最小化最长完工时间和总完工时间的无等待流水调度混合进化算法

针对NP难的最小化最长完工时间和总完工时间无等待流水双目标调度优化问题,分析相应的目标增量性质,提出用非支配划分方法将种群划分为具有不同优先级的Pareto面以提高搜索解的效率.除建立拥挤距离的概念和最优解策略外,提出2个基于目标增量的双目标局部搜索过程,以提高搜索解的性能.根据得到的性质和方法,构建一个求解所考虑问题的混合进化算法,并与目前最好的算法比较.实验结果表明所提出的算法在性能上优于所比较算法,并具有较高的效率.     

Armijo型线搜索下一个修正Hestenes-Stiefel共轭梯度法的全局收敛性

提出一个新的修正Hestenes-Stiefel(HS)非线性共轭梯度法(MHSCG算法).在精确线搜索下MH-SCG算法化归为标准的HS共轭梯度算法.该算法产生的搜索方向不依赖于线搜索准则而具有充分下降性.新方法在一个修正Armijo型线搜索下具有全局收敛性.数值试验表明,对于多数算例新算法比PRP、HS、LS算法具有更好的计算结果.     

无线Mesh网按需路由算法的研究与实现

针对无线Mesh网Qo S的路由特点,本文主要以蚁群算法为基础,将其应用到无线Mesh网络中,系统地分析了这种算法,对其性能进行了改进,并在此基础上,提出了一种全新的基于蚁群算法的无线Mesh网按需路由算法.实验结果表明,结合贪婪搜索和分布式计算,本文提供的算法具有强大的搜索能力.     

一种修正的谱共轭梯度法及其全局收敛性

提出了一种新的求解无约束优化问题的谱共轭梯度算法.该算法在标准Wolfe线性搜索条件就能满足充分下降性,在标准的Wolfe非精确线搜索下证明新算法的全局收敛性.     

一种新的混沌免疫优化算法

结合混沌优化算法与免疫算法的特点,提出了一种新的混合优化方法———混沌免疫优化算法.该算法综合了免疫算法与混沌优化算法在各自的空间搜索优势,充分利用免疫算法的记忆库中当代最优解指导混沌搜索。实验结果表明,该算法具有较强的搜索能力和收敛性能,算法有效可行。     

一种新的闭合环自动搜索算法

在测量控制网数据自动化处理过程中,搜索闭合环是平差程序设计首先要解决的问题.探讨最小独立闭合环自动搜索的一种新算法——"余枝搜索法",并提出"正向搜索,反向提取"的方法来解决在搜索时不易记录路线的问题.基于MATLAB编写闭合环自动搜索的函数,经过实践验证,该算法切实可行.     

一种改进的模拟退火萤火虫混合算法求解0/1背包问题

根据萤火虫算法自身特点,本文提出一种基于模拟退火的改进萤火虫算法,并用于求解0-1背包问题.该算法在模拟退火过程中利用萤火虫算法搜索新解,采用贪心修复算子对不可行解进行修正.每一次退火操作完成时,对萤火虫种群实行变异操作,增强萤火虫的全局搜索能力.本算法在求解0-1背包问题时,能及时跳出局部最优,在算法初期增强全局搜索能力,在算法后期加快收敛速度.通过仿真实验表明,该算法可较好的求解0-1背包问题.     

区间-粒子群算法求解非线性方程组

将粒子群算法的群体搜索优点和区间算法的区间分析相结合,提出了一种求解非线性方程组的区间-粒子群算法.在迭代过程中,先用粒子群算法的全局收敛性和群体搜索能力得到近似解,再用区间算法的精确搜索能力快速得到高精度的解.数值实验表明：该算法能在较大范围的初始区间内快速可靠的迭代得到高精度的解,是求解非线性方程组的一种有效的算法.     

一种下降的混合共轭梯度法

对于非线性共轭梯度法,文章在前人提出的混合共轭梯度法基础上,提出一种新的混合共轭梯度法,证明它的全局收敛性,并用新的公式建立算法框架.在不依赖任何线性搜索条件的情况下,证明算法框架生成的迭代方向满足充分下降条件,并在标准Wolfe线搜索条件下证明算法的全局收敛性.对新算法进行数值试验,结果表明改进后的算法是有效的.     

一种改进的人工蜂群算法及其应用研究

针对传统的人工蜂群算法具有较强的勘探能力,但是算法局部开采能力较弱,演化后期收敛速度慢,容易陷入局部最优,提出了基于混沌算法和逆向学习算法相结合的初始化种群方法,有效改进种群的多样性;提出了一种新型的搜索策略来改进观察峰与侦察蜂的搜索过程,加快了算法的收敛速度;通过5个标准函数进行测试,文中算法在搜索效率、最优解质量、稳定性均优于传统的人工蜂群算法.     

