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.     

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.     

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.     

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。     

基于免疫算法的组合预测方法

利用免疫算法搜索全局最优解能力,提出了一种其于免疫算法的组合预测权系数确定的新方法,并给出了具体算法.仿真实验结果表明了免疫算法在组合预测方面具有很好的可行性和有效性.     

基于分解集成方法的小宗农产品价格预测研究

针对小宗农产品价格序列波动特征中呈现出的非平稳、非线性等问题,提出了一种基于“分解与集成”的WOA-VMD-LSTM组合预测模型。首先利用样本熵作为鲸鱼优化算法(WOA)的适应度函数,对变分模态分解方法(VMD)的两个自由参数进行全局寻优;再使用优化后的变分模态分解方法对价格序列进行分解;最后将得到的多模态分量及残差作为输入特征集成到长短期记忆网络(LSTM)中,构建组合模型。将该方法应用于马铃薯、莲藕、白萝卜、大白菜、西兰花、卷心菜的日均价格数据进行预测,实验结果表明,WOA-VMD-LSTM组合模型的均方根误差分别为0.292,0.381,0.129,0.125,0.782和0.142,且与EMD-LSTM组合模型以及ARIMA模型进行对比,WOA-VMD-LSTM组合模型在多种农产品价格的预测上具有更明显的优势。本研究提出的组合预测模型有助于相关产业对市场进行合理配置。     

面向全局优化基于分形的混合混沌优化算法

Julia集具有分形结构,一旦确定吸引域边界上任一点,就可通向任一个吸引周期点的吸引域.Newton-Raphson法利用此性质可计算方程所有根,并可精确计算BFGS法和共轭梯度法中下降方向步长,将两种算法分别与混沌优化算法结合,因而从新的视角建立一种融合分形理论的混合混沌优化算法.研究表明,所提出算法的计算效率高于利用Wolf一维不精确搜索求得步长的混合算法,而且混合混沌BFGS算法的优化能力优于混合混沌共轭梯度算法,也说明BFGS的局部搜索能力比共轭梯度法强.     

基于因子分析和WOA-Elman的肇庆API预测研究

为提高肇庆市空气污染指数的预测精度,针对Elman神经网络预测精度受其权值和阈值选择的影响,运用WOA对Elman神经网络的权值和阈值进行优化选择,提出一种融合因子分析和WOA-Elman神经网络的API预测模型.首先结合气候特征对肇庆市春季、夏季、秋季和冬季的API进行月变化特征和季节变化特征分析,然后每种气候下运用...     

基于动力学模型的人口数量预测和政策评估

随着单独二胎政策的放开,计划生育政策再次引起了人们的关注.为评估生育胎次对中国人口数量的影响,本文建立了关于人口增长的动力学模型.首先,分别对辽宁省和新疆自治区的人口数据进行了拟合,评估了\"二胎\"政策对两地区人口的影响.其次,对全国人口数据和抚养比进行了拟合和预测.最后,通过参数敏感性分析,评估各因素对总人口增长的影响.     

基于小波变换和改进萤火虫算法优化极限学习机的短期负荷预测

提出了一种基于小波变换和改进萤火虫优化极限学习机的短期负荷预测方法.通过小波分解和重构,对原始负荷序列进行降噪;在模型训练阶段利用改进的萤火虫算法优化极限学习机参数,获得各序列的最优模型;针对各子序列分别预测叠加得到最终预测值.通过在两种时间尺度的数据序列上进行数值计算,与传统的ARMA、BP神经网络、支持向量机及LSSVM等多种经典预测模型相比,模型预测效果更优.     

带平行约束的多处理机调度问题的模拟平衡方法

对带平行约束的多处理机调度问题给出一种随机状态转移方式，并通过大量的计算结果表明，这种状态转移方式具有根强的倾向性和遍历性，进而对通常的问题仅需经过很少的状态转移次数就可以获得精度很高的近似解。     

改进的多目标规划遗传算法

本讨论了[1]中多目标规划遗传算法存在的缺陷，并提出了相应改进策略．这些策略包括：引进精粹策略，杂交限制，终止条件，个体表示改进等方面，利用这些策略使算法能克服终止准则和小生境聚集的缺陷，使得算法能更快的收敛到Pareto最优解集同时又有好有分布的Pareto最优解集．     

Jamming communication networks under complete uncertainty

This paper describes a problem of interdicting/jamming wireless communication networks in uncertain environments. Jamming communication networks is an important problem with many applications, but has received relatively little attention in the literature. Most of the work on network interdiction is focused on preventing jamming and analyzing network vulnerabilities. Here, we consider the case where there is no information about the network to be jammed. Thus, the problem is reduced to jamming all points in the area of interest. The optimal solution will determine the locations of the minimum number of jamming devices required to suppress the network. We consider a subproblem which places jamming devices on the nodes of a uniform grid over the area of interest. The objective here is to determine the maximum grid step size. We derive upper and lower bounds for this problem and provide a convergence result. Further, we prove that due to the cumulative effect of the jamming devices, the proposed method produces better solutions than the classical technique of covering the region with uniform circles.     

A tight bound on the min-ratio edge-partitioning problem of a tree

In this paper, we study how to partition a tree into edge-disjoint subtrees of approximately the same size. Given a tree T with n edges and a positive integer k≤n, we design an algorithm to partition T into k edge-disjoint subtrees such that the ratio of the maximum number to the minimum number of edges of the subtrees is at most two. The best previous upper bound of the ratio is three, given by Wu et al. [B.Y. Wu, H.-L. Wang, S.-T. Kuan, K.-M. Chao, On the uniform edge-partition of a tree, Discrete Applied Mathematics 155 (10) (2007) 1213-1223]. Wu et al. also showed that for some instances, it is impossible to achieve a ratio better than two. Therefore, there is a lower bound of two on the ratio. It follows that the ratio upper bound attained in this paper is already tight.     

On the uniform edge-partition of a tree

We study the problem of uniformly partitioning the edge set of a tree with n edges into k connected components, where k?n. The objective is to minimize the ratio of the maximum to the minimum number of edges of the subgraphs in the partition. We show that, for any tree and k?4, there exists a k-split with ratio at most two. For general k, we propose a simple algorithm that finds a k-split with ratio at most three in O(nlogk) time. Experimental results on random trees are also shown.     

混沌遗传算法

利用混沌序列来构造遗传算子,使不同代之间从短期看似随机的,而从长期看则存在着一种“精致”地内在关系,由此获得了一系列基于混沌序列的遗传算法,这些算法对克服标准遗传算法中的一些不足是有利的,更重要是将混沌引入遗传算法的新思路。     

有限总体中的最优预测

研究了有限总体中的最优预测问题,在一般Ｇａｕｓｓ－Ｍａｒｋｏｖ模型下得到了线性可预测变量的最优线性无偏预测,特别地,考虑了一类特殊的预测函数：ｂ－线性预测函数。