面向全局优化的混沌粒子群遗传算法

结合遗传算法(GA)和粒子群算法(PSO)的优点以及混沌运动的特性,提出了混沌粒子群遗传算法(CPSO-GA),并使用五个高维非线性测试函数考察此算法的性能。在固定进化代数、所调用目标函数次数接近以及固定收敛精度三种情况下对算法进行数值试验,结果表明,与其他文献中提出的算法相比,CPSO-GA能100%地找到最优解,收敛效果及寻优能力好,并能有效摆脱局部极小点,且调用目标函数次数最少,大大降低了计算量。     

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。     

基于混沌的粒子群优化算法研究与进展

粒子群优化算法因简单、容易实现,被越来越多地应用于众多应用领域,但其存在着容易陷入局部最优等缺点。混沌是一种普遍的非线性现象,具有随机性、遍历性和内在规律性的特点,尤其是混沌的遍历性特点,使其可以作为搜索过程中避免陷入局部极小的一种优化机制。将二者结合求解优化问题,改善了粒子群摆脱陷入局部极值的能力,提高了算法收敛速度。论述了混沌粒子群优化算法的研究进展。     

基于果蝇优化算法的模拟滤波器设计

基于粒子群优化算法的无源模拟滤波器优化设计方法容易陷入局部最优,收敛速度慢迭代次数多、运算量大且稳定性不够好。提出果蝇优化算法对滤波器的整个参数空间进行高效并行搜索直到获得最优的参数值,实例仿真表明,采用该方法设计的滤波器在相同的带宽准确度及阻带衰减的情况下,具有更快的运算速度及收敛性能。     

偏导加速果蝇优化算法的电厂机组负荷分配

针对果蝇优化算法等进化算法在电厂机组负荷分配问题中准确性和收敛速度的缺陷,将果蝇优化算法作为一次优化算法,所得结果作为偏导下降算法的输入,即偏导下降算法作为二次优化算法,提出一种偏导加速果蝇优化算法。电厂机组负荷分配实例分析表明:偏导加速果蝇优化算法保持了果蝇优化算法原理简明、计算简洁的特点,且在求解准确性、收敛快速性、稳定性上均优于果蝇优化算法、PSO算法和GA算法。     

基于混沌差异进化算法的有功优化仿真研究

差异进化(differential evolution,DE)算法在求解电力系统有功优化的问题上易陷入局部最优,因此在其基础上引入混沌算法的Logistic映射,形成混沌差异进化(chaotic differential evolution,CDE)算法。该算法在迭代后期,使固定取值的搜索步长和交叉算子在一定范围内随机取值。为验证算法的实用性,利用Matlab软件,将DE和CDE在IEEE30节点测试系统上进行电力系统有功优化仿真。仿真结果表明,CDE算法扩大了搜索范围并且增加了种群多样性,能获得搜索质量更高的最优解,即考虑阀点效应的燃料费用更低。通过此次仿真,既可加深学生对有功优化的认识和理解,又可提高学生运用仿真技术为改进算法提供理论依据与评价的能力。     

新型混沌粒子群混合优化算法

为避免粒子群算法陷入局部最优、早熟收敛,提出了一种新型的混沌粒子群混合优化算法。利用混沌映射初值敏感性、遍历性特点,随机初始化一个粒子,并通过混沌映射得到多个粒子的初始值,改变初始粒子群的提取过程。利用混沌映射扩大初始粒子群,得到寻优粒子群,使得粒子群在搜索的过程中,种群数量变大,有利于全局寻优,而种群粒子多样化,有利于跳出局部极值。经典的测试函数仿真表明,改进的粒子群算法极大提高了粒子群的寻优精度和寻优效率,增加了粒子的全局寻优能力,具有更为广泛的应用场景。     

基于混沌的动力学演化算法

文章在现有动力学演化算法的基础上提出基于混沌的演化算子。除有效地防止过早收敛并且保持解的均匀分布外,新算法充分利用混沌对于初始值敏感性和遍历性的特点,还具有更快的收敛速度和更小的计算量。数值结果显示在解决多峰值问题时新算法不仅有很好的性能和高可靠性,而且优于作者已知的其他已出版的结果。     

果蝇优化算法(FOA)步长改进及其多元函数最优化方法

果蝇优化算法(FOA)模拟果蝇群体利用嗅觉和视觉寻找食物的方法来寻找最优值.本文根据算法的特点分析了影响收敛速度的因素,通过变步长方式得到改进的FOA.另外还提出了多元函数最优问题的FOA方法.在对Schaffer函数的全局最优过程中,经过变步长的FOA收敛速度大大提高(与理论最优值的误差以指数速度下降),在计算速度和收敛精度方面都远远优于遗传算法.     

