Multi-objective biogeography based optimization for optimal PMU placement

The paper proposes a multi-objective biogeography based optimization (MO-BBO) algorithm to design optimal placement of phasor measurement units (PMU) which makes the power system network completely observable. The simultaneous optimization of the two conflicting objectives such as minimization of the number of PMUs and maximization of measurement redundancy are performed. The Pareto optimal solution is obtained using the non-dominated sorting and crowding distance. The compromised solution is chosen using a fuzzy based mechanism from the Pareto optimal solution. Simulation results are compared with Non-dominated Sorting Genetic Algorithm-II (NSGA-II) and Non-dominated Sorting Differential Evolution (NSDE). Developed PMU placement method is illustrated using IEEE standard systems to demonstrate the effectiveness of the proposed algorithm.     

Topology design of switched enterprise networks using a fuzzy simulated evolution algorithm

The topology design of switched enterprise networks (SENs) is a hard constrained combinatorial optimization problem. The problem consists of deciding the number, types, and locations of the network active elements (hubs, switches, and routers), as well as the links and their capacities. Several conflicting objectives such as monetary cost, network delay, and maximum number of hops have to be optimized to achieve a desirable solution. Further, many of the desirable features of a network topology can best be expressed in linguistic terms, which is the basis of fuzzy logic. In this paper, we present an approach based on Simulated Evolution algorithm for the design of SEN topology. The overall cost function has been developed using fuzzy logic. Several variants of the algorithm are proposed and compared together via simulation and experimental results are provided.     

基于遗传模拟退火算法的门阵列布局方法

为实现门阵列模式布局,将遗传算法与模拟退火算法相结合,提出一种新的遗传模拟退火算法,利用遗传算法进行全局搜索,利用模拟退火法进行局部搜索,在进化过程中采用精英保留策略,对进化结果进行有选择的模拟退火操作,既加强了局部搜索能力又防止陷入局部最优。实验结果表明,与传统遗传算法相比,该算法能够有效提高全局搜索能力。     

基于捕食搜索策略的模拟退火优化算法

针对传统模拟退火算法初始温度和降温函数难以确定以及接收劣质解同时容易遗失当前最优解等缺陷,将禁忌搜索算法的禁忌表功能引入SA算法,避免遗失最优解和对某个解进行多次重复地搜索;根据函数的复杂程度确定初始温度,并定义新的降温函数,提高算法的搜索效率和精度;引入捕食搜索策略,平衡算法搜索能力和开发能力,避免陷入局部最优。通过对5个典型的基准测试函数的仿真表明,改进算法具有较强的全局搜索能力,同时寻优精度和收敛速度比原算法也有较大的提高。     

A Fuzzy Adaptive Differential Evolution Algorithm

The differential evolution algorithm is a floating-point encoded evolutionary algorithm for global optimization over continuous spaces. The algorithm has so far used empirically chosen values for its search parameters that are kept fixed through an optimization process. The objective of this paper is to introduce a new version of the Differential Evolution algorithm with adaptive control parameters – the fuzzy adaptive differential evolution algorithm, which uses fuzzy logic controllers to adapt the search parameters for the mutation operation and crossover operation. The control inputs incorporate the relative objective function values and individuals of the successive generations. The emphasis of this paper is analysis of the dynamics and behavior of the algorithm. Experimental results, provided by the proposed algorithm for a set of standard test functions, outperformed those of the standard differential evolution algorithm for optimization problems with higher dimensionality.     

求解PMU多目标优化配置问题的非劣排序微分进化算法

为实现电网完全可观测,同时保证PMU(同步相量测量单元)的安装数日尽量少,且系统的N-1量测可靠性尽量高,笔者提出了一种混合算法,对电网中PMU进行多目标优化配置.在此算法中,通过将Pareto非劣排序操作与微分进化算法有机融合,并对个体的排挤机制和变异策略进行改进以克服进化早熟和搜索不均匀的问题,设计出了一种新的非劣排序微分进化算法对模型进行求解,并采用模糊集理论提取出最优折中解.最后以IEEE39母线系统为例进行了PMU多目标优化配置,结果表明该方法可简单快速地实现全局多目标寻优,找到更多更合理的PMU优化配置方案,能得到准确而完整的Pareto最优前沿.     

