基于极大极小距离密度的多目标微分进化算法

微分进化(differential evolution)是一种新的简单而有效的直接全局优化算法,并在许多领域得到了成功应用.提出了基于极大极小距离密度的多目标微分进化算法.新算法定义了极大极小距离密度,给出了基于极大极小距离密度的Pareto候选解集的维护方法,保证了非劣解集的多样性.并根据个体间的Pareto.支配关系和极大极小距离密度改进了微分进化的选择操作,保证了算法的收敛性,实现了利用微分进化算法求解多目标优化问题.通过对5个ZDT测试函数、两个高维测试函数的实验及与其他多目标进化算法的对比和分析,验证了新算法的可行性和有效性.     

一种求解混合整数规划的混合进化算法

提出一种基于正交试验设计的混合进化算法,用于求解混合整数规划问题.进化算法中采用一种混合启发式的变异算子,将正交试验设计作为杂交算子.为了增加种群的多样性,引入一种迁移算子.仿真实验结果表明,与已有的一些算法相比,所提出的求解混合整数规划的混合进化算法能快速收敛到问题的最优解,并且算法的计算量小,解的精度高.     

改进自适应变空间差分进化算法

在基本差分进化算法的基础上融入自适应变空间思想,提出自适应变空间差分进化算法,在进化代数达到预设周期整数倍时,按变空间算法自动扩展或收缩搜索空间,实现了自动寻找合适搜索空间、提高收敛速度和精度的目的.此外为了进一步的加快收敛速度,对原变空间算法进行了改造,对其上下限的变化规则进行了修改和添加,提出了改进的变空间算法.仿真结果表明改进方法在收敛精度、速度上优于基本差分进化算法和基于原变空间算法的差分进化算法.最后将其应用到热连轧机精轧机组负荷分配优化计算中,为其提供了一种有效的优化手段.     

基于混沌搜索的微分进化算法

针对基本微分进化算法在后期收敛速度慢,搜索能力差等问题,利用混沌搜索的随机性、遍历性以及对初值的敏感性等特性,提出了一种混合混沌搜索的微分进化算法——混沌微分进化算法。该算法既保持了基本微分进化算法结构简单的特点,又能提高算法的收敛速度、计算精度以及全局寻优能力。数值仿真结果表明,该算法的性能优于基本微分进化算法。     

神经网络与DE算法在自适应滤波中的应用

为了满足电流互感器自动测试系统中处理采集数据的需求,提出了一种基于神经网络与微分进化算法的自适应滤波器.在传统自适应滤波器结构中引入神经网络,提高了非线性处理能力;而微分进化算法则能保证全局最优解.试验表明,将改进后的滤波器应用于测试系统中具有较好的滤波效果,验证了该滤波方法应用于工业测控领域的正确性与可行性.     

改进微分进化算法在压缩感知中的应用

压缩感知是基于信号稀疏性提出的采样理论,它在压缩成像、医学图像、雷达成像、天文学、通信等领域都有广泛的应用.压缩感知问题的求解本质上是一个优化问题,本文在微分进化算法的基础上对其改进,提出了一种改进微分进化算法,将其应用于压缩感知问题的求解中,取得了良好的效果.     

基于目标空间划分的自适应多目标进化算法

目前,多目标进化算法在众多领域具有极高的应用价值,是优化领域的研究热点之一.分析已有多目标进化算法在保持种群多样性方面的不足并提出一种基于解空间划分的自适应多目标进化算法（space division basedadaptive multiobjective evolutionary algorithm,简称SDA-MOEA）来解决多目标优化问题.该方法首先将多目标优化问题的解空间划分为大量子空间,在算法进化过程中,每个子空间都保留一个非支配解集,以保证种群的多样性.另外,该方法根据每个子空间推进种群前进的距离,自适应地为每个子空间分配进化机会,以提高种群的进化速度.最后,利用3组共14个多目标优化问题检验SDA-MOEA的性能,并将SDA-MOEA与其他5个已有多目标进化算法进行对比分析.实验结果表明：在10个问题上,算法SDA-MOEA显著优于其他对比算法.     

