基于鱼群算法的多维背包问题研究

将鱼群算法应用于求解多维背包问题,提出一种求解多维背包问题的鱼群算法,MKPAFSA。定义MKPAFSA中的各元素,且引入启发因子和动态因子,并对鱼群算法进行了改进和优化。它减少了人工鱼的搜索时间,有效改善了鱼群算法后期收敛较慢且一般仅能得到满意解域的缺陷。仿真试验取得了较好的结果。     

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。     

改进的克隆选择算法求解0——1背包问题

提出了一种改进的克隆选择算法(Improved CSA),该算法采用贪婪策略与宽限边界值相结合的方法,利用未成熟优良子群体提供的信息修改个体基因位来改善种群质量;同时增加一个历史至当前代最佳个体记忆单元防止种群退化.通过对2个0-1背包问题的仿真实验表明:该算法比一般CSA算法和遗传算法能更快的找到最优解;其搜索效率更高,性能更加稳定.     

使用贪心模拟退火算法求解WTA问题

目的针对当前常用智能算法在求解武器-目标分配问题时存在的不足,将贪心算法思想融入模拟退火算法中,构建贪心模拟退火算法。方法贪心模拟退火算法的思想是基于模拟退火算法容易陷入局部最优解这一缺陷,将贪心思想融入模拟退火算法中,在每次模拟退火算法产生新解后对其进行局部贪心搜索,寻找到更优解,进而提高求解质量。结果分别使用相同的数据,采用遗传算法、神经网络算法以及贪心模拟退火算法对5个案例进行求解,均得到了最优解。结论贪心模拟退火算法的求解结果远远优于其他2种算法,证明了方法的有效性。     

货郎担问题求解算法探讨

货郎担问题是运筹学中一个古老而著名的问题,有重要的研究和使用价值。货郎担问题是指求解货郎在城市间旅游的最短回路问题,目前较成熟的算法有贪心算法、动态规划、回溯法、分枝定界法等。本文主要探讨使用贪心技术和分枝定界技术来求解货郎问题的一个具体实例,并用图示的方式给出这两种算法的求解过程。     

一种多维背包问题的n进制编码遗传求解算法

针对传统二进制编码求解多维背包优化问题时算法复杂度高和容易早熟收敛等问题,提出了一种解决多维背包问题的n（n〉2）进制编码遗传算法。该算法采用n进制编码初始化种群,使用变异和交叉算子进化种群,通过修正算子修正不可行解,以保证解满足约束条件,然后利用非劣解集更新算法优化最优前端,使其扩大覆盖率,保证均匀性。20次随机试验结果表明,该算法可有效克服早熟收敛,能够保持种群多样性和求解精度,具有解决复杂多维背包问题的能力。     

中国邮递员问题的匹配算法

中国邮递员问题是运筹学中一个重要问题。提出了一种求解中国邮递员问题的匹配算法。该算法利用贪心方法对奇度顶点进行配对;然后,将配对的边加入原图得到一个欧拉图;所得欧拉图的欧拉回路为近似的投递路线。仿真试验表明,该算法是有效的。     

涉及无限族严格伪压缩映象的广义混合平衡问题的混合迭代算法

用KKM技巧研究了涉及无限族严格伪压缩映象的广义混合平衡问题解的迭代逼近,得到了该迭代算法强收敛于无限族严格伪压缩映象的公共不动点集与广义混合平衡问题的解集之公共元素的结论.     

二次0-1型整数规划的线性化求解

对目标函数为二次、约束条件为线性的二次规划问题,如果采用一定变换将其变为普通的线性规划,这既能保证结果的正确性,又可以大大地简化计算。讨论了二次0-1型整数规划的线性化求解:将二次0-1型整数规划问题等价转化为一次函数的线性0-1型整数规划问题,这样可以有效地简化求解。并给出了二次0-1型整数规划问题等价转化为线性0-1型整数规划问题的理论证明。实例分析进一步说明了该方法的适用性和可行性。     

完全广义混合隐拟似变分包含问题解的预测矫正算法

应用辅助变分不等式技巧,提出了解完全广义混合隐拟似变分包含问题的预测-矫正迭代算法．通过引入单值映射的g-偏松弛倒η-强单调性和集值映射的关于h的g-偏松弛强η单调性的概念,证明了由这个算法所产生的迭代序列的收敛性．     

完全广义混合隐拟似变分包含问题解的预测矫正算法

应用辅助变分不等式技巧,提出了解完全广义混合隐拟似变分包含问题的预测-矫正迭代算法. 通过引入单值映射的g-偏松弛倒η-强单调性和集值映射的关于h的g-偏松弛强η单调性的概念,证明了由这个算法所产生的迭代序列的收敛性.     

