在多约束非线性优化问题上蚂蚁与遗传算法融合方法的研究

蚂蚁算法是通过信息素的累积和更新收敛于最优解上．针对初期信息素匮乏、求解速度慢的问题,将蚂蚁算法与遗传算法融合,采用遗传算法生成初始信息素分布,利用蚂蚁算法求精确解．该方法能有效地求得全局极小点或近似全局极小点．     

基于遗传算法和蚂蚁算法求解函数优化问题

针对遗传算法求解精度低以及蚂蚁算法求解速度慢的问题，提出一种基于遗传算法和蚂蚁算法的混合算法.该混合算法利用了遗传算法快速随机的全局搜索能力的优点，设计了编码与适应度函数，进行了种群生成与染色体的选择，并通过设定交叉算子和变异算子， 生成了信息素分布.该混合算法利用了蚂蚁算法正反馈以及具有分布式并行全局搜索能力的优点，通过确定吸引强度的初始值，建立了强度更新的模型，从而求得精确解.并将该算法应用于求解函数优化问题.结果表明，该混合算法与遗传算法和蚂蚁算法相比，收敛速度快，寻优性能好.     

时间约束的高层次数据流调度方法

为了研究时间约束下的高层次数据流调度问题,提出了遗传算法和蚂蚁算法动态融合的解决方案.给出了时间约束调度中遗传算法的编码方法、交叉、变异和适应度函数以及蚂蚁算法中的概率选择方法和信息素的更新规则.为了找到遗传算法与蚂蚁算法的最佳切换时机,还解决了2个关键问题:遗传算法的动态结束条件和蚂蚁算法中初始信息素的产生.实验结果表明,该方法所用的平均资源数目比遗传算法少5.2%,比蚂蚁算法少4.9%;运行时间比遗传算法少44%,比蚂蚁算法少31%.     

三维循环对称结构的多目标多约束拓扑优化算法研究

利用循环对称特性建立三维循环对称结构的多目标多约束拓扑优化算法.基于子结构法原理,将三维循环对称结构转化为一个扇形子块,建立在应力和位移约束下强度、刚度和频率的多目标函数拓扑优化模型,采用罚函数法与遗传算法结合,形成多目标多约束拓扑优化算法.在拓扑优化算法中,采用个体相似控制以使初始种群的个体遍布整个可行解的空间,采用混合选择法以增加种群的多样性并提高运行效率,采用最优保存策略以保证算法的收敛性.同时对适应度函数做可调的非线性变换,以提高遗传算法的收敛速度.另外在遗传算法的进化过程中,引入了多样性策略,去除重复的个体,增加新的个体,扩大解的搜索范围.算例结果表明,文中所建立的算法是合理、有效的,且可用于循环对称结构的初始方案设计.     

改进遗传算法求解静态车间调度问题

传统遗传算法在求解车间调度问题过程中存在"易产生非法解"、"早熟"、"收敛过慢"等问题,使其应用受到很大的限制.基于此,提出了一种运用多色集合理论改进的遗传算法.一方面,通过引入围道布尔矩阵来建立车间调度的约束模型,将遗传求解的范围缩小在围道矩阵内进行,以此提高求解效率;另一方面,针对车间调度的双层约束问题,运用单层遗传编码方式进行表示,可以有效降低遗传操作的时间与空间复杂度.最后,通过具体实例的程序仿真验证了该算法的先进性.     

