一种混合优化算法及其收敛性证明

针对改进的混沌优化方法和Alopex算法的特性，将改进的Alopex算法嵌入到改进的混沌优化算法中，提出一种混合优化算法，此算法充分发挥了改进的Alopex算法的快速搜索能力和改进的混沌优化方法细致寻优的特性，提高了算法的收敛速度，避免了优化算法陷入局部最优；同时对改进的混沌优化算法和混合优化算法的收敛性进行了证明，仿真结果表明了算法的有效性。     

多学科混合变量协同设计优化方法研究

为解决同时含有离散和连续两种变量形式的混合变量复杂产品设计优化问题,利用“分而治之”的混合参数处理思想,在协同设计优化算法的基础上,提出一种多学科混合变量协同设计优化方法．该方法先将优化问题解耦分解成相对简单的多个子系统进行优化计算,然后利用协同设计优化算法的协同机制求得全系统最优解．算例验证结果表明了所提出方法的可行性和有效性．     

一种混合搜索的粒子群算法

本文通过对粒子群算法个体极值、全局极值和种群极值的结合,提出一种混合搜索粒子群算法.用典型的非线性测试函数进行仿真,其实验数据和收敛曲线验证了该算法的有效性,具有快速收敛效果和寻优能力.     

嵌入极值优化的混合粒子群优化算法

针对标准粒子群算法容易陷入局部极值和精度低的问题,提出一种嵌入极值优化算法的粒子群优化算法。在线性下降的惯性权重粒子群算法运行过程中,间隔一定迭代次数与极值优化算法相结合,利用其波动性增加种群的多样性,并有效结合粒子群算法较强的全局探索能力和极值优化算法精细的局部搜索性能,以较高精度收敛到全局极值。仿真实验结果表明,该混合算法是一种求解高维多峰连续函数极值的有效方法。     

基于DSP5402的指纹识别系统实现问题研究

TI的54系列DSP属于低端产品，主频低且内存小，但有着极大的价格优势，要实现基于DSP5402的指纹识别系统就需要解决两个难题，一是合理分配存储空间，二是在不影响算法准确度的前提下尽可能优化算法。本文针对5402的特点，采取了一些解决办法，主要包括对指纹进行分块处理，使用混合编程来实现滤波，最后根据编程实践经验提出了一些编程细节上的优化建议。试验结果表明这些改进都是切实有效的。     

基于平均速度的混合自适应粒子群算法

针对传统粒子群寻优速度慢和局部收敛等缺点,提出一种基于平均速度的混合粒子群优化算法.给出了粒子群平均速度的定义,用来表征粒子群的活跃程度,并作为粒子群惯性系数和学习因子调节的依据,加快了粒子群的寻优速度.设计了基于平均速度的切换模拟退火算法和退火温度的更新公式,使得粒子群在保持较快的寻优速度条件下,仍能很容易地跳出局部极小点.对3个典型测试函数的寻优问题进行实验,所得结果表明了该算法的有效性.     

基于SAA的混合演化算法及其应用研究

提出将模拟退火、演化策略和局部搜索算法相结合的混合演化算法,以解决函数优化与组合优化问题。该算法克服了上述三种算法在应用中的不足,并具有搜索效率高、性能稳定的特点,具体算例验证了该算法的有效性。     

一种单交叉路口的信号混合优化方法

针对包含不等式约束和等式约束的城市单交叉路口信号优化问题,为缓解交通堵塞和安全性,设计了一种混合优化方法.方法首先采用自适应惩罚策略,将具有不等式约束和等式约束的优化问题转变为仅包含决策变量上、下限约束的优化问题;然后再分别采用自适应实数编码遗传算法和一种变搜索空间局部搜索算法进行混合优化,为了提高实数编码遗传算法的优化效果,设计了一种自适应交叉概率和变异概率.最后针对多种交通需求模式,应用混合优化方法进行了大量的仿真计算,结果表明在城市单交叉路口信号优化问题中具有良好的优化效果.     

用于溶剂回收装置的混合建模和优化方法

润滑油生产中溶剂回收过程要消耗大量能量,但这个设备存在大量时滞、强耦合、时变和干扰等,难于在线测量溶剂质量,如何同时保证溶剂质量和节约能耗是一大挑战。本文首先提出了一种非线性预测控制算法用于控制蒸馆塔温度。由于该装置的特殊性,用于能量优化的数学建模和优化方法并不能满足实际需要。因此,提出了一种把数学方法和专家系统方法相结合的混合建模和优化方法,其中用到了智能数据库,数学建模和优化方法,专家系统建模和优化方法,智能报警系统等,以提高装置的运行功能,实际结果证明该方法很成功。     

灰狼优化与差分进化的混合算法及函数优化

灰狼优化(Grey Wolf Optimization,GWO)算法是近年被提出的一种新型智能优化算法,具有收敛速度快和优化精度高的特点,但对于一些复杂优化问题易陷入局部最优。差分进化(Differential Evolution,DE)算法的全局搜索能力强,但其性能对参数敏感,且局部搜索能力不足。为了发挥二者各自的优点并弥补存在的缺陷,提出了一种灰狼优化与差分进化的混合优化算法。首先使用嵌入趋优算子的GWO算法搜索,以便在更短的过程中获得更高的优化精度和更快的收敛速度;然后采用自适应调节参数的差分进化策略来进一步提高算法对复杂优化函数的寻优性能,从而获得一种高性能的混合优化算法,以便能更高效地解决各种函数优化问题。对12个高维函数的优化结果表明,与标准GWO,ACS,DMPSO及SinDE相比,新的混合优化算法不仅具有更好的收敛速度和优化性能,而且具有更好的普适性,更适用于解决各种函数优化问题。     

