一种基于分布估计的离散粒子群优化算法

 本文提出了一种基于分布估计的离散粒子群优化算法.提出的新算法突破了传统粒子群速度-位移搜索模型的局限,且种群中的每个粒子具有更全面的学习能力,从而能够有效地解决组合优化问题.仿真实验结果表明提出的新算法的性能优于现有的其它几种离散粒子群优化算法.     

基于离散粒子群算法求解复杂联盟生成问题

针对联盟生成问题现有解决方案的不足,提出复杂联盟和虚拟Agent的概念,设计一种基于多粒子群协同优化的复杂联盟串行生成算法,实现一个Agent可以加入多个联盟和一个联盟可以承担多个任务,在一定程度上解决了Agent资源和能力的浪费问题.实验结果证明了算法的有效性.     

求解TSP问题的离散型萤火虫群优化算法

基于求解TSP问题,提出一种离散型萤火虫群优化(DGSO)算法,该算法结合TSP问题特点,给出一种有效编码和解码方法,并定义适合编码的个体间距离计算公式和编码更新公式.同时,为增强算法求解TSP问题的局部搜索能力,加快算法的收敛速度,算法使用了操作简单的2-Opt优化算子.最后,通过对10个TSP问题进行仿真实验,实验结果表明本文提出的算法是在种群规模较小,迭代次数较少的情况下就可以收敛到已知最优解.在大规模TSP算例中算法获得的最优值与理论最优值的误差也在1%以下.     

一种求解矩形排样问题的遗传-离散粒子群优化算法

针对制造业领域的矩形优化排样问题,提出一种遗传-离散粒子群优化算法.引入交换子和交换序概念,解决了标准粒子群优化算法在求解组合优化问题时粒子的更新难以描述问题;融合遗传算法的交叉与变异思想,增强了粒子群的多样性和稳定性;同时采用改进的最低水平线搜索算法加快算法的收敛速度,并解码形成排样方案.通过实验数据对比,验证了该算法在求解矩形排样问题中的高效性和鲁棒性.     

采用离散粒子群优化的CoMP等功率分配算法

为了提高多点协同小区边缘用户的速率,提出了采用离散粒子群优化的等功率分配算法(DPSO-EPA)。该算法在各个协同基站功率一定的约束条件下,以用户吞吐量为目标函数,采用等功率的离散粒子群优化算法,对每个基站的功率进行分配。仿真结果表明,所提算法逼近理论最优的联合注水算法,在吞吐量和迭代次数上具有显著优势。     

基于序贯重点采样粒子滤波的分布估计算法

 连续域分布估计算法一般假设数据服从高斯分布,而且大多采用了单峰的概率模型,但是对于一些复杂的优化问题,单峰的高斯分布模型不能有效地描述解在空间的分布.本文提出一种基于序贯重点采样粒子滤波的分布估计算法,采用带权粒子描述优选集样本服从的概率分布并从中采样得到下一代种群,不需要假设样本服从高斯分布,并且算法采用的概率模型是多峰的.仿真实验结果验证了本文方法的正确性和有效性.     

求解连续空间优化问题的量子粒子群算法

为提高粒子群算法的搜索能力和优化效率并避免早熟收敛,将量子进化算法融合到粒子群算法中,提出一种求解连续空间优化问题的量子粒子群优化算法.用量子位的概率幅对粒子位置编码,用量子旋转门实现粒子移动,完成粒子搜索;用量子非门实现变异,提高种群多样性.因每个量子位有两个概率幅,故每个粒子同时占据空间两个位置,在粒子数目相同时,能加速粒子的搜索进程.实验结果表明,本算法优于基本粒子群算法.     

改进分布估计算法求解多用户检测问题

为了克服分布估计算法早熟收敛的缺点,本文提出一种多样性增强分布估计算法并将其用于优化多用户检测问题。改进算法在传统分布估计算法基础上,增加多样性判定及增强操作,采用独立个体密度评价种群多样性,并在独立个体密度低于多样性判定阈值时,随机变异实现多样性增强,避免算法早熟收敛。同时为了防止多样性增强导致优秀个体被消耗的现象,采样过程加入精英保留策略。仿真结果表明,该检测技术具有较快收敛速度,能有效避免早熟收敛,成功找到全局最优检测矢量,可实现与最优多用户检测技术相近的性能。      

基于离散粒子群求解复杂联盟的并行生成

联盟生成是多agent系统中的一个关键问题。该文引入离散粒子群优化来解决这一问题,采用粒子的随机扰动避免了算法的早熟,设计一种二维二进制编码实现复杂联盟的并行生成,通过编码可行性检查、冲突消解和补偿策略克服了求解过程中的资源冲突和联盟死锁。仿真实验说明了算法的有效性。     

基于改进离散粒子群算法的传感器优化配置

传感器优化配置是实现航空设备故障预测与健康管理(Prognostics and Health Management,PHM)系统设计的基础和保证.本文首先对系统的故障-传感器相关性矩阵进行了改进,在此基础上根据系统测试性指标要求建立了考虑传感器故障率的约束优化模型,并采用一种改进的离散粒子群算法求解.算法根据传感器优化配置的特点设计了粒子个体适应度计算方法,惯性权重则基于群体早熟程度自适应调整.仿真实例验证了本文方法的有效性,优化结果满足系统各项测试性指标要求,可为航空设备PHM系统的传感器优化配置提供有效指导.     