求解VRPBTW的变邻域搜索算法

以电子商务环境下物流配送为背景,建立了带有时间窗和回程载货约束的车辆路径问题优化模型,设计了改进的变邻域搜索求解算法．该算法采用改进的Braysy顺序插入法生成问题初始解,再根据变邻域搜索算法机制应用4种不同搜索范围的局域搜索算子对初始解进行改进．通过对多个算例的求解实验,并与采用一般流程的变邻域搜索算法进行比较,结果表明所提出的变邻域搜索算法的求解效果明显优于采用一般流程的变邻域搜索算法,是求解该类问题的有效算法．     

有效图像压缩的提升小波优化设计

提出了多种群遗传算法和蚂蚁算法融合的提升格式小波优化设计方法。首先采用多种群遗传算法对构成小波的提升步进行优化；并提出局部适应度和全局适应度的概念，将其和蚂蚁算法中蚂蚁选择路径时对全局启发信息和局部启发信息的利用有机地结合起来；采用蚂蚁算法对遗传优化的结果进一步寻优，精确求解适合给定变换问题的最优小波，形成一种时间效率和求解效率都比较好的启发式随机优化方法。将所设计的小波应用于基于小波的图像编码器对指纹及医学图像压缩，实验结果验证了设计方法的有效性和图像压缩性能的优越性。     

混合GA与SA求解非线性约束优化

在蜚 线性约束优化中，处理好约束条件和增强局部搜索能力是解决这类问题的关键。本文在给出问题一般形式的基础上，设计了一个模型退火和遗传算法结合的算法。它用模拟退火算法来增强局部搜索能力，用线性交叉来处理约束以外的解，将可行解与不可行解用适应值的正负来区分。仿真试验表明，该算法收敛速度快、搜索能力强、稳健性好，本方法是对应用遗传算法求解非线性约束优化问题的又一次深入探索。     

求多变量矩阵方程异类约束解的迭代算法

基于求线性矩阵方程同类约束解的修正共轭梯度法,建立了求多变量线性矩阵方程异类约束解的修正共轭梯度法,证明了该算法在有限步计算后可得到矩阵方程的一组异类约束解,当选取特殊初始矩阵时可得到矩阵方程的极小范数异类约束解.另外,还可求得指定矩阵在该矩阵方程异类约束解集合中的最佳逼近.     

求解随机线性互补问题的社会认知算法

针对传统算法求解随机线性互补问题时需要给定初始点、计算梯度,并且解不唯一时无法获得多个最优解的困难,提出了求解随机线性互补问题的社会认知算法.将随机线性互补问题转化为含有随机变量的约束优化问题,并通过平均抽样逼近该随机约束优化问题,利用社会认知算法求解该优化问题.数值试验结果表明社会认知算法是求解随机线性互补问题的有效算法.     

基于遗传蚁群算法的Qos路由约束问题的研究

针对Qos路由约束问题（是一个NP-完全问题,即是一个多项式复杂程度的非确定问题）,设计了一种将遗传算法和蚁群算法优点融合的算法（GA_ACO）.该算法的基本思想是：用遗传算法生成蚁群算法需要的信息素初值,然后利用蚁群算法求得精解.通过NS2仿真表明遗传蚁群算法相比单一的遗传算法和蚁群算法更适合解决Qos路由约束问题.     

基于蚁群算法的改进遗传算法

遗传算法具有快速全局搜索能力,但对于系统中的反馈信息却没有利用,往往导致无为的冗余迭代,求解效率低。根据这一缺陷提出一种将蚁群算法融合到遗传算法的新策略：为了弥补遗传算法中的变异算子变异过程中的盲目无原则性,将蚁群算法的正反馈思想引入到遗传算法中。利用蚁群算法信息素更新原则指导变异规则,有效地提高了算法的寻优效率,优化了解的质量。为了验证算法的有效性,对TSPLIB库中的两个公共实际事例eil51和gr202以及安徽省17个城市的数据进行了仿真实验,结果表明改进后的算法是有效的。     

无人机群协同作战任务分配方法研究

针对战场环境的多目标、多任务以及无人机能力有限等特点,设计了一种适应于多目标、多无人机、多任务种类的无人机群协同多任务分配模型。结合该模型以及其中的任务偏序约束、协同任务约束、无人机能力约束等约束条件提出了基于任务序列的遗传算法染色体编码方法,和基于同类任务的遗传算法交叉、变异算子。该方法利用遗传算法的全局搜索优化解特点,对无人机群的协同任务分配进行优化。仿真试验表明该方法能够保证满足任务分配约束条件的基础上使任务的分配更加优化。     

