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.     

基于维数学习和二次插值的混沌飞蛾火焰优化算法

针对K-means算法对初始聚类中心敏感和容易陷入局部最优的问题,首先提出一种基于维数学习和二次插值的飞蛾火焰优化算法以提高基本算法的求解精度和收敛速度,即采用Tent混沌映射产生多样性较好的初始种群,增强算法的全局搜索能力;对火焰位置采用维数学习策略生成更优良的火焰来指导飞蛾寻优,以提高算法的搜索效率;把二次插值引入...     

求解全局优化问题的改进蝙蝠算法[英文]

蝙蝠算法(BA)是一类基于试探技巧的群智能优化算法,该算法已被广泛用于诸多领域问题的求解.本文提出一个改进的蝙蝠算法NIBA.在算法中,为了加强蝙蝠算法的局部和全局搜索能力,提出了三个改进策略.首先,为了改进蝙蝠的局部搜索能力,在当前最优解处给出了一个新的搜索方程.其次,为了改进算法的全局搜索能力,平衡算法的开发能力和探索能力,算法吸收并改进了和声搜索机制.最后,为了进一步提高NIBA算法的搜索能力,在当前最优解处,算法采用了混沌搜索机制.为了验证算法的性能,针对18个标准测试函数进行了数值实验.与其它算法的比较结果显示,NIBA算法具有更好的稳定性,且效率更高.     

相关量测噪声下的全局随机优化问题

本文考虑全局优化问题，在量测噪声可以相关的情形下，论述了随机搜索算法ａ．ｓ．收敛到全局最优集。     

基于改进的旗鱼优化算法求解Sylvester问题

Sylvester问题又称最小包围圆问题,提出了一种改进的旗鱼优化算法(ISFO)对其进行求解.首先对旗鱼优化算法(SFO)的寻优策略进行分析;其次,针对旗鱼优化算法种群初始化依赖,容易陷入局部最优等问题,引入Arnold映射初始化种群,提高算法的寻优能力;引入反向学习与柯西变异算子策略对全局最优解进行扰动产生新解,平衡算法的开发与勘探能力,避免算法出现早熟现象;然后和基本SFO算法与PSO算法使用6个基准测试函数进行仿真实验对比,结果表明ISFO算法相对于SFO算法收敛速度更快、精度更高、有效避免了早熟现象.最后使用ISFO、SFO、PSO对三个规模案例的Sylvester问题进行求解,证明了ISFO算法求解Sylvester问题的可行性与优越性.     

带性能约束布局问题的全局优化算法

以人造卫星仪器舱布局为例,应用图论,群对集合的作用,轨道与等价关系等刻划各种布局方案的同构,等价类等内在性质,从而首次给出带有性能约束二维布局问题的一个全局优化算法。     

基于正弦控制因子的Lateral变异鲨鱼优化算法

针对传统鲨鱼优化算法在求解高维目标函数时,易早熟收敛,陷入局部最优的缺陷.提出一种基于正弦控制因子的Lateral变异鲨鱼优化算法.通过正弦曲线的特性和自适应惯性权重,改善了传统鲨鱼优化算法中由于随机选取控制因子数值大小可能导致算法在迭代后期全局搜索能力降低的问题,提高了算法在迭代后期的全局收敛能力,并对最佳鲨鱼位置引入Lateral变异策略,加强了算法跳出局部最优的可能性.改进后的算法对多个shifted单峰,多峰以及固定维测试函数进行求解,实验结果表明,对比多种不同优化算法而言,本文所提LSSO算法具有更高的收敛精度和搜索速度.     

求非光滑全局优化问题的区间算法

本文通过区间工具和目标函数的特殊导数提出了一个非光滑全局优化问题的区间算法，所提出的方法能给出问题的全部全局极小点及全局极小值，理论分析和数值结构均表明本文方法是有效的。     

一类全局优化问题的区间斜率算法

考虑下面的全局优化问题: global minimize f(x),f:X~0 R~1→R~1 (1)其中X~0=[a~0,b~0],f是X~0上连续的多峰函数.在本文中f在X~0上的全局极小值记为f~*,f在X~0上所有全局极小点集合记为X~*.以下恒假定X~*仅由有限个点组成. 我们的目标是求f~*及X~*.求解这一问题已有诸多方法,这些方法一般可分为确定型和非确定型两类.前者以Lipschitz导数法,填充函数法等为代表,它们依据某一     

求解全局优化问题的填充函数算法

填充函数法是求解多变量、多极值函数全局优化问题的有效方法.这种方法的关键是构造填充函数.本文在无Lipschitz连续条件下,对一般无约束最优化问题提出了一类单参数填充函数.讨论了其填充性质,并设计了一个求解约束全局优化问题的填充函数算法,数值实验表明,算法是有效的.     

