结合群体协同与和声搜索策略的果蝇优化算法

为了改善标准果蝇优化(fruit fly optimization,FFO)算法易陷入局部极优,收敛精度不高的不足,提出了一种结合群体协同(swarm collaboration,SC)与和声搜索(harmony search,HS)策略的新型果蝇优化算法FFO-SC+HS。该算法基于随机确定的单一维度和动态搜索半径得到果蝇个体的食物源位置,并在种群中心位置的逐代更新环节新增了两个可供选择的备选位置。两备选位置均出自按群体协同策略重构后的位置集合,其一为重构后位置向量集合中的最佳位置,另一则为借助和声搜索策略得到的新位置向量。为验证所设计算法的有效性,在10种测试函数上进行了大量的计算实验与性能对比分析,结果表明FFO-SC+HS在求解质量、收敛能力上优于其他4种已报道的FFO算法,并发现3个主要参数的不同取值组合对其优化性能具有显著影响,所采取的SC与HS策略缺一不可。     

局部深度搜索的混合果蝇优化算法

针对基本果蝇优化算法(FOA)局部深度搜索能力较差且易陷入局部最优的缺点,提出了局部深度搜索的混合果蝇优化算法(SFOALDS)。通过借鉴混合蛙跳算法(SFLA)的更新策略,循环进行局部深度搜索操作,使得SFOALDS既保持了FOA较快的收敛速度,又增强了FOA局部深度搜索能力,有效避免了基本FOA易陷入局部最优的缺点,提高了进化后期算法的收敛速度和精度。仿真实验结果表明,SFOALDS比基本FOA和SFLA有较强的全局寻优性能,并且在高维函数上的优势更加明显。     

改进果蝇优化算法在多目标搜索的应用

在实际工程优化问题中多数问题是多目标优化问题,多目标优化问题一直以来就是智能算法的研究热点。提出一种改进的果蝇优化算法,将其应用在多目标搜索领域,并成功使用该算法解决了一种多目标背包问题。算法在基本果蝇优化算法的基础上采用分群策略和动态半径,在群A中从种群位置开始以动态半径探索新的可行解,在群B中则通过非支配个体之间的交叉操作进行密集搜索。果蝇种群的位置在每一轮迭代产生的非劣解集中进行选取,提高了算法的收敛速度。通过在多个数据集下进行测试,并和粒子群算法、NSGA-2做了对比实验,最终结果显示使用该算法在特定条件下能取得较好的搜索效果,证明了使用果蝇优化算法解决多目标问题的可行性。     

果蝇优化算法研究综述

作为一种新兴的群体智能算法,果蝇优化算法(FOA)因其简单有效而在诸多领域得到成功应用.分析FOA的搜索原理和优缺点,围绕目前的改进和相关应用进行综述.重点讨论FOA改进策略,包括改进搜索半径,改进候选解的生成机制、多种群策略等,以及FOA在复杂函数优化、组合优化和参数优化等方面的应用.最后给出FOA在算法改进和实际应用方面研究的新思路.     

动态调整搜索策略的果蝇优化算法

针对标准果蝇优化算法（Fruit Fly Optimization Algorithm,FOA）收敛速度慢、容易陷入局部最优及寻优精度低等缺陷,提出了一种动态调整搜索策略的果蝇优化算法（Fruit Fly Optimization Algorithm with Dynamic Adjustment of Search Strategy,FOAASS）。利用混沌映射增强种群初始位置的均匀性和随机性;根据种群进化信息动态调整部分果蝇的搜索策略;通过转换概率随机选取搜索半径并对其进行动态调整;当算法陷入早熟时,改变搜索策略以跳出局部最优。仿真实验结果表明,提出的改进算法相比标准果蝇优化算法和部分改进算法,有较好的寻优精度和收敛速度。     