电磁领域中复超越方程的遗传算法求解方法

将遗传算法与参数跟踪策略有效结合,跟踪过程中进行搜索域压缩与位移操作,形成了一种功能强大的新算法,可成功应用于电磁领域中各种各样复超越方程的高精度求解问题.在算法实现过程中,使用参数跟踪策略有效地缩小了搜索区域,保证了解的单一性,提高了运算速度;使用动态搜索域提高了解的精度;应用三阶差商公式预估新的搜索中心,使运算速度得以进一步提高.应用本文发展的算法详细求解了终端短路法测量材料的复介电常数时得到的复超越方程和部分填充矩形波导的特征方程,计算结果表明该算法能够轻松地解决复超越方程中的多值问题,解集完备性好,算法鲁棒性强.     

基于蚁群算法的改进装配序列规划方法

机械产品的装配序列直接影响到产品质量和成本,装配序列规划是产品设计的重要内容.为快速实现产品装配序列规划,根据零部件间的装配优先关系,提出了一种改进的装配序列规划方法,并基于蚁群算法予以实现.该方法充分考虑装配过程中的几何约束关系,并引入稳定性、装配经验等因素的影响,以稳定性、装配经验、装配工具和方向的改变次数为影响因子构建优化目标评价体系,使所得解更具有实际指导意义.在求解过程中,根据几何约束关系运用动态候选集合策略限制蚁群的搜索空间,提高了搜索效率;考虑稳定性因素的影响改进了蚁群的状态转移规则,同时引入局部-全局信息素更新规则,保证了蚁群获得最优或近优解.最后,通过实例研究验证了算法的可行性和高效性.     

基于蚁群算法的矩形件优化排样问题

由于蚁群算法具有正反馈并行自催化机制和较强的鲁棒性等优点,逐渐成为一种应用广泛的元启发式算法。针对矩形毛坯在定宽无限长的板材上排样这个NP难问题,提出采用蚁群算法进行求解。采用1种2步法:第1步利用蚁群算法寻找最优底部毛坯排放顺序得到条形料排放顺序,第2步采用一种宽度方向最大填充排放算法来排放每个条形料。并将得到的结果与以往算法的结果进行比较,进一步验证了蚁群算法的优越性及处理矩形件排样问题的有效性。     

基于蚁群算法求解Choquet模糊积分模型

为了提高Choquet模糊积分模糊测度的搜索效率,提出改进的蚁群算法求解模型。根据特征数量构建Choquet模糊积分模型,搜索过程中对每只蚂蚁按状态转移概率进行全局搜索或局部搜索,迭代搜索最优解,并由Fisher判别进行分类。试验使用3组癌症基因数据集,利用R语言的Bioconductor工具箱进行数据预处理,并分析对比新模型和主流算法的分类效果。结果表明:在DLBCL数据集和Colon数据集中,基于蚁群算法的Choquet模糊积分得到最好的分类效果;在Prostate数据集中,虽然和基于遗传算法的Choquet模糊积分分类效果接近,但是蚁群算法仍然很快收敛,改进的蚁群算法可以作为求解模糊测度的快速方法。     

复合形遗传算法在离散变量桁架结构拓扑优化设计中的应用

为了避免在结构拓扑优化过程中杆件和节点的增删带来的奇异解，设计了一些启发式准则来产生结构可能的拓扑结构形式，再采用混合遗传算法——复合形遗传算法进行截面优化。把复合形法嵌入到遗传算法中，利用复合形法对群体中的可行个体和不可行个体分别进行处理，可提高遗传算法种群的质量，有利于最优解的搜索。该方法既有复合形法快速高效的特点，又有遗传算法全局性好的特点。算例的结果表明，该方法用于桁架结构拓扑优化设计是有效的。