基于多种群混沌遗传神经网络的模拟电路故障诊断

针对标准遗传算法优化BP神经网络收敛慢,易陷入局部最优的问题,提出了改进的多种群协同进化遗传算法,该算法改变了以往的随机初始化方法,采用了附加混沌扰动的tent映射初始化均匀分布的种群,提高了初始解的质量;每个种群采用自适应交叉率和变异率,引入移民算子实现种群间的横向联系;算法通过多种群的协同进化和种群间的个体移植提高了算法的搜索均匀性和效率;仿真实验表明该算法误差小,收敛速度快,诊断正确率高,较好地解决了模拟电路的软故障诊断问题。     

多总体演化博弈在煤炭生产安全管理中的应用

煤矿安全管理涉及多方利益相关者群体,而利益群体内部又存在不同的分类.依据演化博弈理论,针对安全管理中利益群体中子总体对成功主体的模仿行为,建立多总体复制子动态博弈模型,再利用动力系统相位图分析对煤矿安全管理相关各方的行为进行研究,分析政府主管部门监管力度、企业职工技术水平对煤矿安全管理效率的影响,以及惩罚激励、安全培训等措施在企业安全管理中的作用.     

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。     

一种基于多种群对立平行进化策略的DE算法

针对微分进化算法应用于换热网络优化时易陷入局部区域和收敛精度不高的缺点,建立一种多种群对立的平行进化策略的微分进化算法.首先建立原始种群的对立种群;在此基础上,通过原始种群与对立种群的变异操作进行信息共享产生新的试验个体;最后运用多轮对立的思想保持多种群平行进化,使种群在保留当前求解信息的同时又能在求解域内进行更大范围搜索.对换热网络的经典算例计算表明,本文提出的多种群对立平行进化微分进化算法能够有效增强种群多样性,扩大算法的全局搜索能力,跳出局部极值陷阱,得到较好的优化结果.     

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.     

加权差分进化算法应用于换热网络综合

针对差分进化算法应用于换热网络受控制参数影响和后期种群多样性丧失进化乏力的不足,引入加权差分进化算法提升优化性能,算法的有效性已经在连续变量优化得到证明.本研究将其引入属于混合整型变量的换热网络综合,实现差分进化算法无控制参数调节.使用三个小到中等规模网络算例进行验证,其中两个算例取得目前公开文献最优年综合费用.通过建...