混沌动态步长果蝇优化算法

为了进一步提高标准果蝇优化算法的收敛速度和寻优精度,将混沌优化与迭代步长动态调节策略相结合,提出一种混沌动态步长果蝇优化算法。算法在寻优过程中引入动态步长调节因子对基本果蝇优化算法的步长实现持续动态更新,利用混沌优化方法对混沌变量与优化变量进行映射操作,同时引入混沌扰动使得果蝇个体能够快速跳出局部最优。实验结果表明:该算法在收敛速度和寻优精度上大幅提高。     

一种动态双种群果蝇优化算法求解FJSP

为了有效解决柔性作业车间调度问题(FJSP),提出了一种具有较强进化机制的动态双种群果蝇优化算法(DDFOA),该算法采用自适应移动步长,并动态地将种群划分为先进子种群和后进子种群,其中先进子种群侧重局部搜索,后进子种群负责全局搜索。同时针对柔性作业车间调度问题,设计了合适的编码转化方案。最后,对算法的收敛性进行了证明,并选用经典算例对其进行仿真实验,仿真结果验证了DDFOA求解FJSP的有效性。     

求解TSP搜索问题的改进果蝇优化算法

果蝇优化算法是一种新型群体智能算法,已在多种函数优化、实例优化求解方面得到了成功的应用。为充分发挥果蝇优化算法的优点,将该算法与高斯变异算子相结合,设计了求解旅行商问题(TSP)的高效果蝇优化算法,并用其求解TSP这一经典的NP难问题。通过对比TSP问题求解结果得出改进后的果蝇优化算法性能较优。     

应用反向学习策略的果蝇优化算法

针对基本果蝇优化算法FOA(Fruit Fly Optimization Algorithm)容易陷入局部极值、进化后期收敛速度慢和收敛精度低的缺点,采用反向学习策略加以改进,提出应用反向学习策略的果蝇优化算法OBLFOA(FOA with Opposition-based Learning)。该算法将一般反向学习策略和动态一般反向学习策略分别引入到果蝇优化算法的种群初始化和迭代寻优过程中,能得到越来越好的种群个体。随着迭代过程的逐步深入,使得进化种群快速地逼近最优解。对6个经典测试函数的仿真结果表明,新算法在收敛速度、收敛可靠性及收敛精度方面比基本果蝇优化算法有较大的提高。     

糊神经网络的二阶段变半径随机搜索算法

研究基于正态隶属函数的模糊神经网络的学习算法.将模糊神经网络对一组样本的逼近误差表示为两组相互独立，可分批学习的可调参数的非负函数之和.其中一组可调参数可通过令相应的非负函数为零直接求得，而与另一组可调参数相对应的非负函数就是用于这组参数学习的性能指标.经对性能指标性质的分析给出了一种模糊神经网络的学习算法——二阶段变半径随机搜索法.实例表明，这种方法简便易行，可使模糊神经网络达到较高的逼近精度.     

基于节点压缩的寻径优化算法

最短路径问题是一个经典问题,而目前的研究大多是针对给定起点和终点,选择从起点到终点的最短路径,且取得了不少成果。而对于限定时间的最短路径问题的研究成果相对较少,这类问题在现实生活中却随处可见。针对这一问题提出几种限定时间的寻径优化算法,从对回溯法的改进到不同的节点压缩的方法,给出改进的回溯法以及三种基于节点压缩的寻径算法。算法实现在限定的时间内从起点出发经过给定的节点集合再到达终点的路径选择,并针对不同复杂度的网络图有相应合适的算法可以选择,从而有效地解决这类问题。     

