自适应memetic算法求解集合覆盖问题

集合覆盖问题是一个经典的NP困难的组合优化问题,有着广泛的应用背景.首先,采用动态罚函数法将集合覆盖问题等价转化为无约束的0-1规划问题.然后,基于集合覆盖问题的结构特征,设计了初始种群构造方法、局部搜索方法、交叉算子、动态变异算子和路径重连策略,提出了一个高效求解该0-1规划问题的自适应memetic算法.该算法有效平衡了集中搜索和多样化搜索.通过45个标准例子测试该算法,并将其结果与现有遗传算法进行了比较,表明该算法能够在可接受的时间内找到高质量的解,能够有效求解大规模集合覆盖问题.     

基于支持向量机泛化误差界的多核学习方法

基于支持向量机（SVM）泛化误差界,提出了一种精确且有效的多核学习方法.首先,应用SVM泛化误差界推导多核学习优化形式,并给出求解其目标函数微分的计算公式.然后,设计高效的迭代算法来求解该优化问题.最后,分析了算法的时间复杂度,并基于Rademacher复杂度给出了算法的泛化误差界,该泛化界在基核个数很大时依然有效.在标准数据集上的实验表明,相对于一致组合方法以及当前流行的单核和多核学习方法,所提出的方法具有较高的准确率.     

投资决策中的0-1背包问题的扰动修复

针对投资决策中的0-1背包问题，提出了在应急管理下0-1背包问题的扰动修复的多目标决策模型，此模型反映了多变的经济条件下，公司或企业的项目投资资金分配计划受到扰动时积极应对扰动的决策需要．本文利用线性加权和法将其转化为单目标决策优化模型，并证明这个单目标决策优化模型为0-1背包问题，采用分枝定界方法求解，并对权系数取值进行了分析，同时结合实例验证了模型的合理性和有效性．     

多启发式信息蚁群优化算法求解取样送检路径规划问题

蚁群优化算法是一种求解组合优化问题的通用算法框架.取样送检路径规划问题是一种带约束的组合优化问题,本文给出了一种求解该问题的数学模型.为求解该问题提出了一种多启发式信息蚁群优化算法(MACO),在选择下一访问节点的概率计算公式中增加了一项启发式信息——起点到被选择点之间距离的倒数,并从理论上分析了该算法的收敛性.在9个算例上进行了仿真实验和分析,说明了新增启发式信息的有效性和适用性,验证了MACO算法可以有效求解该问题,并能获得质量更好的解.     

边坡非圆弧滑动面的PSO-GA组合搜索

在岩土工程边坡非圆弧临界滑动面搜索问题中,依据作者提出的非圆弧滑动面向量表示方法,采用粒子群优化算法(PSO)和遗传算法(GA)组合形成的一种新算法,实现了临界滑动面的最优搜索.通过算例分析,并与GeoSLOPE等成熟系统的结果比较,验证了本方法的正确性和确定边坡临界滑动面搜索算法的高效性.稳定系数的计算采用适合解非圆弧滑动问题的摩根斯坦-普赖斯方法,根据本文验证,对该方法可能出现的异常情况进行了修正.     

PAR鳌合形成树脂的性箭及其在分析上的应用

引言 近年来,我们曾把强碱性阴离子树脂转化成具有二甲酚橙(XO)或8-羟基喹啉-5-磺酸(HQS)螯合基团的树脂,分别称为XO-树脂,HQS树脂.目前对这类树脂已有多篇报道.负载的螯合试剂包括双硫腙-S,7-碘-8-羟基喹啉-5-磺酸,铬变酸,偶氮胛Ⅲ,APTS,TAN-3.6S,甲(?)类螯合试剂等. 4-(2-吡啶偶氮-间苯二酚(PAR)在分析化学中主要用作金属指示剂和光度显色剂.本文研究了PAR与阴离子树脂等摩尔交换转化成具有PAR基团的螯合形成树脂,简称PAR树脂.这样,就能以螫合树脂形式进行分离富集,扩大了PAR的应用范围.我们用原子吸收法研究了PAR树脂的一些性能以及应用于分离、富集天然水中的Cu,Zn,Cd离子.     

基于布谷鸟优化的三维OTSU图像分割算法

针对三维OTSU算法计算量较大、运算时间较长的问题,提出了基于布谷鸟搜索优化的三维OTSU图像分割算法.该算法采用布谷鸟搜索算法对三维OTSU进行优化.其中,以像素灰度值-领域均值-领域中值的三维类间方差作为布谷鸟搜索算法的适应度函数,通过评价Lévy飞行路径上像素的适应度,获得最佳分割阈值.实验结果表明:与灰度值领域均值梯度的三维OTSU算法相比,该算法对低信噪比的图像分割稳定性和可靠性较佳;同时,与快速三维OTSU算法相比,运算效率提高了约16.4%,解决了算法消耗时间较长问题.     

