首页 | 官方网站   微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 109 毫秒
1.
提出一种改进差分进化算法求解混合整数非线性规划问题。该算法利用同态映射方法,解决差分进化算法无法直接处理整数决策变量问题;提出改进的自适应交替变异算子,提高算法的搜索性能;提出一种自适应保留不可行解的方法处理约束条件,并对差分进化算法的选择算子进行改进,提出一种直接处理约束条件的新选择算子。六个常用的混合整数非线性规划问题的实验结果表明了该方法的有效性和适用性。  相似文献   

2.
一种求解混合整数规划的混合进化算法   总被引:3,自引:0,他引:3  
提出一种基于正交试验设计的混合进化算法,用于求解混合整数规划问题.进化算法中采用一种混合启发式的变异算子,将正交试验设计作为杂交算子.为了增加种群的多样性,引入一种迁移算子.仿真实验结果表明,与已有的一些算法相比,所提出的求解混合整数规划的混合进化算法能快速收敛到问题的最优解,并且算法的计算量小,解的精度高.  相似文献   

3.
刘芳  刘民  吴澄 《计算机科学》2005,32(12):24-26
本文提出一种遗传进化规划,该方法结合了遗传算法和进化规划两种算法的优点,在进化过程中遗传算法的交换率、变异率和进化规划的变异规则均根据种群的进化信息而自适应变化。该方法不仅能够加快算法的收敛速度,而且能够有效地保持种群的多样性。用该方法求解混合非线性整数规划问题,计算机仿真实验结果表明是非常有效的.  相似文献   

4.
针对0-1任务规划模型存在维数灾维的问题,提出了一种基于改进差分进化算法的整数任务分配算法。将任务分配的0-1规划模型转化整数规划模型,不仅大幅降低了优化变量的维数,还减小了整式约束条件;将差分进化算法常用的变异算子DE/rand/1/bin和DE/best/2/bin结合起来组成新的变异算子,使得DE既保持了种群的多样性,又有较快的收敛速度和搜索精度,并用改进的差分进化算法求解整数规划;通过典型的任务分配实例验证了该算法在优化大规模任务分配的有效性和快速性。  相似文献   

5.
李宏  焦永昌  张莉 《控制与决策》2008,23(10):1098-1102

提出一种基于正交试验设计的混合进化算法,用于求解混合整数规划问题 .进化算法中采用一种混合启发式的变异算子,将正交试验设计作为杂交算子 .为了增加种群的多样性,引入一种迁移算子 .仿真实验结果表明,与已有的一些算法相比,所提出的求解混合整数规划的混合进化算法能快速收敛到问题的最优解,并且算法的计算量小,解的精度高.

  相似文献   

6.
王永皎 《计算机应用》2012,32(8):2165-2167
针对0-1任务规划模型存在维数灾维的问题,提出一种基于改进自适应差分进化(SADE)算法的大规模整数任务分配算法。首先,将任务分配的0-1规划模型转化整数规划模型,不仅大幅减少了优化变量的维数,还减少了整式约束条件;然后,将常用的变异算子DE/rand/1/bin和DE/best/2/bin结合起来组成新的自适应变异算子,使得自适应差分进化算法既有较快的收敛速度,又降低了变异算子对具体问题的依赖;并用改进自适应差分进化算法求解整数规划。最后,通过典型的任务分配实例验证了算法在优化大规模任务分配的有效性和快速性。  相似文献   

7.
基于量子粒子群求解混合整数非线性规划   总被引:1,自引:0,他引:1       下载免费PDF全文
在经典微粒群算法的基础上提出一种有较高收敛性能的智能算法:量子粒子群(QPSO)算法。并用于求解混合整数非线性规划问题。实验室证明QPSO算法收敛性能好、速度快,为求解混合整数非线性规划开辟了新途径。  相似文献   

8.
求解非线性方程组的BFGS差分进化算法   总被引:1,自引:1,他引:0       下载免费PDF全文
针对差分进化算法进化后期收敛缓慢和稳定性不强的缺陷,将BFGS算法插入差分进化算法当中,提出了一种BFGS差分进化算法,用来求解非线性方程组。通过5个非线性方程组和一个工程实例的实验,说明:算法收敛精度较高、收敛速度较快、鲁棒性强、收敛成功率高,是一种较好的解决非线性方程组的方法。  相似文献   