一种求解不等式约束优化问题的新算法

针对基本遗传算法收敛速度缓慢现象，提出了基于多父体杂交和按较差个体顺序变异的改进策略，从而加快收敛速度，提高了算法性能，通过验算表明，改进后的算法，能够迅速找到全局最优解。     

基于收敛因子非线性动态变化的灰狼优化算法

针对基本灰狼优化(grey wolf optimization,GWO)算法在解决高维数值优化问题时存在易陷入局部最优、收敛速度慢等缺点,提出一种基于收敛因子非线性动态变化的改进GWO(IGWO)算法。该算法首先利用混沌初始化生成初始种群,以提高初始灰狼个体的质量;然后,通过引入指数函数对GWO算法的收敛因子更新公式进行改进,在进化过程中,收敛因子的大小随迭代次数的增加非线性动态变化,以协调算法的探索能力和开发能力;最后,对当前最优灰狼个体执行混沌扰动,以避免算法出现早熟收敛。对9个典型的测试函数进行了测试,实验结果表明:与基本GWO算法相比,IGWO算法具有更好的寻优性能。     

混沌策略和单纯形法改进的鲸鱼优化算法

为解决鲸鱼优化算法收敛速度慢和寻优精度低等问题,提出了一种基于混沌策略和单纯形法优化的鲸鱼优化算法(whale optimization algorithm based on chaos optimization and simplex optimization,CSWOA)。首先,采用混沌反向学习策略初始化鲸鱼种群个体,降低随机化的原始种群对算法收敛的影响;然后,引入一种自适应权重策略,平衡算法的全局寻优和局部探索能力;最后,再引入单纯形法对原算法进行改进,提高算法的局部搜索能力和寻优能力。对8个典型基准函数的仿真分析表明,CSWOA的收敛速度和寻优精度均有一定的提高。     

关于蚁群算法的收敛速度的研究分析

蚁群算法是近年新兴的,一种广泛应用于应用数学、计算机等领域的机器学习技术,该算法的发展始于近十来年,很多方面研究都还不够成熟,尤其是对其收敛性和收敛速度的研究更是少之又少,相关研究人员和学者还需要在此方面做出更多的努力。本文先就蚁群算法的基本概况和核心思想进行阐述,进而探讨了目前阶段国内外学者对蚁群算法的收敛性和收敛速度的研究现状,并根据蚁群算法的基本特性,提出了对蚁群算法的收敛速度进行分析的理论,来分析蚁群算法的收敛速度,初步得到了蚁群算法分析收敛速度的设计指导原则。     

分层管理粒子群算法

粒子群算法（PSO）在每次迭代过程中,所有粒子都向着最优粒子的方向＂飞行＂,这样的趋同性使得搜索很容易陷入局部最优值.本文仿照现代管理机制提出分层管理粒子群算法（FPSO）,将粒子分为若干组进化,每一组中的最优粒子参照自身极值和整个粒子群的全局极值更新自己的位置,而该组中的其他粒子则参照自身极值和本组中最优粒子的个体极值更新自己的位置,以此增加粒子种群的多样性,解决PSO容易陷入局部最优的缺陷.试验证明：FPSO在收敛速度以及收敛精度方面都比基本粒子群算法有了很大程度的提高,特别对于多极值问题搜索效果非常好.     

一种求解非线性方程组的混沌优化算法

本文针对非线性方程组的求解问题提出一种混合算法,将方程组转换成一个优化问题。利用优化问题的非线性共轭梯度法与混沌优化方法相结合,提出了一种新的混合优化算法。该算法能使非线性共轭梯度法跳出局部最优,最终获得全局最优。算法的收敛性也进行了证明,数值结果表明该算法是有效的。     

基于混沌搜索优化方法的PID控制器设计

将混沌科学的新应用混沌优化法引入PID控制器设计、对PID参数进行优化，并将优化结果进行仿真。结果证明，混沌优化法算法简单、有效。所设计的PID控制系统响应快、超调小、控制精度高。     

一种求解非线性方程组的混沌优化算法

本文针对非线性方程组的求解问题提出一种混合算法，将方程组转换成一个优化问题。将优化问题的非线性共轭梯度法与混沌优化方法相结合，提出了一种新的混合优化算法。该算法能使非线性共轭梯度法跳出局部最优，最终获得全局最优。算法的收敛性也进行了证明，数值结果表明该算法是有效的。     

一种求解非线性方程组的混沌优化算法

本文针对非线性方程组的求解问题提出一种混合算法,将方程组转换成一个优化问题.利用优化问题的非线性共轭梯度法与混沌优化方法相结合,提出了一种新的混合优化算法.该算法能使非线性共轭梯度法跳出局部最优,最终获得全局最优.通过对算法的收敛性的证明及数值分析,结果表明该算法是有效的.     

基于混沌蚁群算法的物流配送路径问题仿真研究

将混沌与最大最小蚂蚁算法相融合,在蚁群算法的信息素更新规则中加入混沌扰动量避免了在搜索过程中陷入局部极值.测试结果表明混沌蚁群算法能够有效地提高算法的全局寻优能力,对于物流配送路径问题的求解能够获得满意的结果.     

基于MSCOA算法的梯级水库群优化调度

结合梯级水库群联合运行的实际情况,分析目前国内外水库调度算法不足,本论文利用变尺度混沌优化算法(Mutative Scale Chaos Optimization Algorithm,MSCOA)对梯级水电站群中长期水库调度问题应用研究,建立一种梯级水电站群中长期水库优化调度模型,通过实际数据验证,此方法可以获得梯级各电站的最优运行方式,为指导梯级各水电站的实际运行最优化提供科学决策依据。