VARIANCE-BASED HARMONY SEARCH ALGORITHM FOR UNIMODAL AND MULTIMODAL OPTIMIZATION PROBLEMS WITH APPLICATION TO CLUSTERING

This article presents a novel variance-based harmony search algorithm (VHS) for solving optimization problems. VHS incorporates the concepts borrowed from the invasive weed optimization technique to improve the performance of the harmony search algorithm (HS). This eliminates the main problem of constant parameter setting in the algorithm proposed recently and named as explorative HS. It uses the variance of a current population as well as presents a solution vector to improvise the harmony memory. In addition, the dynamic pitch adjustment operator is used to avoid solution oscillation. The proposed algorithm is evaluated on 14 standard benchmark functions of various characteristics. The performance of the proposed algorithm is investigated and compared with classical HS, an improved version of HS, the global best HS, self-adaptive HS, explorative HS, and the recently proposed state-of-art gravitational search algorithm. Experimental results reveal that the proposed algorithm outperforms the above-mentioned approaches. The effects of scalability, noise, harmony memory size, and harmony memory consideration rate have also been investigated with the proposed algorithm. The proposed algorithm is then employed for a data clustering problem. Four real-life datasets selected from the UCI machine learning repository have been used. The results indicate that the VHS-based clustering outperforms the existing well-known clustering algorithms.     

距离寻优中Dijkstra算法的优化

Dijkstra算法在求解两指定顶点间最短距离时,对两顶点之间最短路径以外的大量顶点进行了计算,而影响了算法的速度。在对Dijkstra算法分析的基础上,结合网络模型的特点,对Dijkstra算法进行了优化。优化算法基于两点之间直线最短的思想,改变了对顶点处理顺序的规则。在算法流程中只对最短路径上及其附近的顶点做了处理。而与最短路径相距较远的顶点基本不涉及。因此,在优化处中计算的顶点数量大幅减少,提高了算法的速度,给出了优化算法的正确性证明,对优化算法的实用性和效率加以讨论,优化算法在实际中已经得到应用。     

融合佳点集机制的动态搜索烟花爆炸搜索算法

为了克服烟花爆炸搜索算法容易早熟的弱点,提高其求解性能,提出一种融合佳点集变异机制的动态搜索烟花爆炸算法。首先为了提高算法的求解精度,每一次迭代过程均针对当前最佳个体执行动态随机搜索,加强对当前最佳的局部搜索。另一方面,当种群的拥挤程度超越设定的阈值λ时,除保留10%的优秀个体外,其余个体基于佳点集机制进行重新初始化,帮助种群摆脱局部最优的约束。最后,在6个Benchmark函数上的实验表明,该算法能快速收敛、克服早熟,并且具有较佳的鲁棒性。     

改进的果蝇算法及其在PPI网络中的应用

针对基本功能流聚类算法计算复杂度高、聚类正确率较低的缺点,提出一种基于改进的果蝇算法与功能流算法相融合的聚类分析算法Flow-IFOA。通过引入果蝇因子,根据离最优解果蝇的距离自适应地调整每个果蝇个体的搜索步长,保证了算法的搜索精度和速度。将改进后的果蝇算法与功能流算法融合,在PPI网络数据库上的仿真结果表明,改进算法相比其他聚类算法得到了较好的聚类正确率和较快的收敛速度,是一种行之有效的方法。     

搜索引擎PageRank算法研究

在研究搜索引擎关键技术的基础上,深入细致地剖析了著名搜索引擎Google的链接分析排名算法PageRank算法,解说其运行原理并给出改进算法.在此基础上指出PageRank算法存在的缺陷,从而针对性地提出了优化方案,实验结果表明,改进的算法有利于提高算法的运行效率,提高用户对检索结果的查准率.     

一种求解多目标组合优化的遗传局部搜索算法

为改善遗传算法求解多目标组合优化问题的搜索效率,提出一种新的遗传局部搜索算法.算法采取非劣解并行局部搜索策略以及基于分散度的精英选择策略,并采用基于NSGA-Ⅱ的适应度赋值方式和二元赌轮选择操作,以提高算法收敛性,保持群体多样性.实验结果表明,新算法能够产生数量较多分布较广的近似Pareto最优解.     

求解动态车辆调度问题的混合禁忌搜索算法

对带时间窗的动态车辆调度问题进行分析,引入虚拟点和时间轴概念,建立基于时间轴的动态车辆调度模型,并提出基于C-W节约法和禁忌搜索的混合禁忌搜索算法进行求解.算法中使用动态方法构造候选解和动态禁忌长度的选取策略来提高算法的收敛速度,最后通过测试实例验证了该混合算法解决动态车辆调度问题的有效性和可行性.