9.
混合整数非线性规划问题(mixed-integer nonlinear programming,MINLP) 广泛应用于科学及工程系统设计,传统的群智能算法在求解混合整数规划问题时,未能很好地解决种群内部个体或者种群之间开采与探索、竞争与协作的矛盾。为了解决这两个矛盾及更高效率地寻优,提出一种基于金字塔结构的群智能演化策略(swarm intelligent evolution strategy based on pyramid structure)的PES算法来求解混合整数规划问题。PES算法中明确的分工机制能够平衡全局与局部搜索的能力,晋升机制解决了种群间竞争与协作的矛盾。利用标准测试函数进行仿真,对比改进的粒子群算法(CLSPSO、CLSPSO2)及改进的差分进化算法(ridDE、ridDE2)的结果,发现PES算法在成功率与精度方面具有优势,也体现了PES算法的有效性。  相似文献   

10.
为提高差分进化算法的局部搜索能力和避开罚函数方法中罚参数选择问题,提出一种混沌局部搜索策略的差分进化算法(CLSDE)用于解决非线性混合整数规划问题.CLSDE中,只对目标函数中的变量进行编码,约束条件函数中的变量随机产生,每代进化完毕后,对最优个体进行混沌局部搜索.6个基本的测试函数实验结果证明CLSDE比MIHDE具有较好的寻优能力.  相似文献   

11.
Differential evolution (DE) is a powerful yet simple evolutionary algorithm for optimization of real-valued, multimodal functions. DE is generally considered as a reliable, accurate and robust optimization technique. However, the algorithm suffers from premature convergence and/or slow convergence rate resulting in poor solution quality and/or larger number of function evaluation resulting in large CPU time for optimizing the computationally expensive objective functions. Therefore, an attempt to speed up DE is considered necessary. This research introduces a modified differential evolution (MDE) that enhances the convergence rate without compromising with the solution quality. The proposed MDE algorithm maintains a failure_counter (FC) to keep a tab on the performance of the algorithm by scanning or monitoring the individuals. Finally, the individuals that fail to show any improvement in the function value for a successive number of generations are subject to Cauchy mutation with the hope of pulling them out of a local attractor which may be the cause of their deteriorating performance. The performance of proposed MDE is investigated on a comprehensive set of 15 standard benchmark problems with varying degrees of complexities and 7 nontraditional problems suggested in the special session of CEC2008. Numerical results and statistical analysis show that the proposed modifications help in locating the global optimal solution in lesser numbers of function evaluation in comparison with basic DE and several other contemporary optimization algorithms.  相似文献   

12.
Differential evolution (DE) algorithm suffers from high computational time due to slow nature of evaluation. Micro-DE (MDE) algorithms utilize a very small population size, which can converge faster to a reasonable solution. Such algorithms are vulnerable to premature convergence and high risk of stagnation. This paper proposes a MDE algorithm with vectorized random mutation factor (MDEVM), which utilizes the small size population benefit while empowers the exploration ability of mutation factor through randomizing it in the decision variable level. The idea is supported by analyzing mutation factor using Monte-Carlo based simulations. To facilitate the usage of MDE algorithms with very-small population sizes, a new mutation scheme for population sizes less than four is also proposed. Furthermore, comprehensive comparative simulations and analysis on performance of the MDE algorithms over various mutation schemes, population sizes, problem types (i.e. uni-modal, multi-modal, and composite), problem dimensionalities, and mutation factor ranges are conducted by considering population diversity analysis for stagnation and pre-mature convergence. The MDEVM is implemented using a population-based parallel model and studies are conducted on 28 benchmark functions provided for the IEEE CEC-2013 competition. Experimental results demonstrate high performance in convergence speed of the proposed MDEVM algorithm.  相似文献   

13.
双群体伪并行差分进化算法研究及应用   总被引:13,自引:2,他引:13  
为了提高差分进化算法的全局搜索能力和收敛速率,本文提出了一种双群体伪并行差分进化算法.该算法结合差分进化算法DE/best/2/bin变异方式局部搜索能力强、收敛速度快,和DE/rand/1/bin变异方式全局搜索能力强、鲁棒性好的特点,采用串行算法结构实现并行差分进化算法独立进化、信息交换的思想.为使初始化个体均匀分布在搜索空间,提高算法收敛到全局最优解的鲁棒性,提出了一种基于平均熵的初始化策略.典型Benchmarks函数测试和非线性系统模型参数估计结果表明,该方法能显著提高算法的收敛速率和全局搜索能力.  相似文献   

14.
为了提高差分进化算法的寻优速度、克服启发式算法常见的早熟收敛问题, 提出一种基于帐篷映射(Tent)的自适应混沌嵌入式差分进化算法(CLSDE). 算法采用 Tent 映射生成的混沌序列来取代基本DE算法选择操作中的随机数, 充分利用了混沌运动的随机性、遍历性和规律性. 通过与混沌PSO算法与普通的DE算法比较, 测试函数仿真结果表明, 该算法具有良好的全局搜索能力, 寻优精度较高, 收敛速度快, 鲁棒性好.  相似文献   