基于微分进化算法的自适应滤波的应用

电流互感器综合特性测试仪使用了传统LMS算法自适应滤波.基于传统LMS算法自适应滤波的缺点之一是容易陷入局部最优解,从而影响滤波效果.微分进化算法是一种较新的全局优化方法,能够保证全局最优解.将微分进化算法应用于自适应滤波,并将该滤波方法应用于电流互感器综合特性测试仪,取得了预期效果.     

多目标微分进化改进算法及应用

微分进化算法作为一种新型、简单、高效的并行随机优化算法,近年来在许多领域得到了应用,多目标微分进化便是其中的一种。针对传统多目标微分进化算法中微分进化控制参数不能自适应调整、算法容易出现早熟和退化的现象,采用惯性权重参数自适应调整的控制策略以及改进的拥挤距离算法对多目标微分进化进行改进,并将改进后的算法用于控制系统PID参数优化仿真试验。结果表明,改进后的多目标微分进化算法具有较好的收敛性和分布性以及较高的搜索效率。     

联合紧支径向基函数和微分进化算法的电磁优化方法

针对工程电磁装置的优化设计问题,提出一种基于紧支径向基函数的近似模型和改进微分进化算法的组合优化方法。利用基于紧支径向基函数的近似模型得到多维设计空间中构造复杂目标函数和约束函数的显式函数关系。结合改进的微分进化算法获得精确度较高的全局最优解。实例分析和比较表明新方法的收敛速度和优化效率相对于其他的随机类优化算法和模型有明显的优势。     

基于混沌遗传算法的SVM特征和参数优化

为解决支持向量机(SVM)分类器的样本特征选择和参数优化问题,提出一种将特征选择和参数选择进行联合优化的方法。基于变尺度的混沌遗传算法,联合优化染色体编、译码,利用混沌的遍历性产生初始种群,改进遗传算法中的交叉算子,动态缩减寻优区间。将该方法应用于短波通信控制器的诊断分类器中,以实现分类器特征子集选取和参数的联合优化,结果表明该方法具有较强的寻优能力。     

求解0/1背包问题的改进人工鱼群算法研究

分析了人工鱼群算法求解组合优化问题的不足,提出一种改进人工鱼群算法。该算法针对背包问题的特点,采用随机键方法对待装载物品进行编码,利用物品的单位价值（价值-质量比）启发式信息进行解码,直接在编码空间上模拟人工鱼行为。使用优质解随机游走寻优、优质解保留劣质解被替换和劣质解随机游走寻优三个更新算子来改善人工鱼群的全局搜索能力。通过实例进行了算法测试和比较。算法测试表明：改进后的人工鱼群算法提高了收敛速度,增强了全局搜索能力。     

一种混合化学反应优化算法求解最小顶点覆盖问题

最小顶点覆盖问题是组合最优化问题,在实际应用中有较广泛的应用,是一个NP难问题。论文针对最小顶点覆盖问题给出了一种混合化学反应优化求解算法。首先根据无向图的邻接矩阵表示法,设计了参与化学化反应的分子编码和目标函数;同时把贪心算法思想创造性地融入到化学反应优化算法的四个重要反应算子中,以加快局部较优解的搜索过程;最后通过模拟化学反应中分子势能趋于稳定的过程,在问题的解空间中搜索其最优解。模拟实验结果表明,该算法对于求解无向图的最小顶点覆盖问题是有效的,并且在求解效率等方面有一定的改善。     

Adaptive niche quantum-inspired immune clonal algorithm

The adaptive niche quantum-inspired immune clonal algorithm (ANQICA) is proposed by combining the quantum coding, immune clone and niche mechanism together to solve the multi-modal function optimization more effectively and make the function converge to as many as possible extreme value points. The quantum coding can better explore the solution space, the niche mechanism ensures the algorithm to converge to multi-extremum and the adaptive mechanism is introduced according to the characteristics of each procedure of the algorithm to improve the effect of the algorithm. Example analysis shows that the ANQICA is better in exploration and convergence. Therefore, the ANQICA can be used to solve the problem of multi-modal function optimization effectively.     

