改进蝴蝶算法求解多维复杂函数优化问题

针对蝴蝶优化算法存在的问题,提出一种融合差分变异策略并根据进化代数自适应调整权重的蝴蝶优化算法.首先,在全局搜索阶段引入非线性惯性权重改善蝴蝶位置更新公式,自适应调节算法在不同进化时期的搜索范围和粒度,提高算法的收敛速度与寻优精度;然后通过加入F分布全局自适应随机变异对全局公式进一步改进,提升算法的全局探索遍历性,防止出现低精度早熟现象;最后在局部搜索阶段融入具有判定系数和扰动因子的双向差分变异策略,在不减损种群多样性的同时使蝴蝶个体的探索更具方向性,有利于算法摆脱局部极值点,加快收敛速度.理论分析证明了改进算法的时间复杂度与基本蝴蝶优化算法一致,6种代表性对比算法在CEC 2017基准函数上进行的多种维度测试结果表明,改进算法在求解高维复杂函数优化问题时收敛速度和寻优精度明显优于其它对比算法,维度变化对求解性能的影响更小,寻优性能更好更稳定.     

带局部搜索的动态多群体自适应差分进化算法及函数优化

 提出将一种改进的差分进化算法——带局部搜索的动态多群体自适应差分进化算法(DMSDELS)应用于函数优化.该算法将种群中的个体随机动态分成多个子群体,以增强个体间的信息交换;变异操作中,选择最优个体为基向量,差分向量的方向选择有利于搜索的方向,以提高收敛速度;变异尺度因子F与交叉概率CR采用自适应机制,以平衡局部搜索与全局搜索;部分优秀个体搜索达到指定代数进入局部搜索,以加快收敛.通过对13个benchmark典型复杂函数进行测试,并与其他七种优化算法进行比较,仿真结果表明:DMSDELS算法具有较高的搜索精度和收敛性,且具有较强的跳出局部最优解能力.     

基于多邻居结构的自适应元胞差分算法

针对传统多目标优化算法在求解Pareto解集时存在全局搜索能力与局部寻优能力无法得到有效平衡的问题,提出了一种基于多邻居结构的自适应元胞差分算法.该算法在保留传统元胞差分算法进化特点的基础上,使用更加丰富的多邻居结构替换原有的单一邻居结构,并且依据相应元胞个体的性能优劣来对其邻居结构进行选择分配.同时,面对进化过程中的复杂性能需求,算法定义了一种周期性变化的变异策略来实现不同进化阶段的自适应调节.最后,利用DTLZ系列测试函数对算法性能进行测试,并通过与四种经典的多目标优化算法相比较,证明了改进后的算法拥有更好的收敛性与分布性.     

基于动态种群多策略差分进化模型的多目标进化算法

针对复杂的多目标优化问题,根据不同差分进化策略的特点,提出一种基于动态种群多策略差分进化模型和分解机制的多目标进化算法（MOEA／D-DPMD）。该算法将种群划分为3个子种群,每个子种群分配一种差分进化策略。为了提高算法的性能,依据每种差分进化策略的贡献度,动态的调整子种群的规模,各差分进化策略之间相互配合协同进化。采用具有复杂的PS的LZ09系列基准函数,测试新算法的性能,仿真结果表明邻域规模为25时性能最好。通过不同差分进化策略之间的对比分析,新算法也具有较强的优势。将其与MOEAD／DE和NSGA-II算法对比分析,结果显示该算法的收敛性和多样性均优于另外两种算法,是求解复杂多目标问题的有效方法。     

大规模优化问题的差分进化策略对比实验研究

差分进化算法（ Differential Evolution,DE）有多种进化策略,并在求解各种优化问题时存在较大性能差异,求解大规模优化问题时不同策略间差异尤其明显。利用标准测试函数集对常用5种差分进化策略进行对比实验研究,分析这些策略的求解效果,总结求解大规模优化问题的不同差分进化策略适用性,为大规模优化问题的差分进化求解的策略选择提供帮助。     

梯度策略自适应差分进化算法

差分进化算法是一种有效求解全局优化问题的方法,为进一步提高求解精度,加快求解过程,文中提出一种梯度策略自适应差分进化算法。该算法是在差分进化算法中加入梯度下降法,使其不仅有较好的全局搜索能力,且具有传统优化方法的快速局部搜索能力,因此具有较高搜索精度和较快的搜索过程。通过对CEC2005测试集中的1～14号测试函数进行仿真实验,并与SaDE,NSDE以及CMAES等算法实验结果进行了对比,结果表明了该算法的有效性。     

混沌差分进化粒子群协同优化算法

为有效地改善差分进化粒子群算法的性能,结合反向学习策略和信息交互机制,提出了一种新的混沌差分粒子群协同优化算法.该算法采用反向学习策略产生初始种群,使得初始个体尽可能均匀分布,然后将初始种群随机等分为双种群,对双种群分别采用改进的混沌差分进化算法和混沌粒子群优化算法进行协同寻优,并在双种群中引入信息交互学习机制,在维持种群多样性的同时加快收敛速度.通过对四个复杂高维的标准函数寻优测试,仿真结果表明,该算法能有效避免早熟收敛,收敛速度快,寻优精度较高,具有良好的全局搜索能力,鲁棒性好.     

