一个求解约束优化问题的与可行基规则相结合的改进微粒群算法

提出一个求解约束最优化问题的新的混合算法-与可行基规则相结合的改进的微粒群算法。与惩罚函数法相比,可行基规则不需要额外的参数,且指引粒子迅速飞向可行域。利用5个基准测试函数进行仿真计算比较,仿真结果表明了新算法是求解约束最优化问题的一个高效的算法。     

求解非线性方程组的一种新方法及应用

针对非线性方程组求解问题提出一种变异量子粒子群算法,该算法首先把非线性方程组的求解转化为约束优化问题,然后根据可行性规则,引入约束违反度函数,结合变异算子,不断地寻找更优可行解,逐渐达到搜索全局最优解。数值实验表明,所设计变异量子粒子群算法是可行的、有效的,是求解非线性组的一种成功算法。     

二维欠约束系统求解算法的研究

从工程绘图实际出发，根据剩余自由度最小局部影响原则，提出了一种新的二维欠约束求解算法。该算法通过判别剩余自由度最小影响域范围，补充约束条件，将欠约束问题转化为满约束问题。深入探讨了算法中的两个关键性技术问题：约束最小局部影响域搜索算法和圆弧处理算法。该算法计算简便、求解效率高，较好地解决了欠约束求解问题。     

混合约束最优化问题的复合形解法

提出并讨论了联合应用复合形法和消元法求解可行域比较畸形的混合约束最优化问题的方法,论证了这一方法的可行性,给出了相应的算法和程序框图,并用算例验证了该算法的收敛性。     

一类典型非凸域动约束函数构造

针对由二次约束函数构成的一类典型多尖非凸区域上的非凸规划问题,给出了动约束函数的具体构造方法,利用在原约束函数中添加参数t的方式,使原约束函数变成含参变量t的函数,且满足随参数t的变化,含参变量约束函数构成的可行域可由凸可行域连续形变到原非凸可行域.在较弱的条件下证明了该动约束函数满足边界正则性条件以及法锥条件,并通过数值例子表明该构造方法是可行的、有效的.     

基于反向学习的自适应α约束病毒种群搜索算法

为了提高该算法求解约束优化问题的能力,提出一种新的约束病毒种群搜索算法。首先,提出自适应α-level比较策略,以在算法的不同阶段充分利用可行个体与不可行个体的有效信息;其次,为了进一步提高算法求解约束优化问题的收敛速度和搜索精度,针对算法的病毒扩散行为,提出了结合反向学习机制的搜索方程,以提高种群多样性并加速全局收敛。对CEC2006中13个约束优化函数的对比仿真结果表明,本文算法在搜索精度、收敛速度以及稳定性方面,相比于αSimplex算法、粒子群遗传算法算法、交叉人工蜂群算法算法以及约束改进差分进化算法算法具有明显优势。同时将该算法应用于无人机协同实时航迹规划约束优化问题中,通过仿真实验并与利用约束改进差分进化算法对这一问题进行求解的方法进行对比,验证了本文算法在规划效率、规避威胁等方面的优越性。     

一个新的求解非线性等式约束的QP-free非可行域方法

提出了一个求解非线性等式约束优化问题的无罚函数无滤子的非单调QP-free非可行域方法.利用乘子和原始变量,构造一个等价于原约束问题一阶最优KKT条件的方程组.通过牛顿-拟牛顿迭代得到满足一阶KKT条件的解.采用了非单调的无罚函数无滤子线搜索方法,每次迭代使得目标函数或者约束违反度函数具有充分的非单调下降,可以取得更好的试探步长.该算法具有全局收敛性,在较弱条件下可以证明该方法具有超线性收敛性.     

实数域上的并行约束逻辑程序设计系统及其实现技术

主要讨论了在线程模式下实数域上的约束逻辑程序设计系统CLP（R）的Herbrand域和实数域并行求解的两种可行策略：1）单约束求解器线程并行策略．2）多约束求解器线程并行策略。并着重介绍了基于前一种策略实现的BPU－PARCLP（R）系统的并行算法和实现技术．     

一种求解连续空间约束优化问题的蚁群算法

借鉴蚁群算法和惩罚函数的思想提出了一种用于求解连续空间约束优化问题的蚁群算法.应用自适应调整惩罚因子的惩罚函数法将约束优化问题转化为无约束优化问题,再结合自适应调整全局选择因子和信息素挥发系数的连续域蚁群算法,求解连续空间约束优化问题.通过对基准测试函数进行编程求解,对比采用固定参数的蚁群算法求解结果,验证了所提改进算法的正确性和有效性.     