一种新的动态编码方法的研究

提出了一种基于码表的动态编码的构建方法.利用知识对所求问题的指导和启发作用构建码表,有效地缩小了待求解问题的解空间,从而使遗传算法的搜索效率和获得最佳解的质量得到提高.文中分析了知识对编码效率的影响,最后通过工程优化设计的实例,说明动态编码技术的正确性和可行性.     

高维0-1背包问题的双种群角度调制DE算法

针对高维0-1背包问题,提出一种双种群新型DE算法。该算法采用双种群编码机制,其中一个为低维的实数编码种群,另一个为高维的二进制编码种群。借鉴通信领域的角度调制原理,通过低维种群中的个体,生成高维种群个体,实现将高维优化问题转换到低维空间进行优化求解。此外,新定义丢弃算子对演化过程中的不可行解实时进行修正。仿真实验结果表明了该算法求解高维0-1背包问题的有效性。     

Improved genetic algorithm based on multi-layer encoding approach for integrated process planning and scheduling problem

Integrated process planning and scheduling (IPPS) is of great significance for modern manufacturing enterprises to achieve high efficiency in manufacturing and maximize resource utilization. In this paper, the integration strategy and solution method of IPPS problem are deeply studied, and an improved genetic algorithm based on multi-layer encoding (IGA-ML) is proposed to solve the IPPS problem. Firstly, considering the interaction ability between the two subsystems and the multi-flexibility characteristics of the IPPS problem, a new multi-layer integrated encoding method is designed. The encoding method includes feature layer, operation layer, machine layer and scheduling layer, which respectively correspond to the four sub-problems of IPPS problem, which provides a premise for a more flexible and deeper exploration in the solution space. Then, based on the coupling characteristics of process planning and shop scheduling, six evolutionary operators are designed to change the four-layer coding interdependently and independently. Two crossover operators change the population coding in the unit of jobs, and search the solution space globally. The four mutation operators change the population coding in the unit of gene and search the solution space locally. The six operators are used in series and iteratively optimized to ensure a fine balance between the global exploration ability and the local exploitation ability of the algorithm. Finally, performance of IGA-ML is verified by testing on 44 examples of 14 benchmarks. The experimental results show that the proposed algorithm can find better solutions (better than the optimal solutions found so far) on some problems, and it is an effective method to solve the IPPS problem with the maximum completion time as the optimization goal.     

一种均衡网络流量的遗传算法

基于整数规划的多限制条件下流量分布优化数学模型,该文设计了一种基于遗传算法的优化算法来求解计算复杂度高的均衡网络流量问题,进行全空间并行搜索,采用自然数编码及选择交叉变异算子,结合最优个体保存策略进行选择,融入自动信息。仿真结果证明算法是有效的,改善了传统路由算法易于导致的网络流量分布不均衡的状况。     

基于粒子群优化的异构多处理器任务调度算法

为提高异构多处理器任务调度的执行效率,充分发挥多处理器并行性能,提出一种基于粒子群优化的异构多处理器任务调度算法——FPSOTTS算法。该算法以求得任务最短完成时间为目标,首先通过建立新的编码方式和粒子更新公式实现粒子搜索空间到离散空间的映射,使连续的粒子群优化算法适用于离散的异构多处理器任务调度问题;同时通过引入禁忌算法进行局部搜索,克服粒子群算法的早熟收敛现象,避免陷入局部最优。实验结果表明,FPSOTTS算法的执行效率优于Min-min算法和遗传算法,有效地降低任务的执行时间。FP-SOTTS算法很好地解决了异构多处理器任务调度问题,并且适合于大规模并行任务调度。     

DNA计算求解连续空间优化问题

首先构造了二进制编码的网络空间,其两个节点连接权的四条边对应到DNA编码,设计了相应的算子起到DNA计算酶的作用,该算法设计使得DNA计算能够求解连续空间优化问题。通过测试函数表明该算法具有较好的收敛速度和稳定性,求解结果非常好。