基于鱼群算法的多维背包问题研究

将鱼群算法应用于求解多维背包问题,提出一种求解多维背包问题的鱼群算法.MKPAFSA.定义MKPAFSA 中的各元素,且引入启发因子和动态因子,并对鱼群算法进行了改进和优化.它减少了人工鱼的搜索时间,有效改善了鱼群算法后期收敛较慢且一般仅能得到满意解域的缺陷.仿真试验取得了较好的结果.     

混沌人工鱼群的鲁棒保性能控制权值矩阵优化方法

针对鲁棒保性能控制中的权值矩阵依赖经验选取,无法最大限度的减小系统保守性的问题,提出了一种基于混沌人工鱼群算法的鲁棒保性能控制权值矩阵优化方法.该方法中,将保性能控制鲁棒界作为优化的目标函数来寻找最优权值矩阵是整个算法实现的关键.该种改进的人工鱼群优化算法融合了混沌搜索与自适应步长和视野的人工鱼群优化算法,有效的解决了基本人工鱼群算法的后期收敛速度慢、易陷入局部最优等缺点.通过测试函数对比验证了该种改进人工鱼群优化算法的优越性,并通过应用实例验证了该权值矩阵优化方法的有效性.      

BCOISOA--BP网络在磨矿粒度软测量中的应用

传统人群搜索(SOA)算法通过计算搜索方向、搜索步长和搜寻更新个体位置三个步骤进行寻优.它的缺点在于计算量大,种群之间信息交流少,导致寻优速度慢.针对人群搜索算法存在的缺点,本文提出二项交叉算子改进人群搜索算法(BCOISOA)对其改进.在计算搜索步长方面,本文采用随机数与最大函数值位置乘积判断子群位置,进而提高全局寻优计算速率.在更新位置方面,本文提出二项交叉算子加强种群之间的联系,避免在更新搜索方向过程中,算法因局部最优而导致过早收敛,进而达到快速、准确寻找最优解的目的.本文将以上二项交叉算子改进人群搜索-BP神经网络算法应用在二段式磨矿过程中,实现磨矿粒度在线软测量.仿真结果表明,与人群搜索算法和粒子群算法进行比较,二项交叉算子改进人群搜索算法收敛速度更快,预测精度最高,满足对磨矿粒度实时检测的要求.      

一种改进的人工蜂群算法——粒子蜂群算法

针对经典人工蜂群算法收敛速率较慢,后期易陷入局部最优解的不足,本文将粒子群算法中"全局最优"的思想引入到人工蜂群算法的改进过程,从而形成了一种新的人工蜂群改进算法——粒子蜂群算法.首先,提出了趋优度的概念,用来衡量引领蜂在有限次迭代过程中向全局最优解靠近或远离的程度,趋优度值可以评价个体的"发展潜力",趋优度值越低的个体,越需要增大变异的程度,以便找到质量更优的解.其次,专门设计了一种新的蜜蜂群体——粒子蜂,在引领蜂变异阶段根据趋优度的大小将引领蜂变异为侦查蜂和粒子蜂,粒子蜂的出现在很大程度上增加了种群的多样性,拓展了算法的搜索范围.然后,通过粒子蜂群算法种群序列是一个有限齐次马尔科夫链和种群进化单调性的分析,验证了本文所提算法的种群序列依概率1收敛于全局最优解集.最后,将本文所提算法应用于多个常见测试函数,并与经典蜂群算法、近年其他文献改进蜂群算法进行了仿真对比研究,仿真结果表明本文所提算法确实加大了种群的分散度、扩宽了搜索范围,从而具有更快的收敛速度和更高的寻优精度.      

一种搜索空间自适应变化的自适应粒子群算法

提出一种搜索空间自适应的自适应粒子群优化算法.该算法对不同等级的粒子适应值采取不同的惯性权重,并随着算法的迭代不断缩小粒子群的搜索空间.同时,选择当前代的较优部分粒子直接进入下一代,其他粒子通过在缩小的搜索空间内随机生成,加快了种群收敛速度,同时又能使种群不断跳出局部最优解.几种典型函数的仿真实验表明,该算法在收敛速度和收敛精度上均较标准粒子群优化算法和普通自适应粒子群优化算法有明显提高.     

