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。     

基于一致分布佳点集改进的交叉人工蜂群算法

目的 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,利用数论中的佳点集和一致分布原理,结合其他仿生智能优化算法的机制对人工蜂群算法进行了深入的改进,提出了一种基于一致分布佳点集改进的交叉人工蜂群算法(CGABC).方法 首先,利用数论的一致分布佳点集原理建立算法的初始化模型,以保证种群在搜索空间的均匀分布;然后,通过交叉方式进行迭代更新位置,以维持种群的多样性,防止算法陷入局部最优;最后,通过实验选取了4个工程问题和7个标准测试函数进行实验仿真.结论 结果 表明,与ABC算法、GABC算法等其他算法相比,CGABC的收敛速度及精度均有明显提高,增强全局寻优能力,有效地避免种群个体陷入局部最优,解决了多模态的优化问题.     

Gauss-Newton法恰2阶收敛性及其有效实现

研究求解零残差非线性最小二乘问题的算法。给出了保证Gauss-Newton法恰2阶收敛的条件,在此基础上构造了利用条件预化共轭梯度法求解Gauss-Newton方程的新的有效算法。新算法与传统的使用Choleski技术的Gauss-Newton法具有相同的收敛速率,但在求解Gauss-Newton方程组时减少了代数运算的计算量。如维数n＝200时,其计算量大体可减少35％,且当n趋于无穷时,两者的计算量之比以In2／Inn的速度趋于零。     

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。     

求解非线性方程组的一种改进的ABS算法

给出了非线性方程组分量方程的一种非线性度量,根据这种度量,提出了求解非线性方程组的一种改进的ＡＢＳ算法,用该算法将较少的计算量用于非线性程度较低的分量方程,将较多的计算量用于非线性程度较高的方程。初步的数值试验结果表明,与原来的非线性ＡＢＳ算法相比,大多数情况下,改进后的算法收敛速度较快。     

基于混沌机制的人工蜂群算法优化的支持向量机分类器

支持向量机的分类性能在很大程度上取决于其相关参数的选择,为了改善支持向量机的分类准确率,本文采用基于混沌机制的人工蜂群算法对其参数进行优化。在传统人工蜂群算法的基础上,采用Logistic混沌映射初始化种群和锦标赛选择策略,进一步提高人工蜂群算法的收敛速度和寻优精度。该方法采用分类准确率作为适应度函数,利用人工蜂群算法对支持向量机的惩罚因子和核函数参数进行优化。通过对多个标准数据集的分类测试,证明基于混沌机制的人工蜂群算法优化的支持向量机分类器能够获得更高的分类准确率。     

基于改进人工蜂群算法的生鲜农产品配送路径优化

为提高生鲜农产品的物流配送效率,降低配送过程中的综合成本,以配送总成本最小化为优化目标,通过引入时间价格成本,结合配送固定成本、运输成本和惩罚成本构建成本函数最小化模型。基于该数学模型,运用改进的人工蜂群算法对模型进行求解,算法中采取中位数选择策略来代替原有的轮盘赌选择策略,并在解的更新阶段引入禁忌表,有效解决了算法容易过早陷入局部最优的问题,并使得算法的收敛速度提高40%。通过算例验证了本文模型和算法的有效性,有一定实践指导意义。     

混合不精确牛顿法

林正华提出的一个求解非线性方程组的混合牛顿与二阶拟牛顿迭法是有效的，但有缺点，本文中提出了一个改进的算法：在每一迭代步，只需求解线性方程组的近似解。在合理的假设下证明了本算法具有与林算法相同的收敛性质。     

基于改进粒子群优化算法的可用输电能力求解

针对可用输电能力问题的复杂性,非线性及控制变量的多样性,使用一种改进的粒子群优化算法求解,建立了基于最优潮流的可用输电能力的求解模型.建立了自适应惯性权重策略,使用动态压缩搜索空间策略对控制变量的约束空间进行动态的调整.IEEE_30节点算例验证了所提算法的有效性和准确性,结果表明:在保留了标准粒子群算法的固有优势的前提下,进一步增强了算法的收敛能力,提高了算法的适应性和收敛速度.     

解非线性方程组的一类多重分裂加性Schwarz算法

讨论求解一类非线性方程组的多重分裂加性Schwarz算法和两水平多重分裂加性Schwarz算法，分析其收敛性和收敛速度并建立了收敛性理论，这类算法结合多重分裂和加性Schwarz算法，具有很好的并行性能，因而特别适合于并行计算．数值算例证实了算法的有效性．     

基于改进蜂群算法的模糊需求冷链物流车辆路径优化

针对基本人工蜂群算法容易早熟收敛等问题,提出了3种邻域生成策略,并对当前解进行局部搜索和进化。仿真试验表明,该算法在求解相关问题上具有有效性,对求解用户模糊需求下的冷鲜品冷链物流车辆路径优化问题具有一定的参考价值。     

时变网络拓扑图下智能电网中基于优化算法的分布式调度响应

就时变网络拓扑图下智能电网中基于优化算法的分布式调度响应问题进行了研究.利用原对偶方法将带有约束的智能电网优化问题转化为一个无约束的优化问题同时提出相应的求解算法.该算法允许不同发电机之间采用异构常数步长进行更新,同时给出了算法的收敛速度.理论推导表明文中所提出的算法能以线性收敛的速度达到该问题的最优解.     