应用于负荷经济分配的改进差分进化算法

为了求解电力系统负荷经济分配问题,提出一种改进差分进化算法.该算法考虑机组的爬坡约束、出力限制区约束等非光滑费用函数曲线等非线性特性,采用词典排序法处理系统约束来保证算法结果严格满足约束条件,保证了系统的稳定性和安全性.在差分进化算法的交叉算子计算中引入微粒群算法中的个体最优和全局最优的概念,并采用遗传微粒群算法的多点交叉机制,将两者以一定的比率引入试验向量增强算法的局部搜索能力.此算法被应用于一个6台机组的算例,与遗传算法、微粒群算法和标准差分进化算法相比较,改进的差分进化算法的结果质量更好并且更稳定,是求解负荷经济分配问题的一种有效方法.     

重构分数低阶协方差的子空间拟合测向算法

基于重构的分数低阶矩阵,提出了重构分数低阶协方差的多重信号分类测向算法和信号子空间拟合测向算法.为了快速求解所提出的测向算法,设计了一种可进行多维搜索的自适应差分粒子群优化算法.利用粒子群算法和差分进化算法的优点,可以获得测向问题的全局最优解.Monte-Carlo仿真证明了所提测向算法可有效分辨相干源,并且其检测性能优于已有的一些经典算法.     

基于改进种群多样度的差分进化算法

针对差分进化算法进化后期易出现早熟收敛而陷入局部最优的缺陷,提出了一种基于改进种群多样度的差分进化算法。对进化算法种群多样度进行了研究,经过数学推导,证明了种群多样度与算法全局寻优性能的关系,提出了一种随机变异策略,更好地保持了寻优过程中种群的多样性,增强算法的全局搜索能力。典型测试函数实验表明,改进后的差分进化算法相对于标准差分进化算法具有更好的种群多样性和抑制早熟收敛的能力。     

改进的差异进化多目标优化算法在靶场测控方案优化设计中的应用

针对在靶场测控方案优化设计中常存在的非线性函数优化难,局部搜索能力弱,约束条件复杂等问题,给出了一种改进的求解策略,即差异进化算法。在介绍差异进化算法基本原理的基础上,对算法中交叉因子和变异因子这两个主要控制参数的取值方法进行了改进,同时改进约束条件的收敛方法,提高了差异进化算法的优化性能。最后对靶场高炮武器系统直接射击测控方案进行优化设计,并做了仿真试验。通过指标对比和数值分析表明,算法求解效率高,收敛速度快,全局搜索能力强。     

一种基于小波变换的二相编码信号识别方法

研究了一种利用小波变换识别二相编码信号的方法，重点讨论了小波变换的尺度参数设置问题，通过对尺度参数的合理设置提高了识别效率，对小波变换系数的统计提高了识别结果的可靠性。运用计算机进行模拟仿真，实验结果证明了该方法的有效性。     

光学小波变换中尺度因子的极限

分析了光学小波变换中实际光学系统对尺度因子选取的限制 ,确定了小波函数对应光学系统尺度因子的最小值 ,分别给出几种小波函数在 4 F系统中尺度因子的最小值 ,为小波变换应用于实际光信息处理系统提供了有意义的参考数据。     

面向多尺度分割的疑似违章建筑提取算法

针对城市中疑似违章建筑物信息提取的问题, 提出了一种基于多尺度分割方法提取疑似违章建筑信息的新算 法。该算法首先通过设置多尺度分割参数对遥感影像进行分割, 然后通过正射校正、辐射定标、大气校正对遥感影 像进行预处理, 最后通过多尺度分割实验分析各参数对尺度分割效果的影响。研究结果表明分割尺度为 150、形状比 例系数为 0.7、紧致度比例系数为 0.3 时, 影像的分割效果最佳。     

云计算模式下的继电保护定值优化算法

由于电力系统网络规模的不断扩大,继电保护整定对计算机计算及存储能力的要求也随之升高。为此,将云计算引入到电力系统继电保护整定计算中来,论述了云计算在电力系统数据中心中的应用,并提出了基于云计算的整定计算平台架构;接着,对云计算模式下的继电保护定值优化方法进行研究,建立了继电保护定值优化模型,基于并行遗传算法对其进行优化;最后,通过算例分析证明了所提算法可以有效满足保护定值中的灵敏度和选择性要求,充分证明该方法的优越性与合理性。     

基于参数自整定的沥青洒布量控制

根据比例因子与系统性能的关系和整定原则,得到可行的整定规则表,对沥青撒布控制系统采用了参数自整定模糊控制算法控制喷洒的压力,实现了洒布量的稳定精确控制,提高了洒布质量和生产效率。     

城市道路话音质量多维度提升措施

本文重点分析了影响城市道路网络质量的主要因素,分别从网络结构、功控参数设置切换控制参数优化3个方面进行深入分析,并对各类参数在不同无线环境下进行研究与验证,寻找提升话音质量的方法,积累网络优化经验的同时提升网络质量,改善用户感知度。