基于混合策略的转炉终点锰含量预测研究

摘要：转炉终点钢水锰含量预测,对原料添加和冶炼成本节约具有重要作用。针对凭经验预估的终点锰含量值与实际值较大偏差导致的生产成本升高的问题,建立了一种基于混合策略的改进型鲸鱼优化算法(IWOA)与最小二乘向量机(LSSVM)的转炉终点锰含量预测模型,引入柯西变异提高鲸鱼优化算法(WOA)跳出局部最优的能力;借助惯性权重增强鲸鱼算法局部搜索能力和收敛精度;提出差分变异以增加鲸鱼算法在探索末期的物种多样性和降低陷入局部最优概率。实验结果表明,IWOA LSSVM锰含量预测模型不仅在全局和局部寻优以及收敛速度有较大的提升,在误差性能指标方面优势明显,且预测误差于±0.01%间的命中率为93.3%。     

基于自适应搜索的免疫粒子群算法

经典粒子群算法由于多样性差而陷入局部最优,从而造成早熟停滞现象.为克服上述缺点,本文结合人工免疫算法,提出一种基于自适应搜索的免疫粒子群算法.首先,该算法改善了浓度机制;然后由粒子最大浓度值来控制子种群数目以充分利用粒子种群资源;最后对劣质子种群进行疫苗接种,利用粒子最大浓度值调节接种疫苗的搜索范围,不仅避免了种群退化现象,而且提高了算法的收敛精度和全局搜索能力.仿真结果表明该算法求解复杂函数优化问题的有效性和优越性.      

多种群并行的自适应差分进化算法

为了提高搜索速度,同时克服传统算法过早陷入局部最优值的不足,提出了一种改进自适应差分进化算法.改进算法在充分分析经典和改进变异操作算子的属性以及种群统计信息的基础上,按照个体适应度的差异,将个体分成不同的子种群并相应地引入与之匹配的变异算子,转换成一个多种群并行的优化问题,保证在加快算法收敛速度的同时有效跳出局部极值点,从而实现全局优化.同时对参数值实行自适应调整,使算法达到全局搜索能力与局部搜索能力的平衡.针对8个标准测试函数的仿真实验结果表明,所提出的算法与其他算法相比具有较好的效果.     

基于遗传与SQP算法的轧机负荷分配优化研究

针对热连轧精轧机组负荷分配优化问题的特点,将遗传算法与序列二次规划法相结合,构成用于优化该问题的混合遗传算法.该算法通过改进遗传算子与序列二次规划算法结合,提高了局部搜索的速度和求解质量.根据模型仿真验证,该算法提高了收敛速度和求解精度,保证了全局收敛性,在热连轧精轧机组负荷分配优化中作用是有效的.     

基于混合搜索算法的图像稀疏分解

为了提高图像稀疏分解的效果,降低其计算时间,提出一种基于量子进化算法(quantum-inspired evolutionaryalgorithm,QIEA)和改进差分进化算法(improved differential evolution,IDE)的混合搜索算法,并应用到图像稀疏分解中.该方法将1DE引入到QIEA中,前期进行QIEA寻优,当寻优搜索到的最优解经过多次进化后没有变化时,引入IDE以提高搜索解的精度和质量.图像稀疏分解的仿真实验结果表明,与QIEA和IDE相比,混合搜索算法的图像稀疏分解方法获得的重构图像具有最好的图像视觉质量和最高的峰值信噪比,且具有相对较低的计算时间.     

一种基于差分进化的正弦余弦算法

正弦余弦算法是一种新型仿自然优化算法,利用正余弦数学模型来求解优化问题。为提高正弦余弦算法的优化精度和收敛速度,提出了一种基于差分进化的正弦余弦算法。该算法通过非线性方式调整参数提高算法的搜索能力、利用差分进化策略平衡算法的全局探索能力及局部开发能力并加快收敛速度、通过侦察蜂策略增加种群多样性以及利用全局最优个体变异策略增强算法的局部开发能力等优化策略来改进算法,最后通过仿真实验和结果分析证明了算法的优异性能。      

Application of Improved PSO Algorithm in Hydraulic Pressing System Identification

 In view of characteristics of particle swarm optimization (PSO) algorithm of fast convergence but easily falling into local optimum value, a novel improved particle swarm optimization algorithm is put forward, and it is applicable to identify parameters of hydraulic pressure system model in strip rolling process. In order to maintain population diversity and enhance global optimization capability, the algorithm is firstly improved by means of decreasing its inertia weight linearly from the maximum to the minimum and then combined with chaotic characteristics of ergodicity, randomness and sensitivity to initial value. When the improved algorithm is used to identify parameters of hydraulic pressure system, the comparison of simulation curves and measured curves indicates that the identification results are reliable and close to actual situation. A new method was provided for hydraulic AGC system model identification.     