一种求解动态优化问题的改进自适应差分进化算法

针对原始动态自适应差分进化（SADE）算法局部搜索能力弱和寻优精度低的问题,提出一种求解动态优化问题的邻域搜索差分进化（NSDE）算法。通过引入邻域搜索机制,在划分种群最优个体的邻域空间范围内产生候选解,选取候选解集合中的最优解并对种群最优个体进行迭代,增强算法局部搜索能力。在传统基于距离的排斥方案中,引入hill-valley函数追踪邻近峰,提高算法寻优精度。实验结果表明,与SADE、人工免疫网络动态优化、多种群竞争差分进化和改进差分进化算法相比,NSDE算法在49个测试问题中分别有28、38、29和38个测试问题的平均误差更小,综合性能表现更好。     

改进的单形进化算法及在神经网络上的应用研究

单形进化算法(Surface-Simplex Swarm Evolution Algorithm,简称SSSE)是一种新型群体智能优化算法,该算法通过建立粒子的单形邻域搜索算子和多角色态搜索机制,具有很好地收敛效果.为了对该算法的性能进行进一步分析与讨论,同时,为了强调全局搜索的应用场景并提高算法的勘探搜索能力,提出一种改进的单形进化算法(ISSSE),ISSSE对原算法的多态平衡搜索机制进行了两点改进;然后用8个标准测试函数进行性能测试,并同不同的算法比较;最后将ISSSE算法应用于径向基神经网络(RBF)的参数优化中.实验结果表明,改进的单形进化算法(ISSSE)在其性能上具有更好的勘探搜索能力,提高了算法的求解精度和收敛速度,并且能够很好应用于RBF的参数寻优,提高了RBF的分类正确率.     

VB环境下的模拟退火算法求指派问题

模拟退火算法是一种随机搜索算法,可应用于许多前提信息很少的问题,能渐进地收敛于全局最优解。指派问题是组合优化问题中的一种,可用模拟退火算法来解此问题。模拟退火算法解决指派问题时,需要考虑实现此算法的技术问题,例如解的形式,初始温度的计算,邻域的生成方式,解的接受和舍弃,内外循环的中止条件等。在VB编程环境下,实现了该算法的求解过程。实例仿真表明了该方法能够以一定的概率跳出局部最优而实现全局寻优。     

一种新的混沌差分进化算法

提出一种新的混沌差分进化(CDE)算法,在每一代中通过差分进化(DE)算法找到最佳个体,在最佳个体附近用混沌方法进行局部搜索,通过引入调节因子加强其搜索能力。6个基本测试函数的优化结果表明,当误差函数精度为10-14时,与DE相比,CDE的寻优能力更强、收敛速度较快。     

蚁群与粒子群混合的FPGA布局算法

FPGA布局在自动化设计中起到了十分关键的作用。将粒子群蚁群混合算法应用于FPGA布局问题,针对MCNC基准电路进行布局实验,并与模拟退火算法（SA）,模拟退火与遗传混合算法（GASA）及蚁群算法（ACO）等进行了对比。结果表明该布局方法具有较好的性能。     

云环境下基于模糊隶属度的虚拟机放置算法

虚拟机放置问题是云数据中心资源调度的核心问题之一,它对数据中心的性能、资源利用率和能耗有着重要的影响。针对此问题,以降低数据中心能耗、改善资源利用率和保证服务质量(QoS)为优化目标,借助模糊聚类的思想提出了一种基于模糊隶属度的虚拟机放置算法。首先,结合物理主机过载概率和虚拟机与物理主机之间的相适性放置关系,提出了新的距离度量方法;然后,根据模糊隶属度函数计算得出虚拟机与物理主机之间的相适性模糊隶属度矩阵;最后,借助能耗感知机制,在模糊隶属度矩阵中进行局部搜索从而获得迁移虚拟机的最优放置方案。仿真实验结果表明,提出的算法在降低云数据中心能耗、改善资源利用率和保证QoS方面表现比较优异。     

一种用于FPGA布局的模拟退火算法

在本篇论文中,我们介绍了在标准对称阵列(隔离岛状)现场可编程逻辑阵列结构下的一种有效的布局方法,模拟退火算法。实验结果显示,相比普通的布局算法,模拟退火算法在布局时间上减少了20%。     

