一个求解线性双层规划的全局收敛算法

用线性规划对偶理论讨论了线性双层规划的最优性条件，利用下层问题的对偶间隙，将线性双层规划转化为目标函数带惩罚项的单层问题，通过对转化后的单层问题进行求解，给出了一个求解线性双层规划局部最优解的方法，然后引进一种割平面约束来修正当前局部最优解，直到求得线性双层规划的全局最优解。提出的算法具有全局收敛性，并通过一个算例说明了算法的求解过程。     

一种基于粒子群算法和育种算法的混合算法

目的 求解无约束优化问题.方法 结合粒子群算法收敛速度快而育种算法不易陷入局部最优的特点,设计了一种新的算法.结果 数值试验结果 表明算法对于多峰值函数有很好的优化效果.结论 当群体最优信息停滞时,新算法能够使粒子群算法中的粒子跳出局部最优解,最终求得全局最优解.     

求解二层规划问题的萤火虫智能群优化算法

针对二层规划问题,给出二层决策问题数学模型的一种新的解法,二层规划萤火虫智能群优化算法:首先采用以原问题的下层问题的Kuhn-Tucker条件代替下层问题的思想,将二层规划问题转化为单层规划问题.其次为避免求解目标函数的梯度信息以及算法过早的陷入局部最优,利用基于Pareto最优解集的萤火虫智能群优化算法对其进行求解,并利用Matlab予以实现.利用5个具有代表性的标准测试实例对该算法予以测试,并与其他算法进行比较.结果表明,结合Kuhn-Tucker条件的萤火虫智能群优化算法在5个测试函数中均能寻找到最优Pareto解,并且在求解的上层目标函数值上均优于对比算法,表明新算法可行有效.     

一种基于全局最优的改进的正弦余弦算法

针对正弦余弦算法在求解优化问题时容易陷入局部最优,求解精度不高的缺点,提出了一种改进的正弦余弦算法.该算法利用分群的思想将群体分成两个子群,并利用群体中的最优信息改进已有迭代公式,借鉴共生生物搜索算法的思想设置新的迭代公式,使得在进化过程中各子群使用不同的迭代公式,通过子群间的协作与竞争来实现对最优解的搜索.函数优化问题和实际问题的实验结果表明了该算法的可行性和有效性.     

聚类分析在多极值函数优化中的应用

将聚类分析方法应用于经典的优化和遗传寻优过程当中，提出了一种求解多极值函数全局最优解的方法。在基于梯度的算法中，先取多个初始点，几次迭代搜索后做聚类分析。在每类取一点，将目标函数分为多个单极值函数，然后分别寻优，通过比较得到全局最优解。在遗传算法中，通过聚类分析在每类取若干个体作为代表个体，它们将始终参与遗传操作，从而有望达到全局最优。     

基于双种群粒子群优化新算法的最优潮流求解

提出一种带赌轮选择的双种群粒子群优化算法(TSPSO)求解最优潮流问题。在该算法中,对2个种群采取不同的参数设置,使得粒子在进化过程中具有不同的飞行轨迹,从而尽可能地探索解空间,增强算法的全局搜索能力;基于赌轮算法的概率选择机制使粒子可以在较好的可行解邻近范围内高强度搜索,增强了算法的局部搜索能力;采用自适应惩罚因子能有效区分最优潮流的目标函数和约束条件对种群进化的影响,使种群可以跨越不可行域到可行域进行搜索。通过IEEE30节点系统对该算法进行测试,结果表明,采用该算法可以有效求解最优潮流问题。     

利用基于精英策略的粒子群算法求解多目标规划问题

本文提出了一种求解多目标规划问题的精英粒子群算法.该算法利用精英策略存储每一代Pareto最优解,同时提出了一种最优粒子的选取策略用以克服粒子陷入局部最优的缺点.最后,通过数值实验验证算法的可行性和有效性.     

多目标演化算法在公交车辆发车间隔优化中的应用

为了使公交车辆的发车间隔得到优化,根据客流量的变化,建立了以乘客和公交企业运营费用最小为目标的公交车辆发车间隔优化模型,并采用一种多目标演化算法(MOPEA)来求解模型.该算法通过粒子系统从非平衡状态达到平衡状态的理论来定义Rank函数,从而使得所有个体在每次迭代过程中均能参与杂交、变异等演化操作,最终求得发车间隔的全局最优解,从而避免传统演化算法中出现的陷入问题的局部解的现象.同时,保留了目标函数的多样性,使相向的多目标优化问题得到了一个折中的最优解,即Pareto最优解.最后通过实例验证了该算法比传统演化算法更具优越性.     

模糊C-均值聚类算法的改进研究

模糊C-均值聚类算法通过迭代的爬山技术来寻找问题的最优解,是一种局部搜索算法,容易受初始值的影响而陷入局部极小值.遗传算法是一种应用广泛的全局优化算法,是一种与求解问题无关的算法模式,能够有效解决模糊C-均值聚类算法对初始化敏感的问题,利用改进后的遗传算法能更好地解决聚类问题.     

