基于自适应种群小生境算法的非线性系统辨识

针对传统神经网络非线性系统辨识算法存在收敛速度慢、易早熟、需人工设置网络结构及初始参数等问题,提出自适应小生境PSO非线性系统辨识方法。改进算法融合分层递阶算法和小生境PSO算法思想,联合优化网络结构及初始化参数,引入自适应灾变因子提高寻优精度。仿真实验表明,改进算法可提高辨识精度和收敛速度,能有效避免早熟现象,并可显著提高大空间、多峰值函数寻优效率。     

一种改进的量子遗传算法

针对量子遗传算法存在储存量大和易陷入局部最优解等问题,提出一种新的量子遗传算法。该算法采用角度编码方式表示染色体从而减少编码的存储空间;引入小区间方法初始化量子种群, 使量子染色体均匀分布于初值空间;利用改进的旋转门对种群进行更新操作;采用动态的量子步长调整策略实现自适应搜索;引入量子交叉和量子变异操作防止早熟问题。通过典型的多峰值函数优化实验表明该算法具有收敛速度快、全局寻优能力强和计算时间短的特点,可以用于多峰值函数优化问题。     

变容差遗传算法求解多约束问题的研究

提出一种基于实数编码的变容差遗传算法,该算法是将自适应遗传算法的随机性与可变容差算法的确定性相结合,利用可变容差算法的准行域搜索准则,对具有非线性、多峰、多约束的问题寻优.运用该混合算法对有边界限制的6个峰值、4个性能约束的复杂函数最大值多次寻优,并与罚函数处理约束条件后的结果相比较,表明该算法依据容差准则具有较高的可靠性,尤其对于隐性约束,在一定精度范围内能够提高收敛精度,减少计算量,提高优化效率.     

岩体力学参数反演的代理蜜獾优化方法

针对复杂地下工程岩体力学参数反演时因大量调用数值计算模型导致计算耗时大的问题,提出一种新的仿生优化代理反演方法,即蜜獾优化算法-高斯过程回归-三维快速拉格朗日数值计算(honey badger algorithm-Gaussian process regression-FLAC^3D,HBA-GPR-FLAC^3D)方法。该方法将围岩的实测位移与数值计算结果间的误差作为目标函数,将岩体力学参数作为优化变量,利用全局寻优性能优异的HBA搜索目标函数全局极小值,并采用牛顿优化算法进行当前最优算子邻域的局部寻优,局部寻优中采用GPR代理模型而非基于FLAC^3D计算所构建的目标函数作为算子适应度评价工具。研究表明,与基于单纯仿生优化算法的反演方法相比,在达到相同计算精度条件下,所提出方法的数值模型调用次数显著降低,适用于单次数值计算较为耗时的复杂地下工程岩体力学参数快速识别。     

自适应分组差分变异狼群优化算法

针对狼群优化算法寻优精度不高和易陷入局部收敛区域的缺点,结合云模型在知识表达时具有不确定中带有确定性的特性,提出一种自适应分组差分变异狼群优化算法.其思想是采用佳点集理论对狼群进行初始化,通过云模型理论来完成个体游猎行为,在围攻行为中考虑狼个体的自身能量,最后利用差分进化算法和混沌理论完成个体变异,并进行探索全局最优位置.典型复杂函数测试表明,该算法能有效找出全局最优解,特别适宜于多峰值函数寻优.     

Rosenbrock函数全局最大值的免疫算法求解

利用免疫算法对多峰值函数进行多峰值搜索及全局寻优能力,运用Matlab编程实现基于信息熵的免疫算法来求解Rosenbrock函数全局最大值,并对抗体进化过程和种群分布特征进行了仿真.讨论了免疫记忆、相似度与平均浓度的判断、抗体和抗原的亲和力以及多样性保持等功能的实现方法.     

基于自适应粒子群优化算法的光伏电池参数辨识

利用双二极管等效电路模型进行光伏电池输出特性仿真,基于光伏电池的U-I数据建立了目标寻优函数,采用自适应粒子群优化算法对光伏电池参数进行了反演计算.结果表明:U-I反演曲线与实际曲线基本吻合,自适应粒子群算法与单纯形方法的参数辨识结果均与理论值相符,权重因子策略和种群规模对自适应粒子群优化算法寻优结果具有显著影响,基于自适粒子群优化算法的光伏电池参数辨识方法具有更高的求解精度和寻优效率.     

一种改进的粒子群优化算法研究

针对标准粒子群优化算法存在过早收敛的不足,在对算法全局寻优和局部寻优性能分析的基础上,本文对标准粒子群优化算法的惯性权重因子采用非线性自适应的策略进行更新,提出了一种非线性自适应粒子群优化算法(NLDPSO算法),实验中分别选择单模态S函数和复杂多模态G函数对本文所提出的算法精确性、稳定性、快速性进行验证,仿真结果表明NLDPSO算法的综合寻优性能远远优于改进前算法。     

动态小生境遗传算法在多模函数优化中的应用

提出一种基于动态小生境技术的自适应遗传算法．算法的进化过程中，通过物种的辨识和保存过程确定小生境的峰值，引入个体趋向于高适应度的方向这一控制参数控制搜索的方向，采用自适应调整种群距离的方法控制搜索的范围，大大提高了搜索效率．仿真试验表明，该算法能够很好地保持解的多样性，同时具有很高的全局寻优能力和收敛速度，适合求解复杂多峰函数优化问题．     

一种工程混合免疫计算的多峰值函数优化方法

为获得多峰值函数优化的多个极值,提高智能优化方法,获得多峰值函数优化解的精度,受生物免疫系统相关机理的启发,提出了基于工程混合免疫计算的多峰值函数优化方法,并给出了具体的求解算法.采用传统的蚁群优化方法以及本文方法对3个典型的多峰值复杂测试函数进行性能测试,对比每种方法的搜索代数、搜索到的峰值个数、最大适应度值以及平均适应度值.比较结果表明,本文方法具有增量学习能力且在分类准确率方面都高于传统的蚁群优化方法.     

