目标多个最优解的GA求解法及其运用

在寻求目标多个最优解的算法的基础上，提出了一种新的寻求目标多个最优解的GA求解法。通过分析组合优化问题的特点，对原来的小生境半径的自动确定方法进行改进，最后得出了一种新的方法。将此方法运用于防空群作战目标分配，通过仿真结果表明该算法操作简便，计算更快。     

基于小生境粒子群优化的船舶多路径规划方法

针对船舶全局路径规划中的多路径规划问题,提出一种基于小生境粒子群优化的多路径规划方法。借鉴遗传算法求解多峰函数的思想,在基本粒子群优化算法的基础上,引入小生境生成、隔离进化和交叉算子等策略,分别采用主群粒子进行区域划分,使用子群粒子完成区域内的局部寻优,从而实现船舶多路径规划。仿真结果表明,该方法能正确、有效地规划出多条最优及次优路径。     

小生境技术在遗传规划中的应用

为了提高遗传规划算法的性能,把遗传算法中的小生境技术运用到遗传规划中,提出了改进的遗传规划算法（NGP）。该算法首先对原始训练集进行数据拟合,然后应用小生境技术跟踪拟合函数的极值点,并根据拟合函数的维数的不同,分别计算极值点在自变量维上的欧氏距离并排序,选取欧式距离较大且数量不超过原始训练集10%的极值点,加入到原始训练集中作为新的训练集,最后用遗传规划算法处理新训练集。在符号回归实验中对NGP 的准确率进行了测试,说明了该算法的准确性和有效性。     

基于小生境技术的改进鲸鱼优化算法北大核心CSCD

针对标准鲸鱼优化算法全局搜索能力不足、收敛速度慢等问题,采用小生境技术和引入自适应权重对鲸鱼优化算法进行改进。首先,引入小生境技术中的竞争选择策略,通过比较距离添加共享函数计算适应度来提高鲸鱼算法的寻优能力,避免WOA算法陷入局部最优,解决算法早熟现象;其次,采用自适应参数作为位置权重调整鲸鱼算法的位置公式,提高算法的收敛速度和寻优精度。将该算法引入单峰和多峰模态基准测试函数中,仿真实验表明,在保证算法收敛速度的同时,所提出的改进鲸鱼优化算法有效地提高了搜索能力和寻优精度。     

基于混合遗传算法的操作臂最优路径规划

提出了一种将小生境遗传算法与SWIFT算法相结合的混合遗传算法,用于冗余度操作臂的最优路径规划。针对目标物体在空间的位置和姿态确定的情况下,操作臂如何选择一条满足关节转角约束,且使所有关节转动角度之和为最小的最佳路径这一问题,给出了算法的实现过程。最后通过试验函数和9自由度操作臂的仿真结果,验证了该算法的正确性和可行性。     

基于小生境粒子群算法的公差多目标优化设计

为解决产品设计中的公差优化问题,提出一种基于小生境粒子群算法的公差多目标优化方法。以加工成本、质量损失成本和公差敏感性为优化目标,以装配功能要求和加工能力为约束条件,建立了公差多目标优化模型。对标准粒子群算法进行改进,根据小生境数和Pareto优劣性确定孤立粒子,并通过个体历史最优粒子与孤立粒子的变异、选择操作更新粒子的个体历史最优位置;利用Pareto支配数排序更新粒子群的全局最优位置。利用改进的粒子群算法对公差多目标优化模型进行求解,得到分布均匀的Pareto前沿。设计并开发了原型系统,通过实例验证了该方法的有效性。     

面向离散文本舆情分析的分聚类方案

离散文本已经成为一种占据重要地位的舆情信息表现形式,根据离散文本的特点,提出基于特征概念网的离散文本舆情信息的分聚类框架,在此基础上给出分聚类方案。在聚类算法中,运用了遗传算法的全局并行搜索能力、k—means的高效局部聚类能力和小生境的保持种群多样性抑制漂移能力;在分类算法中,先将训练文本库进行类内聚类成子类,对子类构建特征概念网以生成替代该子类的文本,再用KNN算法进行分类。最后结合舆情分析进一步提出了可用的改进方案。     

基于并行小生境技术优化的智能模糊聚类图像分割算法

利用PBM模糊聚类有效性函数以图像特征空间为搜索空间,实现有效性函数的全局寻优,用并行小生境技术解决粒子群(PSO)算法的早收敛问题,优化聚类的全局收敛性能,实现有效聚类数目与聚类中心的并行寻优。通过对遥感图像分割的实验证明,与传统粒子优化群算法的分割结果相比,本文算法拥有更高的有效性且分割效果更优。     

适应大规模风电接入的电力系统旋转备用优化模型与求解

以经济性为评价指标,综合考虑系统有功平衡、机组爬坡和有功约束、节点电压约束、线路热稳极限和旋转备用总量需求等条件,建立了含风电的随机最优模型。通过场景生成和消减,建立了风功率的随机模型,并最终得到了在预测误差范围之内的10种风功率出力场景。在求解算法方面,引入了基于模糊聚类的改进小生境遗传算法,并在IEEE10机39节点系统进行了仿真验算,得到系统在多个场景下的出力曲线和旋转备用容量要求。结果表明,改进小生境遗传算法与其它算法相比,在保证系统安全运行的前提下,可以有效降低系统的运行费用。     

改进的小生境遗传算法在铁道车辆优化设计中的应用

选取合适的优化方法对铁道车辆转向架悬挂参数进行优化,能有效提高车辆的动力学性能。遗传算法是一种多参数多目标优化方法,提出了采用改进的小生境遗传算法,以某铁道车辆转向架悬挂参数为设计变量,针对车辆的稳定性进行了优化设计。结果显示,通过改进的遗传算法优化出的悬挂参数能有效提高车辆的稳定性,优化后车辆的临界速度到达了600 km/h,而通过基本遗传算法和单目标优化方法得到的临界速度分别仅为500 km/h和520 km/h。研究表明,改进的小生境遗传算法能很好的实现悬挂参数间的合理匹配,优化出良好的动力学性能。