边界约束下的增量式布图规划算法

快速地在局部范围内调整布图已经成为一种设计需要。该文提出了一种二阶段法来实现边界约束下的增量式布图规划算法。根据已有布图规划建立松弛推移图,直观描述各模块之间"空白区"和松弛量的情况;同时建立模块交换图,记录所有具有形状相似特征的模块集合,基于这2个图进行增量式布图规划。第1阶段,基于推移图和交换图调整布图规划,使其满足边界约束。第2阶段,再次利用交换图进行互连性能优化。实验结果表明该算法在较短的时间里不仅对原有布图规划进行了有效调整满足了给定的所有的几何约束,而且还保证了芯片的面积和线长效果。     

基于改进离散粒子群算法的固定边框布图规划

研究固定边框布图规划方法,提出一种改进的离散粒子群优化算法进行布图规划求解,采用一种自然数列的粒子表示方法,并设计粒子群优化算法的相关操作. 基于MCNC 和GSRC基准电路对算法性能进行验证,实验结果表明,该方法具有成功率高、寻优快等特点,能够高效解决基于固定边框布图规划问题.     

带障碍增强型O-Tree布图规划算法

扩展了现有的基于O-Tree的布图算法,提出了一种可以处理带障碍模块的布图算法.修改了原算法中对O-tree的扰动(perturbing)方法,扩展了算法在布图解空间中的搜索范围.修改后的算法对自由模块进行布图,并通过消除自由模块与障碍之间的重叠,得到满足障碍位置约束的布图;其时间复杂度为O(n7/2m),其中n是自由模块的数目,m是障碍的数目.布图测试电路的运行结果显示,修改后的算法比原算法可以得到更优化的布图结果.     

解约束优化问题的新PSO算法

对约束问题的处理通常采用罚函数法,而使用罚函数法的困难在于参数的选取。文中提出了一种解约束优化问题的新PSO算法(CLDPSO)。该方法基于平滑技术设计了一个平滑函数,此函数可以消除一些局部极小点,使算法CLDPSO能有效克服标准PSO算法易陷入局部最优的缺陷;另外,结合约束优化的约束条件给出的新开关选择算子,使算法在选择下一代时保持群体中不可行解的一定比例。这不但有效的增加了群体的多样性,而且避免了传统的过度惩罚,使群体向最优解更好、更快地逼近。数值试验表明该算法对约束优化问题求解是非常有效的。     

一种求解非线性规划问题的混合粒子群优化算法

粒子群优化算法(PSO)与其他演化算法相似,也是基于群体的·每一个粒子被随机初始化以表示一个可能的解,并在解空间追随最优的粒子进行搜索·提出一种基于改进的混合粒子群优化算法求解非线性约束规划方法·在介绍PSO算法基本原理的基础上,设计了约束适应度优先排序处理约束条件的方法,并通过动态邻域算子和可变惯性权重进行联合演化以求得全局最优解·对非线性规划例子的实例计算表明,该算法稳定性好,简单容易实现而又功能强大,易于掌握,对于多维非线性、复杂问题的求解具有普遍适用性·     

基于进化规划的文化算法

讨论了基于进化规划的文化算法,阐述进化规划如何嵌入文化算法以及信念空间用区间约束网的表示.用9个非线性约束优化实例进行测试,结果表明,约束数目越多,信念空间对问题的解决所起的作用越明显.     

基于粒子群算法的指数平滑系数优化方法

主要研究指数平滑法中平滑系数的优化方法,使用改进的粒子群算法,并采用预测误差平方和(SSE)作为精度评价指标求解平滑系数,使求解值逼进平滑系数的最优解。通过在实际数据集上的与其他平滑系数优化方法的对比分析,文中所提出的基于改进粒子群的指数平滑系数优化算法,能更加准确地求解出平滑系数,并且提高了算法能力,解决了其他算法在多极值的情况下不一定能求出最好平滑系数的问题。     

