求解约束优化问题的一种改进的交叉人工蜂群算法

针对人工蜂群算法在求解问题的最优值时后期收敛速度慢、易于陷入局部极值的问题,提出了求解约束优化问题的一种新型人工蜂群算法:为提高算法的开发能力,在采蜜蜂和观察蜂阶段利用约束松弛度来处理等式约束,并采用Kukkonen和Lampinen工作机制改进边界约束处理方法;在侦察蜂阶段引入交叉算子代替侦察阶段的随机搜索,保证种群的多样性,提高算法的收敛速度。一组13个基准函数和4种工程设计问题的测试试验验证了算法的可行性和有效性,改进的交叉的人工蜂群算法在求解约束优化问题时其可开发性、鲁棒性、防局部最优、收敛速度和极值等方面较其他算法更优。     

求解离散优化问题的改进人工蜂群算法的研究

目的解决人工蜂群算法在求解连续优化问题时易陷入局部最优,收敛速度慢,而且算法在最初设计时不适用于离散问题的求解等问题。方法而0-1问题属于典型的二进制离散约束优化的NP-Hard问题,故提出了基于离散优化问题的人工蜂群算法(DABC)。首先,采用二进制编码方法,改进解的编码形式;其次,使用多维邻域搜索策略改进ABC算法的搜索策略,并在雇佣蜂阶段引入高斯变异,保持种群的多样性,加快算法的收敛速度。在侦察蜂阶段引入柯西变异算子,以增强算法的全局搜索能力,避免算法在迭代时陷入局部最优,进一步提高算法的效率和精准度。结果通过实验仿真验证了算法的有效性和高效性,当种群规模增大时,算法的收敛速度加快,从而验证了不同的参数值对算法的影响。结论改进后的算法在求解离散优化问题时确保种群的多样性,提高了算法的收敛速度、整体寻优能力和开发能力。     

改进麻雀搜索算法在优化林分空间结构求解中的应用

为了解决传统群智能优化算法在林分空间结构优化问题求解效率低、易陷入局部最优的缺陷。以小兴安岭地区带岭林业局东方红林场为研究区，以麻雀搜索算法为基础，采用循环混沌映射法对种群进行初始化，使麻雀种群分布更加均匀；应用萤火虫扰动策略增加了算法的搜索范围，加快算法的收敛速度，提高算法的准确性，以样地的树木数据进行了仿真实验。结果表明：森林评价指数由2.35提高到2.93,改进麻雀搜索能够快速收敛在最优值附近，跳出局部极值，有效地提高了算法的准确率和稳定性。     

一种新的混沌免疫遗传算法

将免疫算法、混沌与遗传算法相结合,提出了一种新颖的混沌免疫遗传算法,该方法利用混沌运动的遍历性、随机性来产生初始种群,加快搜索的速度;利用免疫原理的浓度计算及调整加入新的混沌序列来补充种群,增加种群的多样性避免陷入局部最优;交叉变异结束后在最优解附近再用混沌进行局部寻优提高解的精度。实验结果表明,所提出的算法能寻找到更好的优化结果,并且在搜索速度上明显优于遗传和免疫遗传算法。     

一种引入反向搜索机制的果蝇优化算法研究

针对基本果蝇优化算法求解复杂优化问题时全局搜索能力差,种群多样性偏低等问题,提出一种引入反向搜索机制的果蝇优化算法（RFOA）。该算法通过在搜索趋于停滞时计算果蝇个体和进化方向的夹角,挑选出一批和进化方向相反的果蝇个体并利用这些个体去探索新的最优解,从而跳出局部最优。通过标准测试函数进行仿真测试,实验结果证明,解决部分较为复杂的优化问题时,RFOA相比其他改进算法可以更有效地避免早熟收敛,加快收敛速度,提高收敛精度。     

基于2-Opt的MMAS算法解决TSP问题研究

蚁群算法解决TSP问题时的收敛速度慢、易陷入局部最优。提出了一种基于2-Opt的MMAS型蚁群算法,MMAS可以有效地提高收敛速度,在陷入局部最优后,利用2-Opt搜索算法对局部最优路径进行调整,提高了发现更优路径的可能性,且2-Opt算法简单、易于实现。实验证明,改进后的蚁群算法在收敛速度的提升和更优路径的发现能力上都得到了较大提高。     

基于改进差分进化算法的含风电场的电力系统无功优化

含风电场的电力系统无功优化是一种具有多状态、多约束条件的非线性规划问题.针对其存在易陷入局部最优的缺点,提出了改进的差分进化算法.在基本差分进化算法中,融入递增二次函数交叉算子以增加算法的收敛速度.当算法陷入早熟后,对最优个体和随机选取的个体采用随机扰动的变异策略,帮助其跳出局部极值.仿真算例表明:改进的算法能有效地寻找到全局最优解,明显提高收敛速度,具有良好的自适应特性.     

一种基于人工蜂群求解非线性方程组的优化算法

非线性方程组一直是工程应用和数学应用领域的重要研究方向,该方程组的求解方法是目前各领域的研究热点。传统的人工蜂群算法在运算过程中收敛速度较低,多峰是局部最优解的局限。基于差分进化算法,提出一种基于人工蜂群求解非线性方程组的优化算法。提出的改进算法加入了个体当前随机向量和最优值,促使运算收敛束缚的提升,避免了传统算法的不足,实现运算收敛速度和收敛精度的大幅度提高。     

一种改进的正弦余弦算法求解0-1背包问题

【目的】针对组合优化中的经典背包问题,提出了一种用于求解0-1背包问题的改进正弦余弦算法.【方法】按幂递减函数自适应调整参数r_1,较好地平衡算法的全局探索与局部开发能力;利用采蜜蜂算子和贪婪选择策略,加快算法的收敛速度,提高算法优化精度;通过侦察蜂算子,增加种群多样性,防止算法陷入局部最优;采用贪心变换算法和修正连续解算法对求解过程中的不可行解进行修复.【结果】求解10个经典0-1背包问题的仿真实验表明,改进算法在收敛速度、求解精度和成功率等方面明显优于基本正弦余弦算法,并与其它改进智能算法的优化结果相当.【结论】改进算法具有较高的优化性能,能较好地求解0-1背包问题.     

一种用于防止早熟收敛的改进遗传算法

针对遗传算法中的早熟收敛现象,提出了一种改进的遗传算法.该算法利用种群多样性算子产生较好的初始种群分布,并以该算子作为判断种群是否早熟收敛的依据.一旦出现早熟收敛或早熟收敛的趋势,则进行灾变,以恢复算法的进化能力.同时结合种群的最优个体和引入的随机种群,设计了一种包含选择、交叉算子的一般性算子,使算法能有效维持种群的多样性,快速找到全局最优解.