基于极值优化的混合差分进化算法

针对标准差分进化算法在求解复杂优化问题时易陷入局部最优的问题,提出了一种基于极值动力学机制的混合差分进化算法。该算法的核心在于,当种群聚集度较高时, 利用极值优化算法强大的波动性,通过引入基于种群的极值优化算法来提高种群多样性,从而协助差分进化算法跳出局部最优。仿真实验表明,该混合算法具有较好的全局收敛性,能有效避免早熟收敛。     

混合蛙跳算法应用研究

混合蛙跳算法（SFLA）是一种模拟青蛙觅食行为的智能优化算法.算法具有设置参数少、简单易于理解、鲁棒性强等特点.由于该算法提出的时间不长,目前对此算法的研究成果并不多,该算法在理论和实践上还不够成熟,如该算法的鲁棒性、收敛性、稳定性等数学理论还未给出完整的数学证明,算法的适用范围目前还仅限于函数优化、组合优化、单目标优化、多目标优化等方面.本文重点分析研究了该算法的基本原理、应用前景、国内外的研究现状和主要研究内容,以及目前该算法研究过程中出现的问题.     

一种混合的IWOPSO改进入侵性杂草优化算法

为了提高入侵性杂草优化算法(IWO)在搜索深度上的不足,使算法在处理连续性问题时具有更好的全局收敛性,根据杂草算法在搜索上的广度和粒子群算法(PSO)在搜索上的深度,提出了一种改进的IWOPSO混合算法。该算法在子代扩散中以PSO算法中的位置、速度公式代替了杂草算法中的正态分布方式,引入一个随机数对新的子代个体进一步正态分布,提高了算法后期的局部搜索能力,使算法收敛到更好的全局最优解。利用5个benchmark函数测试算法的寻优能力,仿真结果表明,无论对于多峰还是单峰函数,低维还是高维函数,IWOPSO算法的收敛速度和最优解都要优于标准IWO和PSO算法。     

基于混合蚂蚁算法的物流配送路径优化问题研究

论文针对物流配送路径优化问题,提出了一种混合蚂蚁算法,以克服单用蚂蚁算法求解问题时间复杂度过大的难点,论文还研究了该算法解的二次优化方法以更适合实际需要。实验表明该算法运行效果好。     

基于混沌粒子群优化算法研究与进展

粒子群算法简单,只需要初等的教学知识就可以理解,但粒子群算法的工作机理到现在还是没有得到彻底而详细的分析研究,它属于一种还在发展的算法,PSO在优化复杂的多峰函数时,常常会陷入到局部极值点等缺点.混沌是存在非线性系统中的一种较为普遍的现象,具有随机性、遍历性和内在规律性的特点,尤其是混沌遍历性的特点,将混沌局部搜索引入到粒子群算法中,提出了混沌粒子群算法,改进了粒子群算法易陷入局部极值的不足,提高了算法的收敛速度,论述了混沌粒子群优化算法的研究与进展.     

基于EM算法和PSO算法的混合优化算法

针对粒子群优化算法容易陷入局部最优解并且存在过早收敛的问题,将类电磁机制算法中的吸引-排斥机制引入到粒子群优化算法中,提出一种类电磁机制算法和粒子群优化算法的混合优化算法(EMPSO).首先按照基本粒子群优化算法的寻优方式对各粒子进行更新,再利用类电磁机制中的吸引-排斥机制对个体最优粒子和群体最优粒子进行移动,最后通过几个标准测试函数进行了测试,并与标准粒子群算法(PSO)、免疫粒子群算法(IPSO)、混沌粒子群算法(CPSO)进行对比.测试结果表明,改进算法提高了全局搜索能力和熟练速度,改善了优化性能.     

改进的混合蛙跳算法在传感器配置优化中的应用

传感器配置优化是可测性设计的重要研究内容,将混合蛙跳算法应用于传感器配置优化是一种新的尝试。针对传感器配置优化属于离散问题求解,提出离散的混合蛙跳算法,设计了一种离散化的更新方式。为克服蛙跳算法的早熟收敛问题,在改进的离散蛙跳算法中采用混沌优化算法以概率的形式对全局极值进行了优化。最后通过具体系统实例验证了该方法的正确性和有效性。     

约束求解与优化技术的结合

提出了将混合约束问题转化为混合整数规划问题的方法.用约束求解方法及混合整数规划方法共同求解混合约束问题可以令二者相互借鉴,从而促进二者求解技术的进一步发展.同时,由混合约束问题转化而来的混合整数规划问题也可作为求解混合整数规划问题的测试问题（benchmarks）.     

基于微分进化的混合生物地理学约束优化算法

针对生物地理学优化算法（biogeography based optimization ,BBO）容易陷入局部最优解的缺点,提出一种基于微分进化（differential evolution ,DE）改进BBO算法的混合生物地理学（BBO‐DE）优化算法。通过有机结合BBO算法的利用能力和DE算法的搜索能力,实现利用能力与搜索能力的平衡;引入基于可行性的约束处理机制,解决传统BBO算法无法求解约束优化的问题。通过选定的8个标准测试函数对改进算法进行仿真测试,测试结果验证了改进算法的可行性和有效性,与基本BBO和DE算法相比,其在最终解的质量和收敛速度上具有明显优势。     

基于混沌优化与人工鱼群算法的混合算法研究

针对人工鱼群算法和混沌优化算法的特点,将人工鱼群算法与混沌优化算法相结合提出一种混合算法。此混合算法是利用混沌变量敏感性来提高人工鱼群初始群体解的质量;然后利用混沌的遍历性和随机性扰动使鱼群算法摆脱局部极值点,提高全局收敛性。仿真实验结果表明了混合算法的有效性。最后,给出了在一定条件下提出的混合算法的收敛性证明。