非线性回归模型参数估计的一个新算法

近年来,非线性回归的研究受到极大的重视.Ratkowsky(1983)总结了非线性回归分析的近代发展,著成专著.韦博成从微分几何的观点对非线性回归分析作了处理.究其原因,一方面因为线性回归分析的研究已臻完善;另一方面因为在实际应用时,非线性情形遇到最多,如由物理,化学,生物,地学等学科的实验所得到的模型几     

基于多蜂群模型的多目标人工蜂群算法研究

提出了一种基于多蜂群模型的新颖多目标人工蜂群算法(MCMOABC,).算法使用外部档案存储非支配解,运用自适应网格对档案进行维护.在MCMOABC算法中存在3个搜索域各不相同的蜂群,其中2个称为基本蜂群,第3个为综合蜂群.选择4个常用的性能指标,将MCMOABC与其他主流算法在CEC2009测试集上进行比较,实验结果显示了算法的优越性.     

基于平均信息差分演化算法的非线性系统参数估计

受到多种群协作思想以及平均信息PSO的信息共享机制的启发,提出了一种平均信息差分演化算法AIDE.与传统的DE相比较AIDE具有以下两方面的优势,首先,AIDE的变异算子独特,个体的变异具有全局意识;其次,为AIDE设计了三种变异模式,避免变异模式单一性.从结构看算法参数较少容易实现;从实验结果看,算法需要的迭代次数少,种群数目适中,但计算结果优于其他群智能优化算法,表明AIDE的改进方案可行而且有效,可以广泛应用于非线性系统参数估计问题.     

基于人工蜂群算法的配送中心选址问题求解

采用人工蜂群算法对配送中心选址问题进行求解,给出食物源的编码方法,通过整数规范化,使算法能在整数空间内对问题进行求解.应用算法进行了仿真实验,并将结果与其它一些启发式算法进行了比较和分析.计算结果表明人工蜂群算法可以有效求解配送中心选址问题,同时也为算法求解其它一些组合优化问题提供了有益思路.     

基于人工蜂群算法求解FEVM问题

日益复杂的计算问题促使各种受启于生物的优化算法不断的研究、发展,人工蜂群(Artificial Bee Colony,ABC)算法正是其中之一,主要在于它鲁棒性强,控制参数少,易于实现.本文着重针对不易求解的不确定规划领域中的模糊期望值模型(fuzzy expected value model,FEVM)问题,提出了模...     

基于线性时变模型的非线性动态系统最优控制DISOPE算法

本文针对现有的ＤＩＳＯＰＥ算法迭代次数过多的缺陷［１］,对连续时间非线性动态系统提出了一种基于时变线性二次型问题的ＤＩＳＰＯＥ算法,分析了该算法的最优性和收敛性,仿真例子表明本文算法可以减少迭代次数,从而节省计算时间．     

云计算环境下人工蜂群作业调度算法设计

针对云计算环境下作业调度优化问题,提出了一种基于人工蜂群的调度算法.分析人工蜂群算法的求解组合优化问题过程,建立了收益度函数和蜜源位置更新公式,最后论述了利用该算法求解的具体步骤.并通过实验分析了该算法的性能.     

非线性0-1规划问题的蜂群算法

针对非线性0-1规划,提出采用一种智能优化算法——蜂群算法进行求解.描述了蜂群算法的实现过程,并在计算机上编程予以实现.经大量实例测试,并与其它算法进行比较,获得了满意的结果.说明了蜂群算法在解决非线性0-1规划问题上的可行性与有效性,同时具有良好的优化能力..     

