基于人工鱼群遗传算法的 DNA 编码优化

针对DNA计算中的编码序列设计问题,分析DNA编码序列设计的目标和需要满足的约束条件,从中选择适当的约束条件,给出评估公式,提出人工鱼群遗传算法生成有效的DNA编码序列。经实验结果表明,所述算法比遗传算法及遗传粒子群算法产生的DNA编码序列质量更加稳定可靠。     

基于粒子群算法的数字编码DNA序列集设计

从DNA编码应满足的多约束条件中选取改进的约束条件,针对这些约束条件提出DNA个体应满足的评估公式,以及目标序列集设计的问题模型,分析了DNA序列数字编码的意义及其在优化算法中应用的优点,并采用改进粒子群算法(DE-PSO)解决DNA序列设计的多目标优化问题.仿真结果表明,该算法在求解DNA序列集设计的最优值方面具有良好的效果.     

求解多目标背包问题的改进人工鱼群算法

作为一种新的群智能算法,在求解多目标背包问题时,人工鱼群算法存在盲目搜索、收敛速度慢和求解精度低等问题.针对这些问题,本文结合人工鱼位置全局最优信息,对人工鱼的移动策略进行自适应改进,提出一种改进的人工鱼群算法.对多目标背包优化问题实验仿真表明,本文改进的人工鱼群算法收敛速度和搜索到的非劣解的精度均优于粒子群算法和遗传算法.     

基于人工鱼群算法的电力无线专网基站选址规划

分析了电力无线专网建设的目标、原则及成本等指标,将人工鱼群算法应用到基站选址规划上,并对其最优解的求解过程进行了改进,提出变步长的人工鱼群算法,最后应用于电力无线专网的基站规划仿真上。仿真结果表明,人工鱼群算法适合用于电力无线专网的基站选址规划,并且变步长的人工鱼群算法相比于传统的人工鱼群算法,具有更好的性能表现,只需要更少的待建基站数目就能满足覆盖率95%以上的覆盖目标。     

基于微人工鱼群算法优化RBF神经网络

在人工鱼群算法的基础上提出了一种新的优化算法——微人工鱼群算法,作为径向基神经网络（RBFNN）的训练算法.微人工鱼群算法利用两个鱼群（寻优鱼群和库存鱼群）来寻优,寻优鱼群使用人工鱼群算法来寻找全局最优解,库存鱼群保证了寻优鱼群的多样性,微人工鱼群算法使RBFNN的隐中心位置和相应的宽度值同时得以优化,提高了RBFNN的泛化能力.将微人工鱼群算法优化后的RBFNN应用于双螺旋和IRIS分类,试验结果表明,相对于K-means以及人工鱼群算法,本文方法在泛化能力上得到提高.     

基于约束优化问题的人工鱼群算法及其改进

在人工鱼群算法基础上,对人工鱼群算法进行改进,结合遗传算法提出的适应度函数来解决约束优化问题.具体表现在改进了人工鱼的觅食行为,另外引入了吞噬行为以便加快收敛速度,得到更优的适应度值.仿真结果表明改进的人工鱼群算法在解决约束优化问题时,具有收敛速度快、适应度值优、全局寻优性能强等优点.改进的人工鱼群算法较之基本人工鱼群算法具有更好的性能.     

改进步长和视野的人工鱼群算法

人工鱼群算法是一种群智能全局随机优化算法,算法在优化前期大约100多次迭代时有较快的收敛速度,但后期算法陷入局部最优,效率不佳.针对这一不足,在人工鱼群算法的基础上,每迭代100次就调节一次视野和步长,加强聚群算子和追尾算子,提高鱼群之间个体交互行为,使鱼群跳出局部最优,继续向更高精度收敛.数值试验结果表明,所得改进人工鱼群算法不仅运算量减少,而且收敛速度和收敛精度都有所提高.     

基于人工鱼群和粒子群混合算法的配电网重构

配电网重构是优化配电系统运行的重要手段,提出人工鱼群和粒子群混合优化算法,该算法综合利用人工鱼群算法的良好全局收敛性和粒子群算法的局部快速收敛性、易实现性等优点,克服人工鱼群算法收敛速度慢及粒子群算法后期全局收敛差的缺点,发挥了两者的优越性,并成功应用于配电网重构;最后通过对IEEE33节点系统算例的仿真,取得了较好的效果,证明了该混合算法的有效性和可行性.     

基于改进人工鱼群算法的配电站三维空间的传感器优化布置

为了解决配电网中三维空间故障检测传感器节点的优化配置问题,提出了基于物联网传感器和改进的人工鱼群算法,解决配电网中三维空间故障检测传感器节点的优化布置问题,实现空间检测传感器节点的有效优化布置.首先采用MSP 430F 149微处理器芯片构建空间传感器节点,与监控计算机组成配电站温度监控系统,实现配电站温度检测数据的有效采集、传输和处理.其次,通过人工鱼群的初始化和改进梯度下降法改进传统的人工鱼群算法,增大视野和提高算法的收敛精度,最后应用改进的人工鱼群算法优化检测传感器节点的配置.实验证明基于物联网传感器和改进的人工鱼群算法可以对变电站进行有效的空间优化监控.     

