基于遗传算法与模式搜索的混合优化算法

为了更好地实现全局优化,提出一种遗传模式搜索(Genetic Pattern Search,GPS)算法,该算法结合了遗传算法(GA)的强全局搜索能力与泛化模式搜索算法(PS)的强局部搜索能力.算法流程分为两步:首先是GA与PS联合实现粗搜索;其次是PS实现细搜索.实验对Hump、Powell、Rosenbrock、Schaffer、Woods测试函数进行搜索,表明GPS算法的成功率明显优于改进遗传算法与改进模式搜索算法,可作为一种有效可行的全局优化算法.     

遗传算法在模拟有源滤波器设计中的应用

遗传算法是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率搜索算法。首先，该文给出了应用遗传算法求解问题的一般步骤，然后将遗传算法用于模拟有源滤波器的优化设计，其仿真结果验证了算法的有效性。     

遗传禁忌搜索算法收敛性和时间复杂度分析

遗传禁忌搜索算法多用于车辆路径优化、旅行商问题等,试验证明:融合遗传算法与禁忌搜索算法的混合算法相比单一算法的性能有较大提升,但缺少理论证明。本文阐述了遗传禁忌搜索算法的混合策略,从理论上对该算法的收敛性进行了证明,对时间复杂度进行了分析。应用马尔科夫链模型证明了遗传禁忌搜索算法是以概率1收敛到全局最优解的,并应用求解随机算法时间复杂度的方法,即求解算法的期望收敛时间,估算了该算法的时间复杂度,结果证明该算法的时间复杂度与所得解的多样性、问题规模以及遗传算法的种群数量有关。     

一种基于遗传线性搜索算法的关节手模型匹配方法

提出了一种可替代传统搜索算法的改进型模型匹配算法 这种算法将遗传算法 (GeneticAlgorithm ,GA)和经典的线性搜索算法 (LineSearch ingAlgorithm ,LSA)相结合 它能保证匹配解是全局最优的并且运算是近乎实时的     

多目标遗传局部搜索算法的研究进展

在分析了由演化算法局部搜索能力差造成的多目标演化算法在收敛速度和求解精度上尚不能令人满意的局限性的基础上，详细地论述了融入局部优化方法的多目标混合演化算法能够有效地平衡算法的全局搜索与局部搜索能力、均衡搜索效率与效果，而且已成为求解多目标优化问题的一个非常重要而有前途的研究方向。其次，综述了多目标遗传局部搜索算法的研究进展与分类。最后，简单介绍了一些具有代表性的多目标遗传局部搜索算法，并提出了其有待进一步研究的若干方向和内容。     

禁忌搜索算法在系统可靠性最优分配中的应用

在分析现有组合优化问题禁忌搜索算法的基础上，给出了一种改进的适合于连续变量全局优化的禁忌搜索算法，为了提高算法的收敛性能，融入了模拟退火机制，并将此算法应用于复杂系统可靠性最优分配问题，仿真实验表明，改进的禁忌搜索算法求解该类问题更有效。     

一种基于遗传线性搜索算法的关节手模型匹配方法

提出了一种可替代传统搜索算法的改进型模型匹配算法。这种算法将遗传算法（Genetic Algorithm,GA)和经典的线性搜索算法（Line Searching Algorithm,LSA)相结合。它能保证匹配解是全局最优的并且运算是近乎实时的。     

基于匹配域处理的天波超视距雷达测高方法研究

结合电离层电子密度分布,建立了天波超视距雷达基于微多径的信号传输模型.针对多维非线性搜索计算量大的问题,提出了一种基于变步长搜索的匹配域处理最大似然估计天波雷达测高算法,并分析了该算法测高性能及影响测高精度的因素.理论分析及仿真结果表明:新的优化搜索算法比传统全局搜索算法更高效;基于单次快拍数据的匹配域测高算法计算量较小,搜索速度较快;在低空目标高度估计上,基于多次快拍数据的匹配域算法测高性能较稳定.该研究对提高OTHR目标高度的测量能力提供了参考     

基于遗传模拟退火算法的图的三维可视化

将模拟退火算法中的扰动选择和加速适应函数的思想融入基本遗传算法 ,提出了图的三维可视化的遗传模拟退火算法 该算法有效克服了基本遗传算法局部搜索能力较差的缺点 ,是一种性能优良的全局优化搜索算法 试验结果表明该算法在图的三维可视化效果、效率以及大图的可视化稳定性方面均有较大改进     

机组负荷优化的遗传-禁忌混合算法

针对遗传算法“爬山”能力差的缺点，提出在遗传算法中引入禁忌搜索操作来提高局部寻优能力，并应用遗传-禁忌混合算法进行了火电机组负荷优化研究.在遗传算法每计算一定代数后，将每个个体作为禁忌搜索的初始解进行搜索，可以改善群体质量，加快搜索速度.混合算法有效地综合了遗传算法的全局搜索能力和禁忌搜索算法的局部搜索能力，从而避免出现“早熟”现象，改善了算法的收敛性.应用某实例进行负荷优化计算，结果表明混合算法大大改善了局部搜索能力和搜索速度，可以有效解决机组在线负荷优化难题.     