多目标粒子群优化算法研究综述

针对多目标粒子群优化算法的研究进展进行综述。首先,回顾了多目标优化和粒子群算法等基本理论;其次,分析了多目标优化所涉及的难点问题;再次,从最优粒子选择策略,多样性保持机制,收敛性提高手段,多样性与收敛性平衡方法,迭代公式、参数、拓扑结构的改进方案5个方面综述了近年来的最新成果;最后,指出多目标粒子群算法有待进一步解决的问题及未来的研究方向。      

基于改进鸽群优化和马尔可夫链的多无人机协同搜索方法

针对多无人机在协同搜索过程中存在重复搜索、目标静止、搜索效率低的问题,提出基于改进鸽群优化和马尔可夫链的多无人机协同搜索方法.首先,建立类似传感器探测范围的蜂窝状环境模型,降低对搜索区域的重复搜索;其次,建立满足高斯分布的马尔可夫链动态目标运动模型;然后,将柯西扰动引入基本鸽群优化算法的地图和指南针算子,高斯扰动引入地标算子,同时利用模拟退火机制保留次优个体,进而有效缓减基本鸽群优化算法易陷入局部最优的问题.最后,通过仿真实验将本文算法与其他群体智能算法进行比较,结果表明新型算法的合理性和有效性.      

面向全局和工程优化问题的混合进化JAYA算法

为了更好求解复杂函数优化和工程约束优化问题,进一步增强JAYA算法的寻优能力,提出一种面向全局优化的混合进化JAYA算法.首先在计算当前最优和最差个体时引入反向学习机制,提高最优和最差个体跳离局部极值区域的可能性;然后在个体位置更新中引入并融合正弦余弦算子和差分扰动机制,不仅增加了种群的多样性,而且较好平衡与满足了算法在不同迭代时期对探索和挖掘能力的不同需求;最后在算法结构上采用奇偶不同的混合进化策略,有效利用不同演化机制的优势结果,进一步提升了算法的收敛性和精度.之后给出了算法流程伪代码,理论分析证明了改进算法的时间复杂度与基本JAYA相同,而通过6种代表性算法在包含和组合了30个基准函数的CEC2017测试套件上进行的多维度函数极值优化测试,以及对拉伸弹簧、波纹舱壁、管柱设计、钢筋混凝土梁、焊接梁和汽车侧面碰撞6个具有挑战性的工程设计问题的优化求解,都清楚地表明改进后算法的寻优精度、收敛性能和求解稳定性均有显著提升,在求解CEC复杂函数和工程约束优化问题上有着明显优势.     

遗忘遗传算法及其在信用评分中的应用

为解决局部最优问题,将遗忘机制引入传统遗传算法中,提出了一种改进的遗忘遗传算法,给出了一种遗忘算子及其遗忘概率,通过在遗传过程中遗忘某些基因,增加了算法的搜索空间,使算法跳出局部最优,从而最大限度地避免早熟收敛.将该算法用于不同欠费率下的电信客户初始信用评分,找到信用权重的优化解,较好地解决了对高欠费率群体进行信用评分时,信用权重的适应值偏低的问题.实验结果表明所提算法有效可行.与标准遗传算法相比,本文所提算法可以获得更高质量的解.      

变异PSO算法协同神经元网络在轧制力预报中的应用

 为了避免BP神经元网络易陷入局部极值和基本粒子群(PSO) 神经元网络早熟收敛问题，采用一种自适应变异的粒子群优化算法训练神经元网络，根据轧制力的实测值和神经元网络的预报值确定粒子群算法的适应度函数，按照权重梯度方向进行变异操作，并首次将该方法应用到热连轧机组轧制力预报中。通过攀钢热轧板厂现场数据运算表明，该方法的预报误差平均值比传统数学模型低165%，比BP神经元网络低055%，收敛速度比BP神经元网络提高了约1/4，为进一步提高精轧机组轧制力预报精度提供了一种新的有效方法。