全局较优解引导的人工蜂群算法

人工蜂群算法(ABC)是一种模拟蜜蜂群体寻找优良蜜源的群体智能优化算法.针对人工蜂群算法收敛速度较慢、探索能力较强而开发能力偏弱等问题,提出一种改进的蜂群算法.算法利用更多的较优蜜源位置的信息来引导采蜜蜂和跟随蜂的搜索行为.为了提高算法的全局收敛速度,通过基于混沌策略的方式生成初始化种群,并且在每一代侦察蜂阶段后对全部新蜜源进行反向再搜索.另外,每次蜜蜂邻域搜索之后,采用比较新旧蜜源的花蜜值(而非适应度值)的方法来更新蜜源位置.通过对14个标准测试函数进行仿真实验,结果表明所提出的算法能有效加快收敛速度,提高开发能力和解的精度.     

基于EM算法隐Markov模型参数估计

描述最大似然参数估计问题,介绍如何用EM算法求解最大似然参数估计.首先给出EM算法的抽象形式,然后介绍EM算法的一个应用:求隐Markov模型中的参数估计.用EM算法推导出隐Markov模型中参数的迭代公式.     

改进GA机制融合的二进制蜂群算法研究

为了克服人工蜂群算法蜜源更新过程中的随机性并保留蜜源中个体序列合理的组合形式,通过分析基本蜂群算法更新公式的机理,提出一种改进GA(Genetic A1gorithm)机制融合的二进制蜂群算法.算法以二进制编码,首先依概率对任意两蜜源进行"去同存异"操作后随机排列,将排列结果放入到其中某个体中形成新个体.然后依概率进行二进制个体的"翻转"操作,上述两种操作从其本质上相当于GA的类交叉和类变异操作;其次利用GA机制收敛性的证明方式在理论上证明算法是收敛的.最后通过应用不同特性的多维基准函数和算法之间的比较验证改进蜂群算法具有良好的收敛能力和鲁棒性.     

蜂群算法求解支持模糊QoS约束的电子采购模型

基于Web的电子物流采购是电子商务的热点.通过将模糊量化的QoS约束加入到Web电子物流采购模型,构造一种带有QoS约束的Web电子物流采购模型,并设计一种改进的人工蜂群算法进行求解.模型基于现有Web采购系统的采购模式,融合了非功能性Web服务评价理论,着重将带QoS约束的电子物流采购选择过程与人工蜂群算法求解过程相结合,从而能快速准确地获得使整体利益最大的解.经仿真计算,验证了模型的有效性.     

0-1背包问题的蜂群优化算法

在项目决策与规划、资源分配、货物装载、预算控制等工作中,提出了0-1背包问题.0-1背包问题是组合优化中的典型NP难题,根据群集智能原理,给出一种基于蜂群寻优思想的新算法—蜂群算法,并针对0-1背包问题进行求解.经实验仿真并与蚁群算法计算结果作对比,验证了算法在0-1背包问题求解上的有效性和更快的收敛速度.     

Parallel Implementation of Synchronous Type Artificial Bee Colony Algorithm for Global Optimization

Evolutionary algorithms often need huge running times when solving large-scale optimization problems. One of the solutions for this issue is to introduce parallelization into the algorithm. To benefit from this approach for the artificial bee colony optimization algorithm, we present a new synchronous and parallel version of the algorithm. Performances of the proposed version and the original asynchronous algorithm are compared in terms of efficiency and speedup. Algorithms are competed to solve 20 large-scale global optimization problems. Comparative results show that the proposed parallel algorithm is still efficient as asynchronous version while it requires much less time to solve complex and large problems.     

一种自适应人工蜂群算法求解U型顺序相依拆卸线平衡问题

产品拆卸过程中零部件之间会相互干扰影响任务作业时间,基于该情形构建了多目标U型SDDLBP优化模型,并提出一种自适应ABC算法。所提算法设计了自适应动态邻域搜索方法,以提高局部开发能力;采用了轮盘赌与锦标赛法结合的分段选择法,以有效评价并选择蜜源进行深度开发;建立了基于当前最优解的变异操作,以提高全局探索能力快速跳出局部最优。最后,通过算例测试和实例分析验证算法的高效性。