A survey on the Metaheuristics for Cryptanalysis of Substitution and Transposition Ciphers

This paper presents state-of-art cryptanalysis studies on attacks of the substitution and transposition ciphers using various metaheuristic algorithms. Traditional cryptanalysis methods employ an exhaustive search, which is computationally expensive. Therefore, metaheuristics have attracted the interest of researchers in the cryptanalysis field. Metaheuristic algorithms are known for improving the search for the optimum solution and include Genetic Algorithm, Simulated Annealing, Tabu Search, Particle Swarm Optimization, Differential Evolution, Ant Colony, the Artificial Bee Colony, Cuckoo Search, and Firefly algorithms. The most important part of these various applications is deciding the fitness function to guide the search. This review presents how these algorithms have been implemented for cryptanalysis purposes. The paper highlights the results and findings of the studies and determines the gaps in the literature.     

求解VRPSDP问题的改进模拟退火遗传算法

配送和回收一体化的车辆路径问题（VRPSDP）是一种非常复杂的NP难题。针对这一问题,设计了一种改进的模拟退火遗传算法ISAGA,采用非零自然数编码机制和弱可行解到强可行解的解码机制,将3PM交叉算子和退火选择相结合,形成贪心3PM交叉算子,引进insert 、swap和2-opt分别对解进行迭代优化,并将模拟退火算法和遗传算法巧妙地结合,使得遗传算法在前期发挥着全局搜索的强大功能;后期用模拟退火算法来处理遗传算法前期的全局较优解,充分利用模拟退火算法后期局部搜索的强大功能。经过国际公认的测试算例验证,ISAGA算法在Min算例、Salhi和Nagy算例中均找到了比现有算法已知最好解更优的解。     

基于群进化策略的模糊聚类算法

针对传统的聚类算法需要知道类的真实数目,以及容易陷入局部最优的缺陷,提出基于群进化策略的模糊聚类算法,简称fuzzyGAC。该算法将群进化策略与模糊聚类结合起来,通过两个阶段（继承阶段和重新分配阶段）来产生新的聚类结果。将提出的算法与模糊C均值算法、差分算法、粒子群算法进行比较,实验结果表明,就类的数目和聚类中心而言,该算法可以自适应地修正类的数目并且提供最优的聚类中心。     

Simultaneous identification of linear systems: a heuristic approach

The problem of simultaneous system identification is posed and an efficient algorithm for its solution is formulated. Our algorithm is a blend of an A^* search together with Simulated Annealing. The proposed algorithm returns the optimal solution while the number of required operations is usually much smaller than any other brute-force algorithm.     

BP神经网络的优化算法研究

BP学习算法通常具有收敛速度慢,易陷入局部极小值等缺点;遗传算法是全局优化算法,具有较强的全局搜索性能,但它在实际应用中容易产生早熟收敛的问题,且在进化后期搜索效率较低;模拟退火算法具有摆脱局部最优点的能力,能抑制遗传算法的早熟现象.因此,本文在BP算法结合遗传算法的同时,再加入模拟退火算法,可以有效地缓解遗传算法的选择压力.     

基于Baldwin效应的直觉模糊自适应差分进化算法

针对现有改进差分进化算法易陷入局部最优解的不足,提出一种改进的自适应差分进化算法。该算法对精英个体实施Baldwin学习,使其在不确定代数内保持基因型不变并尝试多种表现型以引导种群中其他个体进化;同时用直觉模糊推理的方法对缩放因子进行自适应反馈控制。通过对19个典型benchmark函数进行测试,并与其他知名改进差分进化算法对比,仿真结果表明该改进方法具有较强的跳出局部最优解能力和较快的收敛速度。     

求解RCPSP问题的带分布估计的差异演化算法

提出一种带分布估计的差异演化算法（DEED）用于求解资源受限项目调度问题（RCPSP）。该算法基于差异演化（DE）算法,利用分布估计算法（EDA）能够获得问题解空间的全局信息以及变量间的相互联系,以指导算法搜索过程,并对最优解的分布进行预测。DEED算法充分利用DE收敛速度快和EDA全局搜索优点。经标准问题库（PSPLIB）的单模式问题集验证,并与当前流行的算法进行比较,表明了DEED算法的有效性。