Armijo线搜索下一个修正的PRP共轭梯度法的全局收敛性

提出一个求解大规模无约束优化的修正PRP共轭梯度算法.在每步迭代中,该算法均能自动产生一个不依赖于任何线搜索的充分下降方向且该方向具有信赖域性质.通过使用Armijo线搜索计算步长,在标准的假设条件下,证明了算法的全局收敛性.数值实验结果表明该算法是有效的.     

一种基于Logistic混沌映射的骨干粒子群改进算法

针对骨干粒子群算法因受初始化位置分布不均影响,易陷入局部最优的问题,提出一种基于Logistic混沌映射的改进算法,改进算法通过采用Logistic混沌映射控制来保证粒子初始化位置在搜索空间内保持随机分布,从而有效提升算法的搜索能力.仿真实验表明:与经典骨干粒子群算法相比,改进算法搜索能力有所增强,问题求解精度有明显提升.     

PSO-DFP混合算法及其参数性能分析

文章结合粒子群算法全局搜索和拟牛顿法局部精细搜索的特点,提出了一种PSO-DFP混合算法.采用标准测试函数对该混合算法的某些参数进行了分析,并给出了一些选取的指导性原则.     

一种改进粒子群通讯算法在目标搜索中的应用

针对粒子群算法应用于机器人目标搜索过程中存在的早熟现象,提出一种基于改进粒子群算法和模拟退火算法相结合的目标搜索新方法,以提高算法的全局搜索能力。为解决通讯距离有限、机器人无法与基站进行信息交互和不能实时追踪动态目标等问题,引入通讯功能。算法中机器人与基站有两种通讯方式,一种是基站跟随最优机器人移动的通讯方式,另一种是在前者基础上将机器人按一定比例分为通讯机器人和搜索机器人的通讯方式,由通讯机器人负责搜索机器人与基站之间的通讯。两种通讯方式下机器人都采用动态多目标搜索策略搜索动态多目标。在考虑通讯距离的情况下,经过仿真测试,与传统的通讯粒子群算法相比,提出的改进通讯粒子群算法能更加有效地追踪动态目标。     

基于差分的和声搜索算法

研究了一种新的进化算法--和声搜索算法,针对其在处理复杂函数优化问题时容易陷入局部最优、收敛精度低的缺点,提出了一种改进的和声搜索算法,算法利用和声记忆库中其他解的有利信息,修正了其搜索机制,维持了和声记忆库的多样性,从而提高了对复杂问题的搜索效率.与同类算法相比,提出的和声搜索算法全局搜索能力强,收敛速度快,数值实验结果验证了算法的有效性争鲁棒性.     

一种改进的全局优化进化算法

提出了一种改进的全局优化进化算法.该算法采用实数编码,通过对可行域量子化用正交设计产生初始种群,用正交设计和因素分析设计杂交算子.在进行杂交之前,根据两个个体变量之间的距离恰当地应用高斯变异,平衡了算法的局部搜索能力和全局搜索能力,从而提高了算法的效率.最后的数值结果显示了该算法的有效性.     

一个具有充分下降性的共轭梯度法及其全局收敛性

本文通过构造含有双参数的公式βk,提出了一个新的共轭梯度算法.该法具有充分下降性,与所选用的搜索准则及目标函数f凸性均无关,在强Wolfe线搜索下给出该算法具有全局收敛性.     

利用随机扰动特性的集合覆盖蚁群算法识别tag SNPs

序列中的标签SNPs-tag SNPs携带了SNPs数据集的绝大部分遗传信息,因此寻找tag SNPs意义重大.但从SNPs数据集中找出tag SNPs需要耗费巨大的计算量,传统的方法效率低且费用昂贵,对于复杂的集合覆盖问题,现有算法难以得到优化解.鉴于蚁群算法有较强的近优解搜索能力,提出具有随机扰动特性的集合覆盖蚁群算法(RCACO)用于tag SNPs搜索.模拟数据集上进行的算法实验结果表明,与近两年的PSO、GA两类算法相比,所提出的算法运行时间较短,搜索结果精确度更高.     

一种修正的WYL共轭梯度法及其全局收敛性

文章提出了一种用于求解无约束优化问题的修正的WYL共轭梯度法,该算法在不依赖任何线性搜索的情况能够始终产生充分下降方向.在适当的条件下,采取了Armijo线性搜索的该算法具有全局收敛性,最后,我们给出相应的数值结果说明该算法是有效的.     

基于蚁群算法的工期-成本问题的优化

利用工程中的具体实例,阐述了蚁群算法在工程项目工期-成本问题的应用.利用MATLAB语言编制了蚁群算法程序,以一数值算例,详细说明了蚁群算法应用于工程项目工期-成本问题的具体方法.结果表明,蚁群算法具有较高的全局最优搜索能力和搜索效率,非常适用于工程网络计划的工期成本优化问题.