一种求解SLA等级感知服务组合问题的多目标离散粒子群优化算法

针对SLA等级感知服务组合问题,本文提出了一种求解该问题的多目标离散粒子群算法(MDPSO),建立了多目标粒子群算法优化模型.根据该问题的特征,对粒子更新策略进行重新设计;并且提出粒子变异策略以抑制群体的早熟收敛增强群体的全局搜索能力.另外,提出了一种基于约束支配关系的局部搜索策略并将其结合到MDPSO算法,形成算法MDPSO+.最后对MDPSO算法的参数设值进行了分析,并将算法MDPSO、MDPSO+与最近提出的求解该问题的E³-MOGA算法及NSGA-II算法在不同规模的测试用例上进行了实验对比,结果表明算法MDPSO+能够更加有效的解决该问题.     

求解约束优化问题的混合粒子群算法

针对约束优化问题提出一种混合粒子群求解算法,该算法根据可行性规则,引入自适应惩罚函数,结合模拟退火算法,不断地寻找更优可行解,逐渐达到搜索全局最优解.通过对一些标准函数测试,计算机仿真结果表明,该方法是有效和可行的,且具有较高的计算精度,相比传统算法,最优解精度达到10-15.     

基于混合粒子群算法求解TSP问题

遗传算法是研究TSP问题中最为广泛的一种算法,它具有全局搜索的能力。而粒子群算法收敛速度较快,但容易造成局部最优的情况。本文基于遗传算法的交叉变异设计了混合粒子群算法,通过对TSP问题求解分析,证实该方法提高了标准粒子群的搜索能力,获得了较高的收敛速度和近似最优解。     

改进型免疫量子粒子群算法求解TSP问题

为了克服粒子群优化算法早熟收敛以及量子粒子在进化过程中缺乏很好的方向指导的问题,受生物免疫系统与量子计算思想的启发,采用了量子技术以及免疫机制,把免疫思想应用到量子粒子群算法,提出了免疫量子粒子群算法.可以指导粒子朝着更优方向进化,提高了量子粒子群的收敛速度和寻优能力,实验结果表明,仿真实验表明所提算法具有较好的性能,在求解TSP问题时收敛速度和寻优能力都取得了更好的效果.     

新的混沌粒子群优化算法

针对传统粒子群算法初期收敛较快,而在后期容易陷入早熟、局部最优的特点,提出了一种新的混沌粒子群优化算法,不同于己有的混沌粒子群算法的简单粒子序列替换,该算法将混沌融入到粒子运动过程中,使粒子群在混沌与稳定之间交替运动,逐步向最优点靠近。并提出了一种新的混沌粒子群数学模型,进行了非线性动力学分析。数值测试结果表明该方法能跳出局部最优,极大提高了计算精度,进一步提高了全局寻优能力。     

一种求解非线性整数规划的分布估计算法

分布估计算法是遗传算法和统计学习的结合,通过统计学习的手段建立解空间内个体分布的概率模型,对概率模型随机采样产生新的群体,如此反复进行,实现群体的进化。将分布估计算法推广应用到整数规划的解空间中,提出一种求解整数规划的新算法,经数值实验表明该算法有效。     

基于柯西分布的粒子群优化算法改进

针对传统粒子群算法具有易陷入局部最优,收敛速度慢的特点,文中采用柯西密度函数和分布函数分别对惯性权重和位置更新公式作出改进。与标准PSO算法和利用柯西分布对惯性权重的改进相比,改进后的算法能快速地收敛到全局最优解。且对4个经典的测试函数进行仿真实验,结果显示改进算法求解精度高、解的稳定性优良,尤其是在多峰值函数中表现优越。     

混沌粒子群优化粒子滤波算法

针对基于粒子群优化算法的粒子滤波计算复杂度大,并且容易陷入局部最优,提出了一种新的基于混沌的粒子群优化粒子滤波算法。该算法在粒子群优化的基础上,引入混沌序列,利用混沌运动的遍历性、随机性等特点改善了初始样本的质量,同时利用混沌扰动避免搜索过程陷入局部最优,使算法具有更快的收敛速度和更好的全局搜索能力。最后利用UNGM模型将该算法与标准粒子滤波和粒子群粒子滤波进行仿真对比,并利用纯角度目标跟踪模型验证了算法的有效性。实验结果表明,该算法改善了粒子群优化算法的粒子滤波易陷入局部最优的现象,提高了粒子滤波的精度和速度,具有较高的应用价值。     

中心粒子群优化算法

在线性递减权重粒子群优化算法(LDWPSO)中提到了中心粒子这一概念,进而提出了中心粒子群优化算法(中心PSO)。在线性递减权重粒子群优化算法中,中心粒子不像其它一般的粒子,中心粒子没有明确的速度,并且被始终置于粒子群的中心。此外,在神经网络训练算法中比较中心粒子群优化算法和线性递减权重粒子群优化算法,结果表明:中心粒子群优化算法的性能优于线性递减权重粒子群优化算法。     

基于离散粒子群算法的卫星任务规划系统设计

为了解决不断复杂化的卫星运控问题,实现卫星任务顶层优化设计,本文引入离散粒子群算法设计卫星任务规划系统。首先建立对地观测任务规划模型,探索面向卫星任务规划的离散粒子群算法,设计包括任务预处理、任务规划、计划生成的三段式卫星任务规划系统。然后对本次设计的系统进行模拟仿真,验证离散粒子群优化算法在本次卫星任务规划系统设计中的作用,设定不同组观测任务和接收窗口数量,采用穷举算法与离散粒子群算法,完成同组数据求解。最后发现,随着问题规模增加,本次设计系统的离散粒子群算法执行时间也随之增长,证明了该系统算法具有良好的可拓展性,可以有效解决大规模复杂度较高的卫星任务规划问题,为类似系统设计提供了参考依据。