量子进化算法和免疫算法的比较研究

量子进化算法和免疫算法都是解决优化问题的强有力算法,.在分析了量子进化算法搜索的特点和免疫算法的机理基础上,对它们进行了比较,阐明了了二者的不同特点,并通过仿真实例总结出它们在求解多峰值函数优化问题上各自的优缺点.     

改进的PSO优化SVM的病理图像分类算法

为了提高医学病理图像分类的准确率,提出了一种带有粒子位置权重和粒子之间相关度函数的PSO(particle swarm optimization)参数寻优算法.首先,在经典PSO算法的基础上提出了一种基于适应性原则的位置更新策略.然后,在粒子进行参数寻优的过程中,设计了一个增加粒子之间相关性的函数.该算法可以在不考虑速度影响的情况下进行参数最优解的搜索.最后,用经过PSO优化的支持向量机(SVM)算法分类检测病理图像.实验结果表明,该算法的分类准确率达到了98.5%,较高于另外几种算法.分类检测结果符合临床诊断结果,满足医学研究要求.     

基于自适应猫群算法的多目标波束赋形

针对大规模阵列天线波束赋形中智能优化算法精度不高、收敛速度不快等问题,提出一种自适应猫群算法.在猫群算法的基础上,使其基本参数根据迭代次数及适应度函数值自适应改变,并在搜寻模式中加入赌轮盘和精英选择相结合的策略,以增加种群多样性.多种智能优化算法的性能仿真对比分析表明,自适应猫群算法具有快速收敛、全局寻优的能力.将该算...     

基于混合人工蜂群算法和A*算法的求解旅行商问题算法

针对旅行商问题（TSP）,基于群智能优化算法的人工蜂群算法 (ABC)可以较为有效的解决并规划出一条合理的路线。ABC算法的优点在于将优化求解的过程转化为模仿蜂群采蜜的仿生行为,容易求得可行解。但是该算法依然存在着种群数量过多、速度较慢的缺点。本文分析了ABC算法的模型并对更新策略进行了改进,在ABC算法得到初始解的路径点后再使用A-star算法进行优化,通过将两种算法组合的方式进行改进。实验证明在解决TSP的路径规划中,整体的路径表现更优,且减少了冗杂的迭代更新,提升了算法的效果。     

基于改进遗传算法的神经网络优化

针对在神经网络应用中,存在结构设计及权值训练算法的不足,提出一种新的基于混合编码方案的遗传算法.在算法中设计了用遗传算法全局优化神经网络拓扑结构和网络权值的新的编码方案,改进了适应度函数的设计和采用自适应的交叉和变异方法.试验结果表明本算法能有效地对神经网络的权值和结构同时优化,提高了训练效率.     

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.     

一种自适应调节粒子群优化算法的研究

针对粒子群优化算法容易出现早熟收敛和稳定性低的现象,提出一种自适应调节的粒子群算法.算法中通过自适应调节适应度值的均匀分布保持种群的多样性,该策略能够提高算法的全局搜索能力,同时可避免阈值对算法稳定性的影响.另外采用自适应周期性变异的惯性权重对粒子的速度进行更新,可改善算法的局部搜索能力和稳定性.使用多维标准函数对改进的算法进行仿真试验,结果表明,算法具有较好的全局搜索精度和稳定性,避免了早熟收敛.     

机械臂逆运动学避障最优求解算法

针对多自由度机械臂在障碍物环境下逆运动学求解存在多解性和碰撞问题,研究了一种将碰撞检测算法、最短行程方法与差分进化算法相结合的具有避障能力的机械臂逆运动学最优求解算法。首先,以六自由度机械臂为研究对象,对机械臂和障碍物进行建模,并建立求逆运动学解的目标函数,目标函数由末端执行器位姿误差函数、目标角度与初始角度之间的变化量函数、碰撞检测函数加权求和组成;其次,利用差分进化算法对目标函数进行最优求解,为了减小函数权重对求解速度和精度的影响,设计了一种自适应权重优化算法,使得求解关节角度在优化求解初期快速达到最短行程位姿角度附近,而在优化求解后期具有更高的的求解精度,即可求得具有避障能力、行程最短且高精度的最优逆运动学解;最后,以UR5机械臂为例,通过MATLAB软件中的Robotics Toolbox工具箱对算法进行仿真验证,验证了算法的有效性。     

一种TDCS自适应粒子群导频优化设计算法

为了解决变换域通信系统(transform domain communication system,TDCS)基函数存在不可用频带而产生的导频优化设计问题,提高TDCS的信道估计精度,提出了基于自适应粒子群算法的TDCS导频优化设计.构建TDCS信道估计模型,分析不可用频带对信道估计性能的影响并建立导频优化模型,设计导频优化的适应值函数和自适应惯性权重,通过粒子群算法对导频的位置和功率进行优化.在不同干扰环境下的仿真结果表明,新算法较传统粒子群算法收敛速度更快,优化能力更强,其信道估计精度和误码率性能接近最优导频.与等间隔等功率导频相比,在单干扰和多干扰频带下误码率分别有2.6 dB和2.2 dB的性能增益.