一种非参数惩罚函数的优化演化算法

对约束优化问题的处理通常使用惩罚函数法,使用普通惩罚函数法的困难存在于参数的选取。该文提出一种基于演化算法的非参数罚函数算法,对违反约束条件动态地进行惩罚,由适应值的设定来平衡群体中可行解和不可行解的比例,使群体较好地向最优解逼近,使用实数编码的多父体单形杂交演化策略来实现新算法,通过对测试函数的检验,该算法具有稳健、高效、简洁易于实现等特点。     

基于演化博弈惩罚机制的多智能体协作稳定性研究

针对复杂、动态环境中多Agent协作的稳定性问题,提出了一种基于博弈论及惩罚机制的协作方法,通过效用函数来选择最优策略,实现均衡协作;为了提高协作的稳定性与成功率,引入惩罚机制,通过不断调整惩罚系数来维护多Agent协作的稳定性,并在形成协作团队时,充分考虑参与协作的Agent的信誉值。仿真结果表明,该方法能有效地降低任务完成时间,避免Agent在动态协作中随意退出,提高协作效率及协作稳定性。     

函数优化异步并行演化算法

提出了一种新型、高效的函数优化异步并行演化算法,利用这个算法,在巨型并行计算机上解决了一些高难度的大型优化问题,其中包括一个超高维的非线性规划问题－BUMP问题。由于BUMP问题的强非线性和超我峰特性,目前还未见有超过50维的BUMP问题的结果发表。而在此不仅仅得到了从2维到50维迄今最好的解,而且一直计算到了1000000维,并得到了满意的结果。数值实验表明,新算法是鲁棒和高效的。     

惩罚函数优化的前馈神经网络盲多用户检测

提出一种前馈神经网络盲多用户检测算法,利用前馈神经网络替代原有检测器中的滤波器,通过惩罚函数对约束恒模代价函数进行求解,获得前馈神经网络权值和参数的迭代公式,实现了盲多用户检测。Matlab仿真结果表明,该算法改善了系统的误码率性能,加快了算法的收敛速度。     

基于Logistic回归惩罚函数的遗传位点分析

探讨将基于惩罚函数的变量选择方法应用到遗传位点分析.以2016年9月16日的全国研究生数学建模竞赛B题的数据为例,首先对每个位点的碱基对(A、T、C、G)编码方式数值化处理,最后用数值化后的数据进行建模,并将单变量选择Logistic SCAD、组变量选择Logistic Group SCAD模型和双层变量选择Logistic cMCP模型定位到与遗传性疾病显著相关的遗传位点,分别与出题者提供的标准答案进行对比,结果显示双层变量选择Logistic cMCP模型能够准确的定位到与遗传性疾病显著相关的遗传位点.因此将其运用到具有遗传性疾病和性状的遗传位点分析是值得研究的.     

基于惩罚函数泛化的神经网络剪枝算法研究

神经网络的隐层数和隐层节点数决定了网络规模,并对网络性能造成较大影响。在满足网络所需最少隐层节点数的前提下,利用剪枝算法删除某些冗余节点,减少隐层节点数,得到更加精简的网络结构。基于惩罚函数的剪枝算法是在目标函数后加入一个惩罚函数项,该惩罚函数项是一个变量为网络权值的函数。由于惩罚函数中的网络权值变量可以附加一个可调参数,将单一惩罚函数项泛化为一类随参数规律变化的新的惩罚函数,初始惩罚函数可看作泛化后惩罚函数的参数取定值的特殊情况。实验利用基于标准BP神经网络的XOR数据进行测试,得到隐层节点剪枝效果和网络权值随惩罚函数的泛化而发生变化,并从数据分析中得出具有更好剪枝效果及更优网络结构的惩罚函数泛化参数。     

基于惩罚函数的异步电动机综合节能控制

针对现有异步电动机节能控制效果不理想的问题,提出了一种基于惩罚函数的综合节能控制装置的设计方案,建立了综合节能控制装置的优化模型。该装置在变频调速中采用动态调压技术,可动态调节电动机的端电压和频率,利用惩罚函数法对输出功率进行优化,使电动机变频调速系统运行于最佳模式,最终达到节能的目的。Matlab仿真结果表明,该综合节能控制装置综合了调压节能和调速节能的优点,具有良好的节能效果。     

一种新的自适应惩罚函数算法求解约束优化问题

提出一种新的自适应惩罚函数法,用来处理约束优化问题．这种方法根据当前群体中可行解的比例对目标函数和违反约束条件的程度作出合适的权衡,具有结构简单、参数少等优点．把它和一个简单的进化策略结合起来,得到了一种新的求解约束优化问题的进化算法．选取几个常见的测试函数对这种新方法进行了数值实验．结果表明,所提方法能够非常有效地处理各种约束优化问题,而且具有很强的稳健性;其性能优于或相似于一些尖端的算法．     

基于惩罚函数NPGA的多目标路径规划

通过分析传统的机器人路径规划方法,将足球机器人路径规划归结为一个多目标优化问题,利用基于惩罚函数的小生境遗传算法建立动态目标路径规划的运动模型.仿真表明,与传统的路径规划方法相比,该方法在保证机器人较高体力值的前提下,规划出合理的路径.     