岩体渗透系数反演的混合优化算法

采用反演的方法确定岩土介质的渗透系数,通过优化模型对渗透系数反演问题进行建模.在具有全局搜索能力的遗传算法的基础上,采用Powell局部搜索算法对遗传算法的变异算子进行改进.基于遗传算法和Powell局部搜索算法的基础上,构造混合优化方法,所提出的算法在保证全局搜索能力的同时,具有较快的收敛速度.结合工程实例检验了所提出算法的全局最优能性和快速收敛性.     

基于遗传算法的正则表达式规则分组优化

为解决正则表达式匹配问题,提出一种基于正态自适应遗传优化的改进正则表达式分组算法.根据迭代次数的变化,利用正态函数自适应改变交叉概率Pc和变异概率Pm,采取最优保存策略保证最优个体不被数值大的Pc和Pm破坏.结合Becchi算法和局部寻优算法进一步优化.仿真结果表明,该算法能在全局范围内搜索到更好的解,能有效减少状态总数,降低正则表达式匹配的空间复杂度.     

一种高效并行的匹配场反演混合优化算法

为解决浅海匹配场反演所面临的复杂的参数优化问题，设计了一种基于差异进化算法与下山单纯形算法的混合优化算法。差异进化算法是一种并行的全局优化算法，其优化机制使其在优化的起始阶段有较高的效率，但不能持续；下山单纯形算法是一种对目标函数梯度信息敏感的局部优化算法，具有很强的压缩参数向量的能力。利用所导出的检测差异进化算法效率跌落的机制，将2种算法有机结合，以下山单纯形算法强的参数向量压缩能力保证差异进化算法持续进行全局、并行搜索，得到一种高效的全并行混合优化算法。高维函数优化与匹配场反演仿真算例表明，该算法能有效解决复杂场合下的参数优化问题。     

万有引力搜索算法改进及仿真验证

针对万有引力搜索算法(GSA)求解函数优化问题时易陷入局部最优且优化精度不高的问题,提出一种改进的万有引力搜索算法(IGSA)。IGSA算法引入了时变权重和边界变异策略,改善了全局搜索能力和局部优化能力。通过求解无约束优化问题进行仿真验证,结果表明,改进的万有引力搜索算法具有更好的优化性能。     

切换统计相关用于位置区优化

针对在位置区规划或优化算法过程中,应用传统的随机概率搜索算法进行最优解的搜索收敛方向难于确定、收敛速度极其缓慢,应用启发式构造算法能及时收敛但不能有效地收敛于全局最优解的问题,提出了位置区元的新概念以及位置区元相关会聚算法. 实验结果表明,该算法能实现对位置区规划或优化解空间进行充分高效的压缩,进而保证在此基础上的随机概率搜索算法能及时有效地逼近全局最优解.     

一种基于自适应遗传策略的特征选择算法

以欧氏相似测度散布矩阵为特征评价准则,以特征向量为基因构造二进制染色体码串,研究了一种基于自适应交叉/变异算子模型的遗传搜索算法。测试结果表明,对于解域空间具有非连续、多峰、含噪声特征的一类特征选择问题,该算法具有很强的鲁棒性,且能够以满意的概率收敛于全局满意解。     

一种搜索模糊聚类全局最优解的Tabu算法

模糊聚类问题由于其非凸性而成为一个难以解决的数学问题。在解决模糊聚类问题时,会出现很多局部极小值和鞍点。因此,启发式的模糊C-均值算法是应用最为广泛的算法,其缺点是很容易陷入局部极小值。本文提出了一种搜索模糊聚类全局最优解的Tabu搜索算法,并比较这种新算法和模糊C-均值算法的性能。经过多次数据试验,证明Tabu搜索算法在搜索全局最优解时是很有效的。     

基于模拟退火算法的三维人脸匹配方法

基于模拟退火算法,利用深度信息对三维人脸进行匹配和识别。通过具有全局优化能力的模拟退火算法搜索获取全局极值,选择合适的适应度函数MLESAC和SIM控制匹配过程获得识别结果。基于“由粗到细”的思想,分3步匹配三维人脸,并对精准匹配阶段进行改进,通过选择合适的区域和分类器能够更好地应对表情的影响。实验结果表明,模拟退火算法跳出了局部最优解而获得了全局优化解,同时通过选择MLESAC和SIM作为不同匹配阶段的适应度函数能够有效控制匹配过程,提高了识别精准率。     

基于随机黑洞和自适应策略的引力搜索算法

针对引力搜索算法过于随机、全局搜索能力差、容易陷入局部最优等问题,提出一种基于随机黑洞策略和自适应策略的改进引力搜索算法。引入比例系数n来自适应调节引力常量,使算法在运算初期加大搜索力度,有效避免算法陷入局部最优。将随机黑洞理论中,粒子在黑洞附近容易被黑洞捕获的现象引入算法中,即在黑洞半径内的粒子将会被黑洞捕获,但又有一定的概率逃逸。这样既提高了局部搜索能力,又不失全局搜索能力,且提高了收敛速度。与标准的搜索算法相比,改进后的引力搜索算法具有较快的收敛特性和较好的优化性能。     

凸约束优化的非单调线搜索法

将一般的无约束非单调线搜索算法推广成凸约束的非单调线搜索法,搜索方向由BFGS方法改变为满足凸约束条件的方程组来确定,证明了算法的全局收敛性和k次线性收敛,进行了数值试验,结果表明算法十分有效。