运动目标追踪的人工鱼群优化粒子滤波算法

为了进一步提高视频图像序列中的运动目标追踪精度,在扩展卡尔曼粒子滤波中引入人工鱼群算法,利用人工鱼群算法优化采样过程,使粒子不断朝高似然区域移动来寻找最优位置;然后对重采样过程优化,提高样本多样性,克服粒子样本贫化问题,提高对系统状态的预估精度;最后以颜色直方图特征描述运动目标,结合目标的运动特征建立游走模式的二阶自回归模型,以提高运动估计精度.对比标准粒子滤波(PF)、扩展卡尔曼粒子滤波(EKPF),人工鱼群优化扩展卡尔曼粒子滤波算法(AFSA-EKPF)能够将滤波结果均方误差的均值和方差分别降低至0.113 86和0.003 09,同时在追踪运动目标实验中,能够有效地消除目标遮挡所带来的影响.     

一种新的小生境鱼群优化算法

针对鱼群算法后期收敛速度慢和难以找到精确最优解的缺点,结合进化论中的小生境技术,提出一种新的小生境鱼群优化算法。通过鱼群个体之间的距离找到具有相似距离的个体组成小生境种群,在该种群内执行鱼群算法的聚群、追尾及觅食行为,所有个体经过其小生境群体的进化后,找到最优的个体存到下一代的鱼群中,直到找到满意的适应值。通过几个典型的多峰测试函数验证算法的性能。仿真结果表明,算法的收敛性、寻优性均达到良好的效果。       

基于DNA编码的多重约束目标的智能组合优化

在组卷策略中,多重约束目标的智能组合优化问题一直是人们研究的热点．大多数的优化算法都是基于传统的遗传算法,这些算法的适应度不高,并且交叉算子和变异算子对适应度的影响很大．针对这些缺陷,本文提出了一种新的优化算法DNA_YH算法,该算法将DNA编码引入到多重约束目标的组合优化问题中,并完成了DNA编码、初始化种群、个体适应度计算和遗传操作的优化过程．经过实验证明DNA_YH算法的最优适应度高于其他相关算法,并且交叉算子和变异算子对适应度的影响都很小,得到了较好的优化效果．     

改进遗传算法与粒子群优化算法及其对比分析

进化算法作为一类新的优化搜索方法，广泛应用于各种优化问题．现对简单遗传算法进行了改进，采用实值编码，并与模拟退火算法及基于适值排序和随机选择的方法相结合，形成了改进遗传算法．同时还介绍了一种新的进化算法一粒子群优化算法．将这两种优化算法应用于函数优化，并对优化结果进行了对比分析．比较结果表明，改进遗传算法和粒子群优化算法都可以在函数优化方面表现出较好的健壮性，但在找寻最优解的效率上，粒子群优化算法较好．     

用微粒群算法实现水轮机调节器参数的优化设计

目前水轮机调节系统PID参数整定一般都是根据经验公式或现场反复试验获取,它往往不易获得最佳参数.为了保证获得最优水轮机PID调节器参数,本文研究了利用微粒群优化（PSO）算法进行参数优化设计的新方法.PSO算法是一种新的仿生优化方法,具有结构和运算简单的优点.仿真试验结果表明,用微粒群算法优化水轮机调节器参数,可以获得满意的控制精度和效率.与改进的遗传算法优化结果相比,各项控制性能指标（如调节时间、负调、超调量等）都优于遗传算法整定的PID调节器.     

桁架结构形状优化的粒子群优化算法

为解决有应力约束、几何约束以及局部稳定性约束的桁架结构的形状优化设计,将粒子群优化(PSO)算法应用于桁架结构的形状优化设计.首先详细介绍了原始PSO算法的基本原理,然后引入压缩因子改进了原始的PSO算法,并提出了合理的参数设置值.优化计算过程中,综合考虑了节点坐标和截面面积等两类不同性质的设计变量.最后对几个经典问题进行了求解,并与传统的优化算法进行了比较.数值结果表明,改进的PSO算法具有良好的收敛性和稳定性,可以有效地进行桁架结构的形状优化设计.     

基于粒子群算法的地铁列车节能运行优化

针对降低轨道交通运行能耗的问题,提出基于粒子群算法的地铁列车节能运行两阶段双层优化方法。首先依据列车行车组织的特点,建立列车运行调整模型,在第一阶段利用粒子群算法全面搜索列车最优节能驾驶曲线,即在符合运行时间约束的前提下获得最优运行曲线;第二阶段为时刻表运行时间优化,利用第一阶段所获得的优化结果,生成各区间的能耗-时间曲线,进而优化列车时刻表。采用某地铁2号线数据对此方法进行测试。测试结果表明:本优化算法对实际线路中列车的节能运行以及时刻表的制定与优化具有良好效果。     

基于最优保存并行混合遗传算法的直接盲信号检测

针对现有的盲均衡遗传算法适应度函数构造复杂,辨识信道结构简单,只能在连续空间搜索的问题,本文借助接收数据阵补投影算子对待测发送序列向量的零化作用,把信号盲检测问题转化为整数约束下的二次规划问题,提出了基于最优保存并行混合遗传算法的直接盲信号检测的方法。本文所用遗传算法的特点是:适应度函数是针对被检测序列直接构造的,编码空间与遗传空间一致,搜索是离散、有限的,最优保存策略保证算法每一步搜索能够保存最佳基因。仿真结果表明,该算法收敛速度快,性能稳定。