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.     

改进的人工蜂群算法在作业调度中的应用

人工蜂群算法是一种模拟蜜蜂觅食行为的人工智能优化算法.作业调度问题是指在一个系统内通过某种方式分配工作以达到工作效率或资源分配最优.在本文中,将遗传算法的变异和杂交操作插到传统的人工蜂群算法中,从而提出一种改进的人工蜂群算法.变异操作在雇用蜂阶段后插入,杂交操作在跟随蜂阶段之后插入.实验表明,本文的改进人工蜂群算法在作业调度中的作用是有效的、显著的.     

基于并行人工蜂群算法的含DG的配电网重构

配电网重构属于非线性多目标优化问题,文章中建立了以网络损耗与节点电压偏差最小为目标的含分布式电源的配电网重构模型,并运用并行人工蜂群算法进行了求解,得到了兼顾网络损耗与节点电压偏差的最优网络拓扑模型。本章中采用了基于环网的编码方式,减少了算法寻优过程中不可行解的产生,提升了算法效率;通过引入混合蛙跳思想的进化方式,使种群的新个体得以生存,加强了种群的进化能力,使算法的全局搜索能力得到提高。将并行人工蜂群算法应用于IEEE33节点配电系统,运用MATLAB软件对加入分布式电源后的配电网的重构模型进行了仿真分析,与其他算法进行比较,网络损耗减少17. 5%,最低点电压升高14. 3%,仿真结果验证了并行人工蜂群算法的有效性。     

基于改进基因表达式程序设计的菠菜价格建模及预测

基因表达式程序设计(GEP)是一种基于基因型和表现型的新型进化算法。针对传统GEP遗传算子进行建模及预测时容易受到噪声干扰,导致过早收敛,陷入局部最优等缺点,提出了一种新型GEP算法,增加了"倒串"和"基因提取"算子,该新型算法可以提高基因的有效利用率,具有更高的收敛速度和求解精度,且能更好的避免早熟现象。将该新型GEP算法用在菠菜价格预测上,通过对训练数据进行分析和进化创建数学模型,实现菠菜价格的仿真与预测,通过多组实验证明,该新型基因表达式程序设计算法在菠菜价格预测上具有更快的收敛速度和更高的精度。     

依据非线性程度改进的非线性ABS算法

提出了求解非线性方程组ｆｉ（ｘ）＝０，ｉ＝１，２，…ｎ的一种改进的ＡＢＳ算法，用该算法只花费较少的计算量于非线性程度较低的分量方程，而将较多的计算量分配给非线性程度较高的方程。初步的数值试验表明，多数情况下这种方法比原来的非线性ＡＢＳ算法收敛快。     

基于量化正交免疫克隆粒子群算法的水电站水库优化调度研究

【目的】解决传统粒子群算法在求解水库优化调度问题中存在的早熟、收敛速度慢和易陷入局部最优的问题。【方法】基于抗体克隆选择学说理论,提出了一种量化正交免疫克隆粒子群算法(OICPSO/Q)。采用正交交叉策略来增强子代个体解分布的均匀性;通过接种疫苗和计算亲合度等操作,对算法的进化过程进行有目的、有选择地指导,使得算法快速收敛,同时保持一定的多样性,抑制了早熟现象。提出一种自学习算子,避免个体邻域内最优解的丢失。建立了基于量化正交免疫克隆粒子群算法的水库优化调度数学模型,并给出其具体的求解步骤。最后应用该方法与标准粒子群算法(SPSO)及动态规划方法进行比较。【结果】与SPSO算法和动态规划方法计算结果相比,OICPSO/Q算法计算时间明显降低,但发电量明显增加,说明OICPSO/Q算法可提高解的精度,加快其收敛速度,其性能优于标准粒子群算法和动态规划方法。【结论】OICPSO/Q算法为求解水库优化调度问题提供了一条新的有效求解途径。     

面向多模态函数的自适应混沌爬山微粒群算法

针对微粒群算法在多模态函数优化中难以找到全部极值点以及陷入局部最优和后期收敛速度慢等缺陷,提出了一种基于熵的自适应混沌爬山微粒群算法.算法根据熵的值来衡量种群多样性,当发现种群多样性匮乏时,采用动态混沌机制增强多样性;后期融入了局部收敛速度较快的爬山算法提高微粒群算法的后期收敛速度.4种典型多模态函数测试结果表明该算法在求解复杂多模态函数优化问题方面的可行性。