基于进化规划的文化算法

讨论了基于进化规划的文化算法，阐述进化规划如何嵌入文化算法以及信念空间用区间约束网的表示．用9个非线性约束优化实例进行测试，结果表明，约束数目越多，信念空间对问题的解决所起的作用越明显．     

任务分区及工位约束下装配线第二类平衡研究

装配线平衡直接影响产品产量,也是在装配线布局初始或重构时所必须面临的问题.针对第二类装配线平衡问题(ALBP-2),构建了一种考虑优先关系约束、任务分区约束和工位约束的多目标优化模型.为提高模型求解效率,采用逐步缩小节拍搜索范围的动态步长方法,提出基于自动机回溯算法的改进粒子群算法,提高了任务分配合理性,快速搜索出具有最小节拍和负载平滑系数的任务分配方案.引入任务分配矩阵表示每个工位上的任务分配情况,使结果描述更加明确.通过案例分析验证了所提模型和方法的有效性.     

基于A*算法优化的无人水面艇路径规划

为了解决A*算法在无人水面艇路径规划中无约束条件导致的安全问题,提出一种对A*算法的搜索优化和平滑优化方法。首先,对电子海图数据中的海洋环境信息进行提取,采用栅格法建立路径搜索空间的海洋环境模型,并使用坐标对栅格统一编号;其次,引入安全距离约束对A*算法进行搜索优化;最后,通过引入转向角约束,消除冗余节点达到平滑优化的效果。实验结果表明,通过对A*算法的优化处理,提高了无人水面艇路径规划的安全性,满足无人水面艇在复杂环境中全局路径规划的需求。     

多粒度PPI网络描述模型及其蚁群优化的功能模块检测方法

针对蚁群算法在大规模蛋白质相互作用(protein-protein interaction,PPI)网络中进行功能模块检测所暴露的时间性能方面的不足,提出了一种基于多粒度描述和蚁群优化的快速求解算法。首先,从粒度计算的角度,给出了一种新的多粒度PPI网络描述模型;然后,基于该模型,设计了融合功能和结构信息的粒度划分,粗粒度的蚁群寻优,解的还原与优化3个阶段的求解过程。在大规模PPI网络上的实验表明:算法在保证检测质量的同时,能显著降低利用蚁群算法进行功能模块检测的求解时间,而且与近年来的一些经典算法相比在检测精度上也具有一定的优势。     

具有反向学习的多目标元胞遗传算法的空间桁架结构优化设计

为了解决具有多约束的桁架结构问题,提出一种具有反向学习的多目标元胞遗传算法应用于空间桁架结构多目标优化设计中。根据分析元胞遗传算法特点,引入一种反向学习策略、差分进化策略和约束处理技术。通过标准测试函数对比分析,算法能很好地保持Pareto解集的收敛性和均匀性。针对空间桁架结构优化的数学模型,采用实数编码和个体修正方法,将该算法对72杆空间桁架优化问题进行求解,并与MOCell的优化结果进行比较。结果表明,新算法获得的Pareto解集更加均匀,极端点值域更宽广,具有一定的工程实用性。     

基于遗传算法的双闭环系统模糊优化设计

提出一种基于遗传算法的直流双闭环调速系统参数优化设计方法,根据工程技术的要求,选用速度超调量和过渡时间作为参数优化性能指标,将该指标用模糊隶属度函数归一化,再加权平均形成系统优化模型的目标函数。采用计算机数值计算方法,通过仿真获得系统对应参数的动力响应曲线及其性能指标。最后以工程设计的参数为搜索范围,以速度调节器和电流调节器的参数为染色体中的基因,通过遗传算法在搜索范围中优化这些基因,获得优化解,     

