蚁群算法在LQ最优控制逆问题中的应用

蚁群算法是一种模拟进化算法，初步的研究表明该算法具有许多优良的性质．研究了一种可用于求解连续空间优化问题的蚁群算法策略，针对SISO离散时不变控制系统，在给出了加权矩阵Q与状态反馈阵K的取值范围确定方法的基础上，应用连续性空间优化问题的蚁群算法模型求解了离散LQ逆问题。仿真结果表明蚁群算法在求解控制优化问题中的有效性。     

基于并行文化微粒群优化算法的非线性方程组解法

并行文化微粒群优化算法是一种改进的微粒群优化算法,具有较强的全局搜索能力.将非线性方程组的求解问题转化为函数优化问题,应用并行文化微粒群优化算法求解非线性方程组的解.计算中不需要使用目标函数的导数信息和初始点信息,数值实验结果表明了该算法的有效性和可行性.     

N皇后问题的回溯算法改进

回溯算法是解决N皇后问题的经典算法。在分析N皇后问题的解结构的基础上,优化了利用回溯法求解N皇后问题的解空间树,并改进了互不攻击的条件,大大地减少了比较次数和求解的复杂度,通过理论分析和实验证明了改进算法的可行性。     

求解组合优化问题的混合动力学演化算法

该文在对组合优化问题的各类求解算法的研究基础上,基于动力学演化算法的统计力学原理,将局部搜索与模拟退火的策略融入整个算法的设计框架,提出一种新的求解组合优化问题的混合动力学演化算法。该文通过最大独立集问题仿真试验证明了算法的有效性,在较少的计算量下,得到令人满意的结果。     

基于自适应蚁群算法的最短路径搜索方法研究

最短路径问题是指在一个赋权图的两个节点之间找出一条边权和最小的路径,是图论中的一个经典问题,该问题和TSP等经典的组合优化问题具有很大的相似性,也属于组合优化问题.蚁群算法是一种新型的模拟进化算法,为求解复杂的组合优化问题提供了一种新的思路.本文应用蚁群算法求解最短路径问题,对选择策略、信息素挥发系数进行白适应地调整,避免算法出现早熟和停滞现象,并能较快地收敛到全局最优解.实验结果表明,该方法能有效解决最短路径搜索问题.     

十杆桁架优化设计的微分演化算法研究

本文针对传统优化算法通用性差、效率不高,以及一些现代智能算法求解复杂优化问题收敛性不佳等问题,提出了一种基于微分演化算法的桁架优化设计新方法.最后通过时十杆桁架问题的求解,与传统的优化算法和遗传算法进行了比较.教值结果表明,微分演化算法收敛速度快,且结果更为精确.     

求解组合优化问题的混合动力学演化算法

该文在对组合优化问题的各类求解算法的研究基础上,基于动力学演化算法的统计力学原理,将局部搜索与模拟退火的策略融入整个算法的设计框架,提出一种新的求解组合优化问题的混合动力学演化算法.该文通过最大独立集问题仿真试验证明了算法的有效性,在较少的计算量下,得到令人满意的结果.     

基于蚁群优化的协作学习模式研究

蚁群算法是一种求解复杂组合优化问题的启发式算法,但收敛速度慢且搜索时盲目性大。在协作学习模式中为了进行合理分组和提升学生的协作学习能力,提出了一种在外加信息素的干扰下改进型的蚁群算法,并实现两者的有效融合。实验结果表明,蚁群优化在学生的协作学习中表现出较强的优越性,能较好地求解非线问题,并能达到全局最优的解。     

基于求解TSP问题的ACA-GA-PSO算法

为了有效求解TSP问题,提出一种融合蚁群算法、遗传算法、粒子群优化算法思想的混合算法。该算法基于最大-最小蚁群系统框架,在选择下一个城市时采用局部搜索策略避免陷入局部最优,在每次循环结束时用演化交叉策略优化得到的全局最短路径,从而提高求解TSP问题的求解精度及收敛速度。TSPLIB中不同规模的TSP问题的仿真实验结果表明了该算法的有效性与可行性。     

基于禁忌算法的长沙移动网络优化

移动网络优化问题是一个NP难问题,所以它并不能保证在合理的运行次数里就找到最优的方案。常用的人工智能求解优化问题有遗传算法、蚁群算法和禁忌算法。相对于这几种算法在离散对象的组合优化问题中优势比较明显,而禁忌算法更容易跳出局部极值从而能在更大的范围内寻找到一个较优解。我们开发的基于禁忌算法的长沙移动网络优化软件,通过科学分析采集的数据,从而解决话务阻塞和掉话问题,优化了网络,提高了长沙移动的网络质量。     

基于混合搜索策略的蝴蝶优化算法

蝴蝶优化算法一种模仿蝴蝶觅食行为群智能优化算法,充分利用蝴蝶的嗅觉来确定食物源的位置上,但是该算法与其他智能算法一样,也存在一些缺点和不足如收敛速度和求解精度等方面的问题,本文提出一种混合搜索策略蝴蝶优化算法,在搜索的过程引进柯西搜索算子项使算法的局部搜索能力有所改进,最后通过标准函数测试,结果表明收敛速度和求解精度都...     