关于优化的一种算法

在浮点编码遗传算法中加入Powell方法,构成适于不可微函数全局优化的混合遗传算法。混合算法改善了遗传算法的局部搜索能力,显著提高了遗传算法求得全局解的概率。由于只利用函数值信息,混合算法是一种求解可微和不可微函数全局优化问题的通用方法。     

求解不可微函数优化的一种混合遗传算法

在浮点编码遗传算法中加入Powell方法,构成适于不可微函数全局优化的混合遗传算法。混合算法改善了遗传算法的局部搜索能力,显著提高了遗传算法求得全局解的概率。由于只利用函数值信息,混合算法是一种求解可微和不可微函数全局优化问题的通用方法。     

用神经网络新方法求解图的最大独立集问题

在Ｈｏｐｆｉｅｌｄ神经网络优化方法的基础上,根据模拟退炎算法逃离局部最优解的原理,提出了一种神经网络计算的新方法,并用这种方法求解图的最大独立集问题。结果表明,该方法获得最优解比Ｈｏｐｆｉｅｌｄ神经网络优化算法获得的解要好,且所需时间比模拟退火算法少得多。     

非线性规划的元胞蚂蚁算法

将元胞自动机思想引入到蚂蚁算法中,提出一种新的进化算法——元胞蚂蚁算法。通过算法的元胞演化机制对信息素的二次分配,有效扩大了对解空间的搜索,避免陷入局部最优,并提高了寻找到所有全局最优解的能力。通过对一系列典型多极值优化问题的求解,均找到了所有全局最优解,显示了其在寻找多峰函数极值点方面的优越性。     

基于单纯形法进行局部优化的人群搜索算法求解绝对值方程

设计一种利用单纯形法进行局部优化的人群搜索算法求解一类形如Ax-|x|=b的不可微绝对值方程的新算法. 该算法通过引进单纯形算法, 提高基本人群搜索算法的局部搜索能力, 增加跳出局部最优解的概率, 从而有效改进人群搜索算法在计算后期易陷入局部最优的缺点. 实验结果表明, 该算法在求解绝对值方程时, 计算精度高、 鲁棒性能好.     

基于单纯形法进行局部优化的人群搜索算法求解绝对值方程

设计一种利用单纯形法进行局部优化的人群搜索算法求解一类形如Ax-|x|=b的不可微绝对值方程的新算法. 该算法通过引进单纯形算法, 提高基本人群搜索算法的局部搜索能力, 增加跳出局部最优解的概率, 从而有效改进人群搜索算法在计算后期易陷入局部最优的缺点. 实验结果表明, 该算法在求解绝对值方程时, 计算精度高、 鲁棒性能好.     

用Powell方法求解不可微函数

在浮点编码遗传算法中加入Powell方法,构成适于不可微函数全局优化的混合遗传算法.混合算法改善了遗传算法的局部搜索能力,显著提高了遗传算法求得全局解的概率.由于只利用函数值信息,混合算法是一种求解可微和不可微函数全局优化问题的通用方法.     

基于改进的蚁群算法求解最优路径方法

基本蚁群算法在求解时经常出现局部最优解,限制了该算法整体搜索性能。本文对此缺陷进行了改进,改进之一是引入临界值来更新信息素;改进之二是搜索最优解的方式改进为双向搜素。把改进后的算法用于求解电力故障抢修问题中的最优通路,通过实验仿真表明改进后的算法达到了预期效果。     

基于信息熵的粒子群优化算法

粒子群算法是一种进化计算技术,成功地运用于广泛的数值优化问题.PSO算法在求解高维复杂函数优化问题时容易陷入局部最优.有鉴于此,提出了一种基于信息熵的粒子优化算法.该算法提高设计了一种兼顾种群选择性压力以及种群多样性的选择策略,从而提高了粒子在运行过程中的多样性.实验表明,该算法有效避免了陷入局部最优,提高了全局最优解的搜索精度.     

一种文化算法优化

工程中复杂的优化问题很难获得其解析解,通过数值计算方法去获取数值解容易陷入局部最优解。为提高求解高维问题数值最优解的速度和准确性,在传统文化算法基础上将种群分为精英群体和普通群体,分别按照不同的方式进化并对种群做初始化优化,通过MATLAB编程用实例分别对优化前后的算法进行仿真。实验表明,优化后较优化前在速度上有较大的提升,进行初始化改进的文化算法在高维优化问题中能更快、更准确地逼近最优解,为求解复杂的问题提供了一种新的参考方法。     

求解无约束全局优化问题的一种方法

提出一种新的求解无约束全局优化问题的方法,该方法把修正的BFGS方法与填充函数方法相结合,使得目标函数f(x)的当前局部极小点x*1可以移到目标函数的另一个局部极小点-x,且f(x*1)≥f(-x),同时-x也是填充函数的极小值点;然后再以为初始点求f(x)的局部最优解.反复以上过程,最终可以找到f(x)的全局最优解.