在容量较小的污染环境中种群的最优捕获问题

讨论了在容量较小的污染环境中种群的最优捕获问题。利用Pontryagin极大值原理得到一种最优分配方案——处理资源种群体内毒素的努力度与收获资源种群努力度的分配方案,使经营者的经济收入达到最大,同时也得到次最优均衡解。     

基于最大最小蚂蚁系统的一种应急物流路径规划方法

根据应急物流中存在的一些问题,利用最大最小蚂蚁系统收敛速度快和避免局部最优的优势,提出了一种基于最大最小蚂蚁系统的应急物流路径规划方法.该方法通过最大最小蚂蚁系统将信息素限制在一个适当的范围之内,克服了传统算法收敛速度慢和易陷于局部最优的缺点.对应用最大最小蚂蚁系统的应急物流系统进行仿真实验,结果表明:该方法能快速实现应急物流配送,满足了实际需要,减少了物流成本.     

一类带有庇护区的单种群生物模型的动力学分析

研究了一类带有庇护区的单种群生物模型,并分析了模型的动力学行为。数值模拟结果表明,在这一新的单种群生物模型中不仅存在倍周期分岔、Hopf分岔和混沌等非线性动力学经常遇到的动力学行为,而且系统还可以从周期-1运动状态直接进入周期-4运动状态等非常规分岔。同时,还研究了在ε很小时系统的动力学行为,研究结果表明此时系统关于y的分岔图只是反映了x在整个迭代过程中的均值。此外,本文还研究了模型在某些参数下多吸引子共存的现象。     

灰色蚁群系统求解多目标卫星观测调度问题

为充分有效的利用地球观测卫星资源,最大限度的满足成像需求并得到高质量的图像,提出了一种灰色蚁群系统多目标优化算法.首先利用区间灰数描述成像任务上空的云量信息;然后考虑了卫星多种成像约束条件,建立了包括成像任务重要性和图像质量的多目标优化模型;最后将灰色理论和蚁群系统结合起来,通过多个种群的区域更新规则和精英保留策略,提高非劣解集的多样性和收敛性.仿真结果表明,提出的灰色蚁群系统可以有效解决卫星多目标成像调度问题。     

Leslie素矩阵的一个充要条件

Leslie矩阵模型在带年龄结构的种群动力学中具有重要地位,研究成果表明当Leslie矩阵为素矩阵时,目标种群将趋向一稳定的年龄分布。该文给出了一个无需通过烦琐的矩阵幂运算来判定Leslie矩阵是素矩阵的充分必要条件,它为Leslie模型的实际应用提供了很大方便。     

求解带软时间窗车辆路径问题的融合算法

设计了遗传算法与变异蚂蚁算法的一个融合算法,该算法采用优良基因保护策略,引入蚂蚁寻径变异机制,并改进了信息素的更新方式,提高了寻径速度以及寻径的全局性。经过对比实验,验证了本融合算法可以有效而快速地获得问题模型的最优解或近似最优解。     

基于多群协同人工鱼群算法的分类规则提取算法

在对基本人工鱼群算法原理分析的基础上,提出了一种多群协同人工鱼群算法用于实现对连续空间变量的分类规则提取问题。定义了基于规则支持度与置信度的规则评价函数,构造了人工鱼在规则提取应用中的特定编码及相关概念的计算公式,给出了该算法的具体实现步骤,并用VC++软件编程实现。最后对Iris和Wine数据集进行测试实验,并与单群体鱼群算法及多种群微粒群算法进行比较。仿真结果表明,该算法能够快速提取分类精度较高的分类规则,因此利用该算法解决连续变量分类规则提取的相关问题是可行且有效的。     

改进蚂蚁算法在网络流量平衡中的研究

在分析了当前蚂蚁算法实现网络流量负载重配置的基础上,提出了新的网络链路资源分配策略及改进算法,利用蚂蚁具有找到最短路径及不同种类蚂蚁互相排斥的这一天然特性,很容易在最短路由和链路负载之间取得折中。仿真结果表明,改进的蚂蚁算法对业务请求越是频繁的情况,其负载平衡度和业务到达率越优于其他算法。     

基于反向学习的自适应α约束病毒种群搜索算法

为了提高该算法求解约束优化问题的能力,提出一种新的约束病毒种群搜索算法。首先,提出自适应α-level比较策略,以在算法的不同阶段充分利用可行个体与不可行个体的有效信息;其次,为了进一步提高算法求解约束优化问题的收敛速度和搜索精度,针对算法的病毒扩散行为,提出了结合反向学习机制的搜索方程,以提高种群多样性并加速全局收敛。对CEC2006中13个约束优化函数的对比仿真结果表明,本文算法在搜索精度、收敛速度以及稳定性方面,相比于αSimplex算法、粒子群遗传算法算法、交叉人工蜂群算法算法以及约束改进差分进化算法算法具有明显优势。同时将该算法应用于无人机协同实时航迹规划约束优化问题中,通过仿真实验并与利用约束改进差分进化算法对这一问题进行求解的方法进行对比,验证了本文算法在规划效率、规避威胁等方面的优越性。     

一种基于混合量子粒子群的快速运动目标跟踪算法研究

量子粒子群算法在优化过程中需要权衡局部探索性和全局开拓性,进化后期由于全局开拓能力的丧失使得种群多样性减少,设计了一种基于欧式距离的混合量子粒子群算法,通过计算粒子的种群多样性,当种群多样性低于阈值范围时加入基于欧式距离的种群划分策略划分子种群,从而保证获得全局最优解。利用标准测试函数验证提出的混合量子群算法有效性。提出了基于混合量子粒子群的Mean Shift算法(HQPSO Mean Shift)完成目标快速跟踪,克服传统Mean Shift算法的在跟踪快速移动目标时出现"跟丢"的问题。