符号——数值混合方法求解偏微分方程的算法设计与实现

本文作出了将符号计算方法和数值计算方法结合起来求解偏微分方程的研究工作，这是求解比较复杂的偏微分方程的新途径。本文的意义在于给出求解复杂的偏微分方程的新思维和新方法。在求解过程中，运用了计算机代数的有关知识并且借助了计算机代数系统中的Maple和Matlab软件，求解过程简易可行。     

基于平均值的混合蛙跳算法

针对基本混合蛙跳算法收敛速度慢,容易陷入局部最优的问题,提出了基于平均值的混合蛙跳算法.该算法将基本蛙跳算法中子群的平均值,通过2种不同的更新策略分别引用到混合蛙跳算法的局部搜索中,对算法的更新策略进行了适当改进,以期提高混合蛙跳算法的局部搜索能力.结果表明:更新策略1将子群的平均值与局部更新策略相结合,使算法在搜索过程中加快搜索速度,提高了局部搜索能力;更新策略2则通过采用自适应概率随机将子群的平均值取代子群部分最优个体进行策略更新,使算法在局部搜索时提高了寻优能力,有效的避免算法陷入局部最优.通过对5个测试函数进行优化,并同基本混合蛙跳算法和文献中改进的算法进行比较,结果表明:该算法可以有效的避免局部搜索过早收敛,具有较好的优化性能.     

基于混合粒子群算法的云计算任务调度研究

任务调度是云计算系统可靠运行的关键,云计算环境中要处理的任务量巨大,考虑到云计算任务调度和QoS的优化问题,提出一种混合粒子群优化算法用于云任务调度。算法中引入遗传算法的交叉和变异思想,并结合随迭代次数变化的变异指数,保证种群进化初期具有较高的全局搜索能力,避免出现“早熟”,同时将爬山算法引入粒子群算法,改善局部搜索能力。实验结果显示该算法具有很好的寻优能力,是一种有效的云计算任务调度算法。     

求解TSP问题的混合离散粒子群算法

重新定义了离散粒子群算法DPSO的速度和位置公式,使其适宜求解离散问题.针对DPSO易早熟、收敛慢的缺陷,建立局部极小区域的扰动机制,在结合局部搜索算法PSEC后,提出了一种混合离散粒子群算法HDPSO.     

综合利用水库兴利调度非线性算法的分析研究

针对综合利用水库的兴利调度提出动态规划和模糊算法两种非线性计算方法。以 陕西石头河水库为对象,分别应用上述两种算法,并对计算结果进行了分析比较。     

基于蚁群-粒子群混合算法的水资源优化配置研究

【目的】对区域水资源的合理优化配置进行研究,为区域经济的发展、水资源的合理开发利用和节水型社会的建立提供参考。【方法】建立以经济、社会、生态环境效益为目标函数,各目标加权和为最优解的水资源优化配置模型,采用蚁群-粒子群混合算法对模型进行求解,并对渭北工业区进行水资源优化配置的实例分析,通过原供水量与优化配置水量的比较验证所建立模型的合理性。【结果】经计算,75%保证率下渭北工业区水资源的配置结果为:2015年地表水、地下水、外调水、中水供水量分别为1 747.30,13 244.84,12 905.95和1 060.23万m3;2020年各水源供水量分别为2 019.19,12 214.42,23 530.42和1 798.60万m3;与原始供水量相比,2015年和2020年总供水量分别减少312.73和421.11万m3,表现在农业供水量减少,生活、工业、生态用水均达到供需平衡。【结论】基于蚁群-粒子群混合算法的水资源优化配置结果合理,可作为研究区水资源合理开发利用决策的参考;蚁群-粒子群混合算法收敛速度快,寻优性能优越,可用于水资源优化配置的分析。     

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.     

基于期望最大算法的高斯混合模型参数估计

高斯混合模型（GMM）已在图像处理和计算机视觉领域得到了广泛应用,对于该GMM模型中各项参数的估计依然是一件值得研究的问题。采用期望最大算法（EM）来估计该模型对应的多参数,并给出其详细的推导过程。试验结果表明,EM算法在估计GMM模型中各项参数时具有很强的鲁棒性,并取得了很好的效果。