高斯变异差分进化算法及其应用研究

为平衡算法收敛速度和全局搜索能力,克服差分进化算法易“早熟”的缺陷,在分析引起种群多样性下降及个体进化停滞原因的基础上,通过引入高斯变异操作,提出了基于高斯变异改进的差分进化算法(modified differential evolution base on Gauss mutation, GMDE). 数值仿真及2个工程优化问题的求解结果表明本文算法能有效避免“早熟”收敛,且在算法收敛速度和全局搜索能力上取得了较好的平衡.     

改进差分进化算法及啤酒灌装机液位控制PID参数整定

目的 针对啤酒液位控制系统存在PID参数整定难、非线性、滞后性问题,提出一种改进基于邻域的改进差分进化算法,应用于PID参数优化整定中,从而提高灌装机的工作效率和啤酒的质量。方法 文中对差分进化算法进行改进,设计一种新型的变异策略,在变异环节引入邻域搜索操作;根据当前种群的分布情况,实时对邻域的个数进行自适应分配,以提升算法全局和局部搜索能力;与2种基本差分进化算法和4种改进差分进化算法对比,用18个测试函数验证文中所提出算法的性能。结果 仿真结果表明,相较于基本差分进化算法,使用改进的差分进化算法整定的PID参数,调节时间减少0.22 s,上升时间减少0.04 s,超调量降低7.63%。结论 通过改进的差分进化算法对啤酒灌装机液位PID参数的优化整定,可以显著改善控制系统的超调量、上升时间和稳态误差等性能,实现了液位的稳定控制。     

非线性混合整数规划问题的改进差分进化算法

针对非线性混合整数规划问题,本文采用非固定多段映射罚函数法处理约束条件、用混合整数编码技术处理连续变量和整数变量,并在基本差分进化算法中加入一种新型的凸组合变异算子和一种指数递增交叉算子,由此构造出了一种求解非线性混合整数规划问题的改进差分进化算法。实验表明,所提出的算法全局收敛速度快,精度高,鲁棒性强。     

基于改进蝗虫优化算法的光伏电池模型参数辨识

针对蝗虫优化算法容易陷入局部最优、收敛精度不足等缺点,提出一种改进蝗虫优化算法。将混沌算法与蝗虫优化算法融合,对蝗虫优化算法进行混沌初始化,改善初始种群质量;再引入差分进化算法的差分策略,通过变异、交叉和选择过程,维持种群的多样性,增大算法跳出局部最优的可能性,从而使算法能搜索到更好的解;在个体更新部分引入了粒子群算法的思想,以当前的最优个体为目标进行个体位置更新,加快算法寻优速度。将改进蝗虫优化算法用于多晶硅太阳能电池模型参数的辨识中,并通过与其它智能优化算法的比较,验证了改进蝗虫算法辨识太阳能电池参数的有效性和优越性。通过实验验证了改进蝗虫优化算法在不同光照下对太阳能电池参数的辨识效果。     

基于离散差分进化算法的随机车辆路径问题

针对差分进化算法求解组合优化问题存在的局限性,引入计算机语言中的2种按位运算符,对差分进化算法的变异算子进行重新设计,用来求解不确定需求和旅行时间下同时取货和送货的随机车辆路径问题（SVRPSPD）。通过对车辆路径问题的benchmark问题和SVRPSPD问题进行路径优化,并同差分进化算法和遗传算法的计算结果进行比较,验证了离散差分进化算法的性能。结果表明,离散差分进化算法在解决复杂的SVRPSPD问题时,具有较好的优化性能,不仅能得到更好的优化结果,而且具有更快的收敛速度。     

自适应人工蜂群优化极限学习机在拉曼光谱血液定量分析中的应用

提出了一种基于自适应差分进化人工蜂群优化极限学习机预测血液各组分浓度的方法。首先应用人工蜂群算法对输入权值和隐含层阈值迭代寻优;其次结合差分进化进一步提高模型精度且避免后期易陷入局部最优等问题;由于差分进化算法交叉率和变异率存在凭经验给定的不确定性,最后引入了自适应调整的思想提出自适应差分进化人工蜂群算法优化极限学习机算法的模型,将其应用于血液成分定量分析中。实验表明,自适应差分进化人工蜂群算法优化的极限学习机模型具有较高的预测精度,模型具有较强的稳健性。     