基于带随机网络的多种群粒子群优化算法求解多资源受限柔性作业车间调度问题

多资源受限柔性作业车间调度问题(MRC-FJSP,multi-resource constrained flexible job shop scheduling problem)是一类复杂的组合优化问题。针对以最小化最大完工时间为目标的MRC-FJSP,提出了一种带随机网络的多种群粒子群优化算法(MPSO-RDnet, multi-population particle swarm optimization algorithm with random network)。首先,设计了一种半主动解码和基于启发式规则解码相结合的新型解码方式,对原有解空间进行有效裁剪。其次,提出了基于关键路径的两种邻域结构,提高算法局部搜索能力;引入了基于随机网络的多种群策略,提高算法全局搜索能力;提出了面向算法搜索停滞问题的重新初始化策略,增强算法的鲁棒性。最后,采用MRC-FJSP基准算例SFTSP进行测试,验证了算法的可行性和有效性。     

求解VLSI不可二划分布图规划问题的混合遗传算法

超大规模集成电路(VLSI)布图规划是VLSI物理设计的关键环节之一,对集成电路的芯片面积、线长等性能指标有重大影响.基于B*-tree的结构表示,结合遗传算法的思想,提出一种用于解决VLSI不可二划分布图规划问题的混合遗传算法,并用MCNC标准测试例子对所设计的算法进行测试,证明该算法的有效性.     

B样条曲面的求值和节点插入算法研究

通过研究二阶常系数微分算子的零空间及其初值问题解的唯一性,引入了广义B样条曲线的概念,给出了B样条曲线的一种统一表示形式,介绍了其求值算法及节点插入算法,并以多项式B样条为例,将样条曲线的求值算法和节点插入算法推广到曲面.数值实验表明,求值算法和节点插入算法对样条曲线和样条曲面均准确、有效.     

基于离散粒子群优化的MPSoC节能调度算法

为了降低多核片上系统MPSoC在应用中的能耗,在MPSoC上提出了基于优化离散粒子群算法的节能任务调度算法.通过比例选择算子生成初始种群,以任务在MPSoC上不同内核执行的能耗作为解空间,粒子群在整个解空间上搜索最低能耗调度方案,并在算法中优化了粒子群算法的局部早熟问题,使算法性能进一步提升.仿真实验表明:基于优化离散粒子群算法的节能调度算法与常用的3种调度算法相比,能耗得到了降低,且算法的截止期错失率并没有升高,保证了算法的整体性能.     

Memetic算法及其在分类中的应用研究

群体智能优化算法Memetic算法(Memetic Algorithm,MA)采用进化算法的操作流程,引入局部搜索算子,使其在问题的求解中保证较高收敛性能的同时又能获得较高质量的解,克服了遗传算法等传统全局优化算法易"早熟"的问题,同时避免陷入局部解。在MA框架基础上,提出了全局动态适应MA算法,采用遗传算法为全局搜索算子,k-means算法为局部搜索算子。使用Java语言实现算法并对UCI中分类实验数据集进行测试,结果表明,将遗传算法和k-means结合的全局动态适应MA在分类问题中具有较高准确率。     

用于函数优化的小世界优化算法

借鉴小世界现象的有关机理，构造了不同的小世界优化算子，主要包括局域短连接搜索算子和随机长连接搜索算子．将优化过程视为在搜索空间（网络）中从候选解向最优解的信息传递过程，利用小世界现象有效信息传递的有关机理实现了一种新的优化算法一一小世界优化算法．通过对复杂函数的优化问题进行仿真试验，表明与相应遗传算法相比，新算法可以更好地保持解的多样性，能够有效地避免陷入局部极小值的问题，并在一定程度上克服了早熟和遗传算法欺骗问题，并且收敛速度快，因此具有解决复杂问题的潜力。     

二维不规则贯通排样的模拟退火算法

提出一种获得不规则零件的最佳包络矩形的方法,根据矩形件的启发式算法,设计模拟退火智能算法将最佳包络矩形排样.模拟退火算法是全局优化概率的搜索算法,可以在优化排样中将排样次序优化,再利用最低水平线算法将不规则多边形排样.结果显示:同一排样问题,初始温度、冷却参数以及终止温度有一组最佳组合值,使得问题解的质量较高.该算法在排样效果和时间效率上更为优秀.