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和鲁棒性方面表现优越.     

融合差分进化与多策略的阿基米德优化算法

鉴于阿基米德优化算法存在易早熟,收敛慢等缺点,提出一种融合差分进化与多策略的阿基米德优化算法.首先,通过位置参数,随机选择两种混沌映射初始化种群来增强种群的多样性;其次,通过余弦控制因子的动态边界策略改进密度因子,来平衡算法的全局探索与局部开发能力;接着,融合差分进化算法,缩小最优位置的范围,以达到快速向最优位置靠拢的目的.最后,选取10个基准测试函数进行仿真实验,并对实验结果进行Wilcoxon秩和检验,结果表明所提算法性能优于对比算法.     

基于混合单亲遗传算法的车辆运输问题求解

本文运用混合单亲遗传算法(Hybrid Partheno Genetic Algorithm,)求解车辆运输问题.我们用罚函数法将约束优化问题转化为无约束优化问题,HPGA采用序号编码的方式进行运算.生成初始种群时,在拟染色体中插入车辆序号,尽可能生成符合约束的子路径,由子路径拼接成完整的运输路径,降低罚函数的计算量;选择操作中内嵌最优保存策略,保证算法全局收敛;取消双亲交叉操作,每条染色体上独立改变基因产生新的个体,避免发生早熟早收敛现象;提出邻域搜索,使得GA能对某些指定区域进行重点搜索,加快算法在最优解附近的寻优速度;以CVRP作为HPGA的测试模型,采用Christofides和Eilon提出的标准VRP测试算例进行数值实验,和其他算法进行对比分析,验证了HPGA计算量少、收敛速度快和不会产生早熟早收敛现象.     

改进鲸鱼优化算法在电力负荷调度中的应用

为了提高鲸鱼优化算法(WOA)的全局优化性能, 提出了一种基于黄金分割搜索的改进鲸鱼优化算法(GWOA)。首先利用黄金分割搜索对WOA的初始种群进行初始化, 使得初始种群能够尽可能的靠近全局最优解, 然后利用黄金分割搜索所形成的变区间, 进行变区间黄金分割非均匀变异操作, 以增加WOA的粒子多样性和提高粒子跳出局部最优陷阱的能力, 从而改善WOA的寻优性能。选取了15个大规模测试函数进行数值仿真测试, 仿真结果和统计分析表明GWOA的寻优性能要优于对比文献的改进鲸鱼优化算法(IWOA)。此外, 将GWOA用于对工程实际应用领域中的电力负荷优化调度问题进行实例分析, 实例应用结果表明, GWOA能有效对电力负荷优化调度问题进行寻优求解。     

非线性0-1规划问题的元胞灰狼优化算法

针对非线性0-1规划求解问题,基于元胞自动机原理和改进的灰狼算法,提出一种元胞灰狼优化算法.首先,为了避免基本灰狼算法种群分布的随机性问题,利用佳点集理论对灰狼种群进行初始化,增强算法种群的多样性,提高算法的全局收敛速度;其次,针对基本灰狼算法的开发和探索能力平衡能力差的问题,利用自适应精英学习策略分别对算法中的参数α、灰狼与猎物的距离进行修正,实现灰狼算法的全局搜索速度和开发探索能力的最优均衡性;最后,将元胞自动机的演化规则与次优解β灰狼位置以及第三优解δ灰狼位置进行更新,利用元胞及其邻居增强搜索过程的多样性和分布性,实现灰狼算法的全局优化能力;并选用14个典型的非线性0-1规划问题算例进行仿真解算,并将解算结果与其它算法进行比较,结果表明:该算法对大规模复杂问题求解的平均运行时间少10%左右,且具有较快的收敛速度、较多的最优解集和较好的全局寻优能力.     