基于差分进化算法的供水系统节能调度研究

针对当前供水系统节能降耗的需求,根据供水系统运行特点,利用合理划分调度期的方式,建立了以节能为目标的优化调度模型;采用差分进化算法对模型进行求解,应用实数编码将决策变量表示为进化种群中的个体;运用罚函数法对约束条件进行转换,并使用加法和乘法的形式进行组合,构建了适应度函数;采用标准差分策略进行变异操作;以天津市中心城区供水系统为例,验证了模型与差分进化算法的有效性,并与遗传算法进行了对比,显示出前者在求解该模型上具有一定的优势。     

基于改进差分进化算法的运动想象脑机接口频带选择

由于人脑对事件响应频带各不相同,为了准确确定个体最优滤波频带,提出一种多策略变异算子和时变非线性交叉因子差分进化算法对运动想象EEG频带进行处理,采用共空间模式算法提取特征向量,利用线性分类器进行分类识别。使用该方案对BCI competition III-dataset 4a受试者的EEG数据进行了10次5倍交叉分类实验。实验结果表明,该算法稳定性强、耗时少,解决了运动想象BCI特征提取中的最优频带选择问题。     

基于反向学习的差分进化算法的冷轧负荷分配

提出了一种基于反向学习的自适应差分进化算法,该算法为增加初始种群的多样性,采用反向学习技术进行种群初始化,然后根据选择概率为每一个个体选择变异策略,并使用基于进化的单调递减函数和Logistic映射为每一个个体产生控制参数值。经过大量的仿真实验,实验结果表明该算法要优于其他差分进化算法。最后将该算法应用到了冷连轧负荷分配优化中。     

旅行商问题优化分析及实现

TSP问题是一个典型的组合优化问题,一般很难精确地求出其最优解,因而寻找出有效的近似求解算法就具有重要的意义。因此,针对TSP问题,提出一种多交叉变异策略的遗传算法,在解决该类问题上取得较好的效果。     

基于遗传进化策略的粒子滤波视频目标跟踪

粒子退化问题是影响基于粒子滤波视觉跟踪性能的一个重要因素,为克服这种缺陷,本文将遗传进化策略引入粒子滤波跟踪算法,利用遗传算法的选择策略,根据预定的似然阈值迭代选择每代粒子中次优个体,然后对未选中的粒子实施交叉、变异操作以获得粒子的多样性,从而有效解决了粒子的退化问题.另外,针对跟踪中目标表观变化的问题,本文提出的跟踪算法采用了多模板自适应更新技术以确保跟踪的准确性.实验结果表明,本文提出的跟踪算法能有效地跟踪室内运动目标,并对光照变化、目标姿态变化具有良好的鲁棒性.     

考虑退货的多商品多来源闭环选址库存问题模型与算法

考虑客户需求多元化,商品来源多样化以及存在商品退货这些现实情况,集成设施选址和库存策略进行优化,构建考虑退货的多商品多来源闭环选址库存问题模型。针对该模型的特点,通过引入截断选择机制、改进变异与交叉策略,设计改进的混合差分进化算法对该模型进行整体求解,并通过算例证明了该模型和算法的可行性与有效性。最后,通过算法对比分析,证明改进的混合差分进化算法在运行时间、求解精度上均更优。     

基于离散差分进化算法雌多维0／1背包问题求解

多维0／1背包问题（MKP）是一种典型的组合优化问题,并且被广泛的应用于各种工程领域。差分进化算法（DE）是一种有效的进化算法,能处理各种复杂的非线性优化问题,但主要是用来解决连续领域的优化问题。提出一种离散差分进化算法,并用来求解MKP问题。在经典测试集上的实验结果表明,提出的算法能更快的求得最优解。     

