求解非线性方程组的智能优化算法综述

非线性方程组的求解是优化领域的一个重要研究课题.近年来,利用智能优化算法求解非线性方程组已成为一个重要方向.首先介绍非线性方程组的定义;其次,根据智能优化算法求解非线性方程组问题的基本框架,从转化方法和智能优化算法两方面入手,对求解非线性方程组的算法的研究进展进行归纳总结;再次,对非线性方程组的测试函数及评价指标进行描述,对比了5个具有代表性算法的性能,分析了目前利用智能优化算法求解非线性方程组亟待解决的问题;最后,指出值得进一步研究的方向.     

混合差分进化算法

为了克服差分进化算法容易出现早熟和收敛速度慢的问题,提出了一种混合差分进化算法.该算法在趋药性差分进化算法(CDE)的基础上,通过对较优个体进行变异操作,维护了种群多样性、避免早熟;通过将较差的个体与较优个体进行杂交,提高了开采能力、加快了收敛速度.基于这两种策略,算法的开采能力与探索能力达到了平衡.用该算法解决标准函数优化问题,并将仿真结果与其他算法进行比较,数值结果表明该文算法具有较快的收敛速度和很强的跳出局部最优的能力.     

不同增韧体系对PA66挡板座低温使用性能的影响

以6%EPDM-g-MAH、POE-g-MAH和LLDPE-g-MAH用于改善玻纤增强聚酰胺66(PA66-GF33)体系的韧性,研究了常温下它们对体系力学性能的影响,及其在-30℃和-50℃低温环境下体系缺口冲击强度的变化;考察三种增韧剂体系制成的加强型挡板座低温使用性能表现。结果表明,EPDM-g-MAH对PA66-GF33体系具有较好的低温韧性和加工性能;扫描电子显微镜(SEM)显示,EPDMg-MAH缺口冲击样条断裂面表现为韧性断裂;以EPDM-g-MAH为增韧剂含量的PA66-GF33体系作为原材料制备的挡板座产品耐低温冲击性能优于其他两种增韧剂。     

一种高效粒子群优化算法

针对标准粒子群算法收敛速度慢和易出现早熟收敛等问题,提出一种高效粒子群优化算法．首先利用局部搜索算法的局部快速收敛性,对整个粒子群目前找到的最优位置进行局部搜索;然后,为了跳出局部最优,保持粒子的多样性,给出一个学习算子．该算法能增强算法的全局探索和局部开发能力．通过对10个标准测试函数的仿真实验并与其他算法相比较,结果表明了所提出的算法具有较快的收敛速度和很强的跳出局部最优的能力,优化性能得到显著提高．