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.     

基于物流大数据有向图的客户资源聚类研究

面临大数据稀疏的严峻形势,物流客户资源的优化工作急需适用的聚类方法.本文基于信息熵、互信息、资源距离熵和优势评价等问题,设计物流客户资源的关联性分布估计、原子行为资源遴选、资源聚类和优势客户检测等算法,给出了信息熵架构下的物流资源优化聚类模型.通过实践验证,本模型具有高效遴选优势资源的效能,能为物流客户资源优化工作,提供可靠的适用性方案.     

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 .     

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．     

基于信号分解降低OFDM信号峰均比的优化建模

针对正交频分复用(OFDM)系统时域信号具有较高峰均比(PAR)的特点,提出一种新的减小PAR方法.首先经过削峰处理削去幅度大于阈值的信号,然后利用信号分解理论对OFDM削峰信号进行分解,从有用信号中分离出噪声,最后通过限定信号幅度阈值和频谱发射模板来建立误差向量幅度(EVM)优化模型.计算机仿真实验结果表明:新方法在性能上优于传统的非优化建模方法;且与已有的PAR减小优化模型相比,新方法在减小计算复杂度的同时还保持了与已有文献中提出的优化模型的性能.     

简单量子进化算法及其在数值优化中的应用

提出了一种简单量子进化算法，它仅用一个实数值表示一个量子位，并设计了特别的旋转、变异算子和评估量子染色体的方法，只用一个个体就可在很短的时间内搜索到最优解．求解数值优化问题和NiH问题的对比试验结果显示了此算法优异的性能．     

用演化算法研究二电子原子(离子)的外场特性

将求磁场中原子的基态能问题转化成了一个函数优化问题,同时考虑到演化算法在非线性函数优化方面的优越性,将它们结合起来进行了有益的尝试．结果表明演化算法与其他的优化算法相比．能更加有效地用于基态能量的计算,并能在物理学的其他领域得到成功的应用．     

演化仿真优化的若干问题研究

针对仿真优化这一仿真领域提出了演化仿真优化的概念及其形式化语言描述，并给出了演化仿真优化的算法实现框架、分类，指出了仿真优化与演化算法相互取长补短的策略。为了提高速度和效率提出了一种混合演化仿真优化的算法：基于拉网的仿真优化算法（MESOAs）。该算法结合仿真系统的输出信息，构造出系统的响应曲面来指导演化算法，同时又不要求系统连接、可导，因此具有通用性、鲁棒性、隐含并行性等优点，它能有效地解决不确定环境（含随机系统和定性系统）的仿真决策优化，连续时间仿真控制优化问题等。最后，给 出了两类测试演化仿真优化算法的测试实例。一类是随机函数，另一类是GI／G／S排队模型，试验的结果表明在解的质量和速度两方面MESOAs都优于曲面响应法、随机搜索法。     

求解函数优化问题的两种异步并行算法

对子空间搜索法（一类多父体重组搜索策略）与群体爬山法相结合的一种随机搜索新算法即郭涛算法的特点进行了分析与实例验证，并在此基础上提出两种异步并行算法，以适应各种类型的并行与分布计算环境。以Bump函数的优化问题为例在超级并行计算机上作了并行数值试验，得到了迄今最好的结果。     

多目标子空间搜索演化算法MOSSSEA

在研究已有的求解多目标函数优化问题的演化算法的基础上,提出了一个结合Rank排名和子空间搜索的新的以杂交为主的演化算法MOSSSEA(Multi-Object Sub-Space Search Evolutionary Algorithm),将MOSSSEA应用到求解静态多目标函数优化问题中.一组测试函数的结果表明MOSSSEA表现出了优于同类算法的收敛性和多样性.     

动态优化算法综述

动态优化算法的研究已成为优化算法领域研究的一个热点.对于基于种群的优化算法而言,它主要可以分为环境变化后增加多样性的方法、运行过程中始终保持多样性的方法、基于记忆机制的方法、多种群方法和基于预测机制方法5类.动态优化算法的关键是在搜索过程中始终保持搜索空间开发和探索之间平衡.该类算法不仅能发现最优个体,而且能在动态环境中跟踪变化了的最优个体.在今后的动态优化研究中,重点应放在动态优化算法理论方面和算法设计、构建上,使它更接近现实问题.