基于遗传算法的退火精确罚函数非线性约束优化方法

提出了一种新的基于遗传算法求解非线性约束优化的方法，通过自适应的退火罚因子和不可微精确罚函数未处理的约束条件，可以使算法逐渐收敛于可行的极值点，仿真结果表明该方法有较刘的求解精度。     

基于内部罚函数的进化算法求解约束优化问题

为解决现有约束处理方法可行解的适应度函数不包含约束条件的问题,提出了一种内部罚函数候选解筛选规则.该候选解筛选规则分别对可行解和不可行解采用内部罚函数和约束违反度进行筛选,从而达到平衡最小化目标函数和满足约束条件的目的.以进化策略算法为基础,给出了基于内部罚函数候选解筛选规则的进化算法的一个实现.进一步地,从理论和实验角度分别验证了内部罚函数候选解筛选规则的有效性:以(1+1)进化算法为例,从进化成功率方面验证了内部罚函数候选解筛选规则的理论有效性;通过13个测试问题的数值实验,从进化成功率、候选解后代是可行解的比例、进化步长和收敛速度方面验证了内部罚函数候选解筛选规则的实验有效性.     

结合非固定多段罚函数的约束优化进化算法

利用非固定多段映射罚函数的约束条件,提出一种结合非固定多段罚函数的约束优化进化算法。该算法利用佳点集方法初始化种群,以保证其均匀分布在搜索空间中。在进化过程中,对种群进行单形交叉和多样性变异操作产生新的个体,增加种群的多样性。对6个经典Benchmark问题进行测试,实验结果表明,该算法能有效地处理不同的约束优化问题。     

多目标优化与自适应惩罚的混合约束优化进化算法

提出一种多目标优化与自适应惩罚函数相结合的方法来处理约束优化问题.首先利用多目标优化方法提取当前群体中的主要信息;然后进一步用自适应惩罚函数选出最有价值的信息.将这种约束处理技术与一种基于群的算法生成器模型相结合,即可得到一种新的约束优化进化算法.选取10个标准测试函数对新算法的性能进行数值实验,结果表明了所提出方法的有效性和较强的稳健性,与其他尖端算法相比得到了相似或更优的结果.     

采用不可微精确罚函数的约束优化演化算法

针对多数已有的采用罚函数的约束优化遗传算法存在优化效果差的问题 ,提出了一种新的求解约束优化问题的演化算法 .借助不可微精确罚函数把约束问题转化为单个无约束问题来处理 .采用混合杂交和间歇变异来提高算法的搜索能力 .数值实验结果表明了新算法的优化效果远远优于已有的几种采用罚函数的遗传算法     

一种基于罚函数的机器人路径规划方法

给出了一种基于罚函数的机器人路径规划方法;这种方法将机器人的路径规划由一系列带约束非线形规划问题转化为一系列无约束非线形规划问题来求解,仿真结果表明,罚函数方法是一种富有效率的解决机器人路径规划问题的方法,能够大幅度降低运算时间的复杂性,提高移动机器人的实时性。     

基于精确罚函数的一类广义非线性神经网络模型

针对一般的非线性优化问题定义了一种2次非线性罚函数,证明了在一定条件下对应的罚优化问题的精确罚定理,由此引进了一种广义非线性神经网络模型,并证明了这种网络的平衡点与能量函数之间的联系,在一定条件下对应的平衡点收敛到原问题的最优解.这种神经网络模型对于求解许多优化问题具有重要的作用.     

一种基于罚函数的数据协调模型

如果工业测量数据中存在显著误差,则传统的数据协调模型会将显著误差分散到各个测量值中去.针对于传统数据协调模型的缺陷,本文通过添加一个基于测量值比例关系上下限的约束条件,并利用罚函数的概念将物料平衡的约束条件以软约束的形式表示,建立一种新的数据协调模型.改进后的数据协调模型只会对含有显著误差的测量值给予较大的协调量,而使得显著误差对其他测量值协调结果的影响较小,具有较高的鲁棒性.基于工业实际生产模型的仿真试验证明基于该数据协调模型的协调结果,可直接利用测量残差检测法进行显著误差检测,具有较高的错误检出率,且第Ⅰ类错误率较低.     

带有罚函数的无线传感器网络粒子群定位算法

无线传感器网络是一种没有基础设施的无线自组织网络,它在军事、环境检测和智能家居等诸多领域具有广泛的应用.在无线传感器网络的绝大多数应用中,只有当节点和被感知的物体的位置是可知的,节点获得的信息才有意义.因此,节点定位技术是无线传感器网络的关键技术之一.近年来,粒子群优化算法(particle swarm optimization, PSO)等智能算法被用于无线传感器网络节点定位技术的研究.在粒子群优化算法定位技术研究的基础上,提出的带有罚函数的无线传感器网络粒子群定位算法(particle swarm optimization with penalty function, PSOPF)利用罚函数来加快算法的收敛速度和提高定位算法的定位精度.实验结果表明,和原有的PSO定位算法相比较,PSOPF算法具有更高的定位精度和更快的收敛速度.     

动态罚函数法求解约束优化问题

针对罚函数法在求解约束优化问题时罚系数不易选取的问题,提出一种基于动态罚函数的差分进化算法.利用罚函数法将约束优化问题转化为无约束优化问题.为平衡种群的目标函数和约束违反程度,结合ε约束法设计了一种动态罚系数策略,其中罚系数随着种群质量和进化代数的改变而改变.采用差分进化算法更新种群直到搜索到最优解.对IEEE CEC...     

基于进化算法的软件测试数据生成的自动化

介绍了进化算法在测试数据生成中的应用思想,分析了在不同的覆盖准则下应用进化算法时适值函数的设计方法,把遗传算法等进化算法应用到测试数据生成中的进化测试技术,克服了局部搜索算法无法为较复杂程序的分支生成测试输入的问题。