应用蜜蜂繁殖进化型粒子群算法求解车辆路径问题

为了提高粒子群算法求解车辆路径问题时收敛速度和全局搜索能力,将蜜蜂繁殖进化机制与粒子群算法相结合,应用到CVRP问题的求解。该算法中,最优的个体作为蜂王与通过选择机制选择的雄蜂以随机概率进行交叉,增强了最优个体信息的应用能力;同时,随机产生一部分雄蜂种群,并将其与蜂王交叉增加了算法的多样性。实例分析表明该算法具有较好的全局搜索能力,验证了该算法的可行性。     

基于紫外可见吸收光谱的水质检测算法研究

为实时有效地检测地表水中硝酸根离子和亚硝酸根离子的变化过程,提出一种基于紫外可见吸收光谱的水质检测算法。针对水质光谱数据受到干扰易出现波动误差的问题,采用小波变换对其进行分解以滤除高频噪声,并通过主成分分析对数据特征进行降维以防止模型复杂度较高导致过拟合。水质光谱数据经预处理后采用支持向量机对其进行建模,通过非线性自适应调整变异收缩因子对差分进化算法进行改进,并采用改进差分进化算法对水质预测模型进行参数优化。通过与采用其他常用算法所建模型进行对比分析,实验结果表明:基于该算法所建的硝酸根离子和亚硝酸根离子模型具有更高的预测精度,且其能够以更快的收敛速度使模型达到全局最优。     

进化规划中的变异与收敛

进化规划算法中变异是唯一的操作，因此变异算子对进化规划算法的性能有决定性的影响。文中以高斯变异算子为例，研究了变异算子在进化进程的作用，分析了进化规划算法不收敛的原因以及变异算子与进化代数、收敛精度间的关系。对传统进化规划算法和多群进化规划算法的性能进行了仿真研究，仿真结果表明了分析结果的正确性。     

基于智能优化算法的膜系设计展望

本文概述了膜系设计的主流设计方法。介绍了粒了群优化算法和差分进化算法两种新兴智能优化算法,阐述了这两种新的智能优化算法的算法原理。提出未来将智粒子群优化算法和差分进化算法引入膜系设计的研究方向展望。     

基于微分进化神经网络的模拟电路故障诊断

BP神经网络已在模拟电路故障诊断领域得到广泛应用,但BP神经网络存在训练速度慢且容易陷入局部最优的问题.由此,本文提出了一种基于混合变异策略的微分进化改进算法,描述了利用微分进化改进算法进行神经网络权值训练的过程和方法,并将微分进化神经网络用于模拟电路故障诊断,文中还对微分进化神经网络与BP神经网络进行了比较.实验结果表明,微分进化神经网络的训练时间和训练精度均优于BP神经网络,其在模拟电路故障诊断中的准确度比BP神经网络提高了7%.     

遗传算法求解TSP问题的FPGA实现

TSP问题是一种典型的组合优化问题。基于FPGA实现会提高求解速度，能推动TSP问题在其它实际工程的应用。具有实用性意义。本文提出了一种基于FPGA求解TSP问题的遗传算法的硬件系统。首先针对TSP问题的特点，进行算法选择，确定了一个易于硬件实现的算法。然后提出了一个能进行群体存储、适应度处理、选择、交叉和变异等操作的硬件结构。通过流水线结构和并行化操作，提高了系统运行效率。     

基于改进混合遗传细菌觅食算法的贝叶斯结构学习算法

针对利用启发式学习算法学习贝叶斯网络时容易陷入局部最优和寻优效率低的问题,提出一种改进的混合遗传细菌觅食优化算法的贝叶斯网络结构学习算法。该算法首先通过遗传算法求得较优种群并作为细菌觅食算法的初始种群;然后利用交叉和变异策略改进细菌觅食算法的复制行为,增加种群多样性,扩大搜索空间;最后通过改进细菌觅食算法的迁移行为的初始化操作更新种群,防止精英个体的丢失。通过种群的迭代搜索最终获得最优的贝叶斯网络结构。实验仿真结果表明,与其他算法相比,该算法的收敛精度和效率有所提升。