基于粒子群算法的温度模型优化

粒子群算法是一种新出现的进化算法，相对其它进化算法，它收敛速度快、规则简单、编程易于实现。现实的优化问题一般要求在指定的范围内求解，即要满足域约束。而目前在粒子群的约束优化问题上面研究较少。本文对粒子群算法的种群初始化进行了改进，在指定范围内进行初始化；并且提出了一种解决域约束问题的方法。该方法在优化温度模型的应用中取得了比较好的效果。     

一种求解有约全局优化问题的新型混合方法

通过将模拟退火算法与非线性规划神经网络适当结合，本文提出一种求解有约束全局优化问题的新型混合方法．为了使该方法尽可能保持一般模拟退火算法通用性强的优点，在每一次迭代中不是采用非线性规划神经网络直接求原问题的局部最优解，而是通过求解一个辅助优化问题得到原问题的可行解．数值计算结果表明，与使用罚函数方法处理约束的模拟退火算法相比，本文提出的混合方法不仅可靠性高，而且可以显著地提高计算效率．     

一种新的填充函数方法

提出了一种解决含有等式约束及不等式约束的全局优化问题的填充函数方法.该方法是把含有等式约束及不等式约束的全局优化问题,转换成只含有不等式约束的全局优化问题,再利用罚函数的思想,把求解有约束的全局优化问题化成求解无约束的全局优化问题.     

一种混合一维搜索的矢量拟态物理学算法

针对约束优化问题,首先引入收缩系数,使得越界个体沿着速度方向回到问题空间,并且保持搜索方向不变。然后利用违反约束量函数来判断个体是否在可行域内,用一维搜索的方法保证个体在迭代过程始终都在可行域内。最后利用矢量拟态物理学优化算法搜索目标问题的最优解。通过对10个典型约束优化测试函数的仿真测试,并与类电磁算法比较发现,本算法在最优适应值的精度上优于类电磁算法,方差的结果也说明了算法的稳定性,这表明该算法是简单有效的。     

一种求解约束优化问题的新的罚信赖域算法

很多现实的优化问题都能描述成一个约束优化问题。目前,已有很多经典的方法用来解决这类问题,其中尤以罚函数法最受青睐。本文中,提出了一种新的罚信赖域算法。新算法构造了两个光滑函数用来近似罚函数,并结合了信赖域算法。最后也对算法收敛性做了一些讨论。     

解非线性约束规划问题的新粒子群优化算法

给出非线性约束规划问题的一种新解法.首先把带约束的非线性规划问题转化成为2个目标的优化问题,在对搜索算子及各种参数进行合理设计的同时,提出了一种新粒子群优化算法(TS-MC),最后的数据实验表明该算法对带约束的非线性规划问题求解是非常有效的.     

箱型约束变分不等式的微粒群算法

对箱型约束变分不等式的简单光滑价值函数,给出了求解箱型约束变分不等式的微粒群算法。该算 法具有计算简单、快速收敛到全局最优解和较高的计算精度等优点。数值计算结果表明,提出的算法可靠性高、有 效性强,在计算精度上,都优于阻尼牛顿法和正则半光滑牛顿法     

箱型约束变分不等式的微粒群算法

对箱型约束变分不等式的简单光滑价值函数,给出了求解箱型约束变分不等式的微粒群算法。该算法具有计算简单、快速收敛到全局最优解和较高的计算精度等优点。数值计算结果表明,提出的算法可靠性高、有效性强,在计算精度上,都优于阻尼牛顿法和正则半光滑牛顿法。     

含边界变异的粒子群算法

提出了一种新的粒子群优化算法（PSO）——带边界变异的PSO，其原理是：在迭代的过程中，当粒子的位置超出可行域时，带边界变异的PSO让粒子的位置重新均匀分布在边界附近；当粒子的速度超出可行域时，则使其均匀分布到整个可行区间，而不是像原始PS0那样在这2种情况下都只是简单地取边界值。从理论和实验2个方面论证了这种引入了边界变异的PSO可以获得更快的寻优速度和更好的解精度，有一定的推广价值。     

箱型约束优化问题的免疫进化的微粒群算法

通过引入免疫进化项,提出一个求解箱型约束优化问题的新的算法—免疫进化的微粒群算法。该算法利用8个典型的测试函数进行数值实验,且与被动聚集的微粒群算法、全局版本的微粒群算法、局部版本的微粒群算法和具有压缩因子的微粒群算法进行计算比较,计算结果表明免疫进化的微粒群算法是求解箱型约束优化问题的一个高效的算法。