非线性0-1规划问题的混沌粒子群算法

针对非线性0-1规划问题,提出了一种混沌粒子群优化算法.该算法利用罚函数法将非线性0-1规划问题处理为无约束的0-1规划问题,引入了混沌策略来初始化种群,增加其多样性,为预测算法是否出现早熟现象,采用了适应度方差.数值实验表明,提出的算法是求解非线性0-1规划问题的一种有效且可行的全局优化算法.     

蜜蜂进化遗传与捕鱼策略相结合的优化算法

针对捕鱼策略优化算法未充分利用群体最优个体信息因而收敛速度较慢的缺陷,提出了将蜜蜂进化遗传算法与捕鱼策略相结合的混合优化算法.算法将蜂王具有最优遗传基因的特点引入到渔夫撒网捕鱼策略中,能较好利用群体当前最优个体的信息,提高搜索速率;并保留捕鱼策略中渔夫移动搜索策略的独立性,避免陷入不成熟收敛.通过对多个典型测试函数的测试表明:蜜蜂进化遗传算法与捕鱼策略相结合的优化算法,比简单的捕鱼策略的优化算法在寻优能力、稳定性和收敛速度等方面均有提高.     

函数优化的小生境蝙蝠算法

针对蝙蝠算法易陷入局部最优解的缺点,利用小生境技术对蝙蝠算法进行了改进,提出一种小生境蝙蝠优化算法.算法基于小生境技术的适应度共享来分隔种群,引入了小生境排挤机制来保持种群多样性,在延续蝙蝠算法原有并行搜索等优势的基础上,提高了算法的金局搜索能力和局部收敛速度,具有可在不同邻域内发现多个解的特点.通过对一系列经典函数测试,并与已有算法进行比较,结果表明该算法在函数优化问题的求解中具有较高的计算效率和精度,以及较好的全局寻优能力.     

混沌反向学习柯西变异和声搜索算法

为了改善和声搜索算法的寻优性能,提出一种基于混沌反向学习及柯西变异的和声搜索算法.算法首先通过混沌反向学习策略初始化和声记忆库来增强初始种群的多样性;然后通过动态地改变参数PAR和BW来逃逸局部极值;接着在算法产生新解的过程中引入柯西变异策略来提高全局探索性能.最后通过对不同类型的基准测试函数进行寻优,并做了Wilcoxon秩和检验,其结果表明,所给改进算法在求解精度和收敛速度上均优于所涉及的对比算法,即所提算法是可行的.     

分层混合局部搜索策略异构多核系统调度

针对遗传算法解决异构多核系统的任务调度问题容易产生早熟现象及其局部寻优能力较差的缺点,将局部搜索算法与遗传算法相结合,创新性地提出一种求解异构多核系统的任务调度问题的分层混合局部搜索遗传算法。该算法提出一种新的分层优化策略以产生初始种群,在变异操作中,对部分个体设计3-opt优化变异,对种群中的优秀个体用改进的Lin-Kernighan算法进行优化。仿真实验结果表明,分层混合局部搜索遗传算法求解异构多核系统的任务调度问题时可以高效获得高质量的解。     

自适应多种群回溯群居蜘蛛算法求解TSP问题

在群居蜘蛛优化算法中引入自适应决策半径,将蜘蛛种群动态地分成多个种群,种群内适应度不同的个体采取不同的更新方式.在筛选全局极值的基础上,根据进化程度执行回溯迭代更新,提出一种自适应多种群回溯群居蜘蛛优化算法,旨在提高种群样本多样性和算法全局寻优能力.函数寻优结果表明改进算法具有较快的收敛速度和较高的收敛精度.最后将其应用于TSP问题的求解.     

基于精英协同的混洗差分进化算法及其应用

提出了基于精英协同的混洗差分进化算法(Shuffled Differential Evolution,SDE)。该算法引入反向学习的初始化机制,并对设置的普通群和虚拟精英群采用不同的差分策略,进而将精英个体作为信息通道实现种群间的信息交流;同时,借助定期混洗机制实现种群间的文化交流,从而达到协同进化的目的;此外,对长期停滞的个体进行跳变操作,以充分挖掘种群的搜索潜能,增强搜索的有效性。通过函数仿真,并与PSO及其它差分进化算法比较,结果表明该算法具有较好的寻优能力。     

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.     