全局优化问题的一个无参数填充函数算法

填充函数法是求解全局优化问题的一种有效的确定性算法,方法的关键在于填充函数的构造.对于一般无约束优化问题提出了一个新的无参数填充函数,通过定义证明了此填充函数能保持填充性质.利用其理论性质设计了相应的算法并对几个经典的算例进行了数值实验,实验结果表明算法有效可行.     

非线性比式和问题的全局优化算法

In this paper,a global optimization algorithm is proposed for nonlinear sum of ratios problem(P).The algorithm works by globally solving problem(P1) that is equivalent to problem(P),by utilizing linearization technique a linear relaxation programming of the (P1) is then obtained.The proposed algorithm is convergent to the global minimum of(P1) through the successive refinement of linear relaxation of the feasible region of objective function and solutions of a series of linear relaxation programming.Nume...     

求解高维复合体函数的智能优化算法

由于粒子群算法在处理高维复杂函数时存在容易陷入局部最优的问题,提出了多种群子空间学习粒子群算法(SLPSO),采用多种群进化模式,在粒子更新公式中加入了全局最优粒子,加快了粒子收敛速度,同时在种群之间采用了交叉学习的方法,大大提高了算法的全局搜索能力.另外,还增加了一种子空间学习方法,充分地利用粒子的历史经验,有效地避免了陷入局部最优的问题.通过在高维基准测试函数的仿真实验表明,SLPSO算法的测试结果都明显优于其他两种算法,随着函数维数增加,SLPSO算法测试结果的下降幅度明显低于其他两种算法.在6个极其复杂的复合函数的测试中,SLPSO算法有2个测试函数结果非常接近理论值,其他4个也明显优于其他三种算法.     

求解TSP问题的改进离散蝴蝶优化算法

针对离散蝴蝶优化算法求解TSP问题时精度低和收敛速度慢等问题,提出一种改进离散蝴蝶优化算法.为了提升搜索效率,利用贪婪机制初始化种群,同时结合2-opt算子、改进的2-opt算子和模拟退火等策略来提高寻优能力.通过标准TSPLIB数据库中几十个实例仿真实验,并与一些经典、新型的智能算法比较,结果表明提出的算法在寻优能力...     

关于随机优化算法的几点讨论

关于随机优化算法的几点讨论李晓莉,雷功炎（河南驻马店师专,北京大学数学系）ＳＯＭＥＤＩＳＣＵＳＳＩＯＮＳＡＢＯＵＴＳＴＯＣＨＡＳＴＩＣＯＰＴＩＭＩＺＡＴＩＯＮＡＬＧＯＲＩＴＨＭＳ￥ＬｉＸｉａｏ－ｌｉ（ＤｅｐａｒｔｍｅｎｔｏｆＭａｔｈｅｍａｔｉｃｓ,Ｚ...     

解全局优化问题的仿生类算法（Ⅰ）——模拟进化算法

模拟进化计算与人工神经网络是近年业信息科学、人工智能与计算机科学的两大“热点”研究领域，由此所派生的求解优化问题的仿生类算法（遗传算法、演化策略、进化程序、神经优化、免疫系统等），由于其鲜明的生物背景、新颖的设计原理、独特的分析方法和成功的实用实践，正日益形成最优化理论与方法的一个崭新分支，本文扼要介绍这一新分支的形成，发展与现状，提出仿生类算法当前研究的的热点与待解决问题，以引起数学工作者的广泛     

求解不等式约束优化问题的一个改进算法

本文改进了一个求解不等式约束优化问题的对偶算法，建立了一个相应的算法，进一步证明了该算法的收敛性．最后，给出数值结果以验证该算法的有效性。     

求解张量随机互补问题的光滑牛顿算法

近年来, 越来越多的人意识到随机互补问题在经济管理中具有十分重要的作用。有学者已将随机互补问题由矩阵推广到张量, 并提出了张量随机互补问题。本文通过引入一类光滑函数, 提出了求解张量随机互补问题的一种光滑牛顿算法, 并证明了算法的全局和局部收敛性, 最后通过数值实验验证了算法的有效性。     

求解张量随机互补问题的光滑牛顿算法

近年来, 越来越多的人意识到随机互补问题在经济管理中具有十分重要的作用。有学者已将随机互补问题由矩阵推广到张量, 并提出了张量随机互补问题。本文通过引入一类光滑函数, 提出了求解张量随机互补问题的一种光滑牛顿算法, 并证明了算法的全局和局部收敛性, 最后通过数值实验验证了算法的有效性。