述了改进的生成树编码的遗传算法在物流配送成本优化问题中的运用等关键技术.最后根据此算法设计了一个物流配送优化系统,解决了一个物流配送成本优化问题,效果良好.此系统对于中小型物流公司设计最优物流策略和降低物流成本有着很大的应用前景.     

混合变异粒子群优化算法及其应用

为改善粒子群优化算法在解决复杂优化问题时收敛质量不高的不足,提出了一种改进的粒子群优化算法,即混合变异粒子群优化算法(HMPSO).HMPSO算法采用了带有随机因子的惯性权重取值更新策略,降低了标准粒子群优化算法中由于粒子飞行速度过大而错过最优解的概率,从而加速了算法的收敛速度.此外,通过混合变异进化环节的引入,缓解了...     

灰色非线性约束规划的改进引力搜索算法求解

灰色非线性约束规划是灰色系统中一个重要的优化问题.为求解灰色非线性约束规划,给出了一种改进引力搜索算法的求解方法.实验结果表明改进引力搜索算法对求解灰色非线性约束规划可行有效.     

BFGS算法对非凸函数优化问题的收敛性

ＢＦＧＳ算法是无约束最优化中最著名的数值算法之一,对非凸函数ＢＦＧＳ算法是否具有整体收敛性,这是一个ｏｐｅｎ问题,本文考虑Ｗｏｌｆｏ线搜索下目标函数非凸的ＢＦＧＳ算法,我们给出一个使该算法收敛的充分条件。     

光线寻优算法的寻优机理分析

Based on Fermat’s principle and the automatic optimization mechanism in the propagation process of light,an optimal searching algorithm named light ray optimization is presented,where the laws of refraction and reflection of light rays are integrated into searching process of optimization.In this algorithm,coordinate space is assumed to be the space that is full of media with different refractivities,then the space is divided by grids,and finally the searching path is assumed to be the propagation path of light rays.With the law of refraction,the search direction is deflected to the direction that makes the value of objective function decrease.With the law of reflection,the search direction is changed,which makes the search continue when it cannot keep going with refraction.Only the function values of objective problems are used and there is no artificial rule in light ray optimization,so it is simple and easy to realize.Theoretical analysis and the results of numerical experiments show that the algorithm is feasible and effective.     

一种改进的GDF多目标优化算法

本文提出一种交互式非线性多目标优化算法，该算法是ＧＤＦ多目标优化算法的改进，具有这样的特点：算法采用了既约设计空间策略，具有良好的收敛性；算法生成的迭代点是有效解；算法具有多种一维搜索准则；对于线性多目标问题，算法只需一次交互迭代即可示出多目标问题的最优解。     

基于CUDA的边界变异量子粒子群优化算法

针对量子粒子群优化算法面对复杂优化问题时,临近最优解的搜索阶段存在收敛速度慢、在边界附近全局搜索性差的问题,提出了基于CUDA的边界变异量子粒子群优化算法.GPU(图形处理器)以多颗密集的计算核心模拟粒子的搜索过程,利用并发的优势提升粒子搜索速度;边界变异则通过以随机概率将边界粒子扩散到更大的搜索域,增加种群的多样性,提升粒子群的全局搜索性.对若干优化算法的仿真实验表明,所提出方法具有较好的全局收敛性,且同等目标精度下,取得了较高的有效加速比.     

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.