一种二元单亲演化差基因变异算法

设计了一种新的单亲遗传算法,该算法对个体和基因分别计算其适应值,并将适应值最差的基因 进行变异,从而大大提高了遗传算法的全局收敛速度。以n皇后问题为例,采用这种算法求解3000个皇 后问题所用时间平均约为55min,而求解100个皇后问题所用时间平均只有约124ms。实验表明,该算法 不仅能在短时内找到全局最优解(精确解),而且具有良好的稳定性。     

基于Memetic算法的多模式约束项目调度问题研究

为解决多模式资源约束项目调度问题(MRCPSP),在建立数学模型基础上,提出一种改进的Memetic算法对模型进行求解.该算法利用遗传算法进行全局搜索,采用针对活动执行模式的整数编码方式,基因的值表示活动的优先权和执行模式,每条染色体对应一个满足资源约束的项目调度方案,种群在交叉和变异后采用模拟退火算法进行局部优化.实例仿真结果表明了该算法的有效性和高效性.     

改进蚁群算法在配电网规划中的应用

电网优化规划是一个复杂的非线性组合优化问题,目前对于该问题的求解仍存在计算速度和收敛性问题.为解决这个问题,提出了一种通过动态调整信息素挥发因子ρ来控制其正反馈过程的改进蚁群算法,提高了网络优化规划过程中得到全局最优解的概率和收敛速度.算例分析结果表明:规划结果符合实际,并在相同参数下,改进蚁群算法的迭代次数减少约一半,充分验证了该方法的实效性.     

求解对称非线性方程组的 MPRP型Derivative-Free算法

通过将对称非线性方程组转化为等价的无约束优化问题,并借助求解无约束优化问题的共轭梯度法的思想, 提出了一种用于求解对称非线性方程组的MPRP型Derivative-Free算法.该算法保留了共轭梯度法存储量少的优 点,适用于求解大规模的对称非线性方程组.同时,该算法始终能产生下降方向,并且在适当的条件下具有全局收 敛性.数值试验结果表明该算法是求解对称非线性方程组的一种有效算法.     

求解二层线性规划问题的交互式人工蜂群算法

基于人工蜂群算法提出了一种求解二层线性规划问题的交互式人工蜂群算法,即将求解二层规划问题转化为交互求解下层单目标规划问题和上层单目标规划问题。数值试验表明,该算法能够在较短的时间内得到问题的近似最优解,说明该算法是一种求解二层线性规划问题的有效方法。     

无约束优化问题的差分进化算法求解

许多复杂的无约束优化问题不存在多项式时间复杂度的求解算法,为一类NP-难的问题。基于差分进化算法具有全局优化性能好,结构简单和易于实现的特点,提出了求解无约束优化问题的差分进化算法。数值试验结果验证该算法是可行有效的。     

一类非单调三参数共轭梯度算法研究

虽然求解无约束优化问题共轭梯度方法的算法程序便于计算机上实现,但难于建立算法的全局收敛性理论.为弥补其不足,研究了一类新的共轭梯度算法.该算法搜索方向的构造中引入了3个参数,且通过合适地选取这些参数保证了所得搜索方向不依赖于线搜索技术,是目标函数的恒充分下降方向.以此为基础,提出了一种求解无约束优化问题的非单调三参数共轭梯度法,并在一定的假设条件下建立了算法的全局收敛性理论.数值实验进一步验证了这种算法比同类算法更有效.     

基于免疫克隆算法的物流配送车辆路径优化研究

物流配送车辆路径优化问题是近年来物流领域中的研究热点，该问题属于NP难题，较难得到最优解和满意解．在物流配送车辆路径优化问题数学模型的基础上，构造了一种免疫克隆算法来求解该问题，并在算法中引入了克隆选择、克隆删除、受体编辑、体细胞高频变异、抗体循环补充等思想．仿真计算结果表明，免疫克隆算法能快速收敛于全局最优解，克服了遗传算法中易陷入局部最优解和收敛速度慢的缺点，可有效地解决物流配送车辆路径优化问题．     

模拟退火算法在边坡稳定分析中的应用研究

模拟退火算法是1种求解组合优化问题全局最优解的有效算法.本文通过建立可适用于边坡在任意复杂条件下进行最危险滑裂面的稳定性分析的优化数值分析模型,首次运用模拟退火算法和随机搜索法,提出了搜索最危险滑裂面的位置的数值分析算法,结合工程实际进行了分析.结果表明,该算法是可行的和高效的.     

DP-ADPSO算法在机组负荷优化组合分配问题中的应用

针对离散粒子群应用于机组负荷优化问题中存在早熟收敛的难题,提出了动态规划-自适应离散粒子群算法求解机组负荷优化组合问题.该方法首先保证所有随机生成的粒子均为满足基本约束条件的可行解,使整个算法只在可行解区域内进行动态优化搜索,缩短了计算时间.计算实例表明:动态规划-自适应离散粒子群算法能较好地收敛到最优解,而且该方法得出的解具有精度高、收敛速度快的优点,应用效果优于动态规划法和离散粒子群算法,说明该方法是有效的、合理的,具有较好的应用前景.