15.
为了解决基本差分进化算法易出现早熟收敛的问题, 提出了一种融合人工免疫系统和差分进化的混合算法。该算法在差分进化过程中引入了克隆选择操作和受体编辑机制, 以增强算法的局部搜索能力和种群多样性。通过对五个标准函数的仿真实验表明, 该算法不仅可有效避免早熟收敛, 而且全局优化能力和收敛速度有显著提高。  相似文献   

16.
为解决差分进化(DE)算法过早收敛与搜索能力低的问题,讨论对控制参数的动态调整,提出一种基于反向学习的自适应差分进化算法。该算法通过反向精英学习机制来增强种群的局部搜索能力,获取精确度更高的最优个体;同时,采用高斯分布随机性提高单个个体的开发能力,通过扩充种群的多样性,避免算法过早收敛,整体上平衡全局搜索与局部寻优的能力。采用CEC 2014中的6个测试函数进行仿真实验,并与其他差分进化算法进行对比,实验结果表明所提算法在收敛速度、收敛精度及可靠性上表现更优。  相似文献   

17.
张春美  郭红戈 《计算机应用》2014,34(5):1267-1270
针对差分进化(DE)算法存在的早熟收敛与搜索停滞的问题,提出memetic分布式差分进化(DDE)算法。将memetic算法的思想融入到差分进化算法中,采用分布式的种群结构以及memetic算法中的混合策略,前者将初始种群分为多个子种群,子种群间根据冯·诺依曼拓扑结构周期性地实现信息交流,后者将差分进化算法作为进化的主要框架,模式搜索作为辅助手段,从而平衡算法的探索与开发能力。所提算法充分利用了模式搜索和差分进化算法的优势,建立了有效的搜索机制,增强了算法摆脱局部最优的能力,能够满足搜索过程对种群多样性及收敛速度的需求。将所提算法与几种先进的差分进化算法相比较,对标准测试函数进行优化的实验结果显示:所提算法在解的质量和收敛性能方面,均优于其他几种相比较的先进的差分进化算法。  相似文献   

18.
为了最大限度地挖掘现有道路的承载能力,提出了一种基于差分进化算法和状态空间模型遗传算法的两阶段混合优化算法,建立以车辆平均等待时间最小为目标的数学模型进行优化。为了解决差分进化算法在后期收敛速度变慢,容易陷入局部最优的缺点,引入改进后的状态空间模型遗传算法形成一种混合算法。然后,用所提出的混合算法对5个经典测试函数进行寻优测试,并与定时控制、差分进化算法以及状态空间模型遗传算法进行对比,实验结果表明该混合算法不仅提高了收敛速度,并且在保证了算法收敛精度的前提下缩短了迭代次数。最后,以单交叉路口为例,验证该混合算法在求解信号灯配时问题时的优化效果。  相似文献   

19.
基于混沌搜索的微分进化算法   总被引:1,自引:0,他引:1       下载免费PDF全文
针对基本微分进化算法在后期收敛速度慢,搜索能力差等问题,利用混沌搜索的随机性、遍历性以及对初值的敏感性等特性,提出了一种混合混沌搜索的微分进化算法——混沌微分进化算法。该算法既保持了基本微分进化算法结构简单的特点,又能提高算法的收敛速度、计算精度以及全局寻优能力。数值仿真结果表明,该算法的性能优于基本微分进化算法。  相似文献   

20.
提出一种用于虹膜定位的差分进化算法(modified differential evolution,MDE).MDE和原始差分进化算法(differential evolution,DE)主要有3点不同:第一,MDE采用了基于混沌序列的尺度因子和基于均匀分布的交叉率,这有助于提高候选解的多样性;第二,MDE使用中心解来修正最差解的变异操作,这有助于提高候选解的质量;第三,MDE使用最好解来帮助受困解摆脱局部最优点.在搜索边缘前,两种有效的去噪方法被用来减少虹膜图像中噪声的影响.去噪后,再使用MDE和其他4种方法来进行虹膜定位.在中科院(Chinese Academy of Sciences Institute of Automation,CASIA)眼图数据库中选择200幅来自不同个体的虹膜图像来验证和比较MDE及其他4种方法的效率.实验结果表明,与其他4种方法相比,MDE使用更少的执行时间来定位瞳孔边缘和虹膜边缘.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司    京ICP备09084417号-23

京公网安备 11010802026262号