基于改进的蚁群算法求解物流订单派送问题

物流定单派送问题是现代物流配送服务的关键环节之一,需要设计一个快速有效的求解算法。为此,构建了物流定单派送路径优化问题的数学模型,设计了一个改进的蚁群算法来求解该问题。仿真试验结果表明,该算法具有较好的全局寻优能力,收敛速度快,是解决物流定单派送问题的有效算法。     

演化计算在多目标优化问题中的应用

多目标优化问题是一类很普遍的问题。演化算法是一种通过模拟自然界的生物演化过程搜索最优解的方法,用于求解多目标优化问题有其独特的优势。系统介绍了多目标演化算法特点、需要解决的关键问题、算法框架、算法实现及应用趋势。     

基于混沌免疫克隆选择算法的TSP问题求解模型

针对标准免疫克隆算法在求解TSP问题的过程中还存在收敛性不好、效率低下等问题。本文设计了一种以非线性混沌优化免疫克隆算法为基础的TSP问题求解模型,最先运用混沌变量完成抗体编码,利用混沌机制等产生克隆初始种群,然后对后代进行克隆,并将混沌算法引入到免疫克隆变异中,在进化中将混沌变量映射到实际优化问题中计算抗体的亲和度,之后再优化选择算子,为种群的多样性提供保证。实验仿真结果表明,本文提出的改进IA算法在执行时间和迭代次数上都优于传统免疫算法,在收敛问题上,比传统免疫算法更具有优势。     

蚁群算法简介

介绍了一种求解复杂优化问题的启发式算法--蚁群算法,并列举了其在部队物流管理中的应用案例.该方法通过模拟蚁群对"信息素"的控制和利用进行搜索食物的过程,达到求解最优结果的目的.它具有智能搜索、全局优化、稳健性强、易与其它方法结合等优点,适用于解决组合优化问题,包括运输路线优化问题.     

遗传算法在优化求解中的应用

遗传算法是一种通过模拟自然界的生物演化过程搜索最优解的方法,用于求解优化问题有其独特的优势。系统介绍了遗传算法特点、算法框架、以及遗传算法求解优化问题的应用过程。     

前馈神经网络连续二元蚁群训练模型

提出了一种用离散模型逼近连续模型进而求解连续域上的优化问题的蚁群优化算法Binary-ACO,并将Bi-nary-ACO与经典BP训练算法进行混合（LMBP和SDBP）应用于多层感知机的训练问题中,并在3个测试数据集上进行对比实验。实验结果证明单一蚁群优化算法作为一种通用的优化算法在前馈神经网络训练问题中的性能无法与经典的BP算法相比较,但是蚁群优化算法和BP经典训练算法结合的混合算法表现性能优良。两种混合算法（Bi-nary-ACO-sdbp和Binary ACO-lmbp）都获得了相当良好的解,特别是Binary ACO-lmbp这种算法不仅比单一的蚁群优化算法的性能上有相当的提高而且也优于经典的BP算法。     

函数优化的遗传算法

遗传算法是一种有效的模拟进化算法,针对不同问题,编码方式多种多样。针对函数优化问题,阐述了不同的编码方式及遗传操作,在Matlab环境中用遗传算法实现求解函数优化问题。     

基于粒子群算法参数优化方案的研究

演化算法被广泛应用于求解NP类组合优化问题。其中粒子群算法因其算法易于实现且效果显著,自其诞生以来就成为研究的焦点。在算法的实际应用过程中会遇到如何兼顾算法收敛高效率和避免过早收敛于局部最优这两种相互博弈的算法优化因素。针对这一问题本文对两种粒子群算法的参数优化方式进行比对,提出了未来算法参数优化的研究方向。     

一类约束优化问题的改进教学优化算法

设计算法求解约束优化问题是一个热点问题。本文针对传统教学优化算法的教学因子进行了改进,提出了改进的教学优化算法,对效果用一个复杂的数值例子进了验证,并与标准的教学优化算法进行比较,结果得到了有效的改进。