基于免疫原理的蚁群系统及其应用

针对蚁群算法在寻优过程中容易出现停滞现象,同意在该算法中引入免疫机制,将待求解问题看成抗原,而问题的解看成抗体,通过基于浓度的选择机制和多样性保持策略来提高蚁群算法的全局搜索能力和避免停滞现象.对TSP问题的仿真实验结果表明,该算法极大地提高了搜索能力和避免了停滞现象.     

融合改进Tent混沌和模拟退火的灰狼算法

针对标准灰狼算法种群多样性差、后期收敛速度慢、易陷入局部最优的缺陷,提出一种改进灰狼算法.利用改进Tent混沌映射初始化种群,增加种群多样性;引入螺旋函数,提高算法收敛速度;融合模拟退火思想,避免陷入局部最优;设置搜索阈值,平衡全局搜索与局部搜索;利用改进Tent混沌映射产生新个体,替换性能较差个体并进行高斯扰动,增加寻优精度;将当前解和新解进行算术杂交,以保留当前解优点并减小扰动差异.使用基准测试函数和共享单车停车点选址及期初配置模型测试算法性能.结果表明,改进灰狼算法较标准灰狼算法、遗传算法和粒子群算法,收敛速度更快,寻优精度更高,性能更优越,并将该算法应用到共享单车停车选址上,验证了算法的有效性.     

求解约束优化问题的一种新的遗传算法

提出一种新的求解约束优化问题的遗传算法,算法通过重新定义可行解与不可行解的适应度函数分别对它们进行选择,有效避免了惩罚函数法引入参数所带来的困难,重新设计的交叉算子使得算法对解空间的寻优范围扩大了.数值实验结果表明算法具有较好的鲁棒性,且对最优解位于约束边界上的一类问题具有很大优势.     

改进的布谷鸟算法求解物流配送中心选址问题

针对基本布谷鸟算法求解物流配送中心选址问题时存在搜索精度低、易陷入局部最优值的缺陷,提出一种改进的布谷鸟算法.算法采用基于寄生巢适应度值排序的自适应方法改进基本布谷鸟算法的惯性权重,以平衡算法的全局开发能力和局部探索能力;利用NEH领域搜索以提高算法的搜索精度和收敛速度;引入停止阻止策略对全局最优寄生巢位置进行变异避免算法陷入局部最优值、增加种群的多样性.通过实验仿真表明,改进的布谷鸟算法在求解物流配送中心选址问题上要优与基本布谷鸟算法以及其它智群算法,是一种有效的算法.     

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...     

求解不等式约束优化的可拓遗传算法

提出了求解不等式约束优化问题的可拓遗传算法.分别考虑种群中的可行解和不可行解,建立可拓关联函数对不可行解的优劣程度进行可拓评价,然后采用精英选择策略,确保每次迭代中均有一定数量和质量的不可行解被选择,从而避免种群陷入局部最优.引入了高斯变异维持种群多样性,提高算法搜索速度.通过对两个测试问题的实验和分析,验证了可拓遗传算法的可行性和有效性.     

免疫逃避型粒子群优化算法

针对基本粒子群优化算法容易陷入局部极值的缺陷,提出了一种免疫逃避型粒子群优化算法.其基本思想是将初始粒子群划分为寄生与宿主两个种群以模拟生物寄生行为,对寄生种群的粒子采用精英学习策略,对宿主群的粒子采用探索策略,再引入免疫系统的高频变异对寄生群采用相应的免疫逃避机制,以增强群体逃离局部极值、提高算法的全局寻优能力.采用标准测试函数的实验结果表明,该算法在收敛速度和求解精度方面均有显著改进.