基于模式搜索的连续函数寻优

模式搜索方法是求解最优化问题的一种直接搜索方法,它只根据函数值信息来进行求优。但模式搜索对起始点非常敏感,对好的起始点,模式搜索可以搜索到全局最优点,但对某些起始点,模式搜索只能搜索到局部极值点。本文提出基于模式搜索的一个新方法,实验证明,它能搜索到全局最优。     

基于指导变异蚁群算法的PID控制器优化

蚁群算法是意大利学者Dorigo于1991年提出的一种模拟进化算法,蚁群算法提出后却在组合优化中获得广泛的应用,如调度、二次分配和网络路由等,本文将蚁群算法进行改进并应用于PID控制器优化,得到了良好效果。     

一种基于竞争型群体优化的数据聚类方法

数据聚类在智能信息处理中具有非常重要的作用。传统的数据聚类方法，如K-means算法，存在对初始聚类中心敏感等问题。随着智能优化算法的发展，人们用智能优化算法进行数据聚类取得了一定的效果，但存在容易陷入局部最优等问题。为此，本文将在高维优化问题中取得良好效果的竞争型群体优化算法中引入数据聚类，利用竞争型群体优化算法强大的全局探索能力搜索聚类中心进行数据聚类，在UCI的5个数据集上的实验结果表明竞争型群体优化算法比遗传算法、粒子群算法不仅能得到更好的聚类效果，而且收敛性能更好。     

神经网络算法在物流配送车辆优化调度中应用

研究物流配送车辆调度优化问题,车辆调度存在空驶率,运输路径不合理。为了有效节约车辆运输成本,优化城市车辆调度,传统的调度算法存在计算复杂度高,不利于实际应用等问题,提出了一种改进的神经网络车辆调度优化算法模型。首先对城市车辆调度建立优化数学模型,建立了一种解决非满载车辆卸货路线优化的神经网络模型,采用改进的神经网络进行优化车辆调度,并给出了解决配送车辆优化调度问题的具体步骤。仿真结果表明,提出的改进的算法不仅能有效地求解车辆调度优化模型,而且计算机复杂度较低,算法的计算效率较高,收敛速度较快,验证了改进算法的实用性和有效性。