带Metropolis准则的混合离散布谷鸟算法求解旅行商问题

布谷鸟算法(Cuckoo Search,CS)在求解连续问题方面得到较好的结果,但在处理离散问题方面解决方案较少且收敛速度过慢,针对此不足,以求解旅行商问题为代表,结合基于学习的混合邻域结构和概率接受准则,提出了一种新颖的改进的混合离散布谷鸟(Hybrid Discrete Cuckoo Search,HDCS)算法.HDCS算法通过向最佳个体学习和从问题学习来搜索解空间,将反序、插入、块移动、交换和双桥等多种算子组合构造不同的混合邻域,通过Levy飞行选择相应的邻域结构进行寻优,并引入模拟退火算法的Metropolis接受准则,能够以一定的概率接受劣质解,使算法不易陷入局部最优.为了验证算法的性能,将HDCS算法分别与其他基于CS算法、经典智能优化算法和新型群智能优化算法的3类方法进行比较,实验结果表明,HDCS算法不但优于其他基于CS的算法,同时也优于一些其他最新的群智能优化算法.

一种基于Metropolis抽样准则的蚁群算法的信息素更新策略

针对蚁群优化算法的关键步骤——信息素轨迹更新过程进行了分析。在理论证明和实验验证的基础上,针对此过程提出一种基于Metropolis接受准则的信息素更新策略,并通过引入一种非齐次的模拟退火方法有效地减少算法在早期落入较差解的可能性。在系统温度较高时,算法将以较大的概率接受不同的解,进行广泛的试探,能够有效地避免算法初期陷入较差解的状况;当系统温度较低时,将以小概率接受不同的解,在算法的后期将搜索集中到迄今最优解的邻域中,保证了算法收敛的同时减少了算法的收敛时间。同时将基于Metropolis接受准则的信息素更新策略和已有的信息素更新策略在4个不同规模的TSP问题上进行对比实验,试验结果也证明了本文策略的有效性。

基于Metropolis准则的Q-学习算法研究

探索与扩张是Q-学习算法中动作选取的关键问题,一味地扩张将使智能体很快地陷入局部最优,虽然探索可以跳出局部最优并加速学习,而过多的探索将影响算法的性能.通过把Q-学习中寻求最优策略表示为组合优化问题中最优解的搜索,将模拟退火算法的Metropolis准则用于Q-学习中探索和扩张之间的折衷处理,提出基于Metropolis准则的Q-学习算法SA-Q-learning.通过实验比较,它具有更快的收敛速度,而且避免了过多探索引起的算法性能下降.

基于Metropolis准则的多步Q学习算法与性能仿真

强化学习是目前智能体和机器学习研究的热点。针对强化学习中标准Q学习算法更新速度慢的缺点,通过引入多步信息更新策略和模拟退火中的Metropolis准则,提出了一种新颖的多步Q学习算法,称为SAMQ算法。仿真实验表明,与现有的算法相比,该算法能够有效提高收敛速度,较好地解决智能体选择动作时面临的新知识探索还是当前策略遵循的关键问题。

基于Metropolis判别准则的遗传算法

针对遗传算法在应用过程中出现的过早收敛问题，引入Ｍｅｔｒｏｐｏｌｉｓ判别准则对复制算子加以改进，并从理论上对遗传算法的收敛性进行分析。仿真结果证明了该算法解决过早收敛问题的有效性。

一种基于Metropolis准则遗传算法的多边多议题协商

为了使得基于智能体电子商务中协商智能体最大限度地达到协商的满意解,甚至最优解,并且提高协商的效率,提出将基于Metropolis准则的遗传算法应用于基于智能体电子商务的多边多议题同时出价的协商当中.经过1000次的实验数据表明,简单遗传算法平均需要155次才能达到协商的最优解,而基于Metropolis准则的遗传算法平均需要76次就达到协商的最优解.这个结果表明,基于Metropolis准则的遗传算法可以使得多边多议题协商中的智能体高效达到协商的最优解.

联合Metropolis算法和MDL准则的密集多目标分辨算法

针对单脉冲雷达处理同一分辨单元内密集多目标回波时收敛较慢的问题,提出了一种将Metropolis算法和最小描述长度(MDL)准则相结合的密集多目标分辨算法.构建Metropolis算法中的更新函数和迭代规则,促使待估参数的不同马尔可夫链间的融合;根据融合判定规则选取抽样样本,估计出对应的目标参数;利用MDL准则实现密集目标的准确分辨.该算法不仅提升了收敛速度,而且具有较高的参数估计精度,提高了算法在多目标下的分辨性能.仿真结果验证了所提算法的有效性和可行性.

基于Metropolis准则的BP神经网络学习算法研究

本文针对BP神经网络训练学习过程中 ,连接权在调整时容易陷入局部极小使得进一步调整失去作用的问题 ,提出了一种有助于提高BP神经网络逼近精度的方法———基于Metropolis准则的神经网络学习算法。该算法整体采用传统的BP算法 ,但在一定条件下依据概率进行连接权的调整 ,使权值以一定的概率跳跃 ,跳出局部极小区 ,最终达到全局极小。

进化规划中基于Metropolis判别准则的选择策略

为了克服进化规划在应用过程中出现收敛速度缓慢的问题，提出了一种将模拟退火中的Metropolis判别准则引入到进化规划中选择算子的新方法，通过实例验证了该算法对于解决收敛速度缓慢现象的有效性。

铝合金铸造工艺的Metropolis准则蜂群算法优化

为了提高铝合金铸件质量和铸造效率,提出了基于Metropolis准则蜂群算法的参数智能优化方法。分析了铝合金低压铸造原理,使用Anycasting有限元分析法模拟了铸造过程,获得了不同实验条件下的仿真值。使用单隐藏层神经网络分别拟合凝固时间、缩松面积与工艺参数间的非线性关系,得到了拟合精度较高的网络模型。以减少铸件的凝固时间和缩松面积为目标,建立了工艺参数优化模型。以传统蜂群算法为基础,提出了观察蜂对蜜源的动态选择策略和蜜源的Metropolis准则评价策略,使蜜蜂不仅选择最优蜜源,同时保留有潜力蜜源,从而给出了基于Metropolis准则蜂群算法的参数优化方法和步骤。经验证,Metropolis准则蜂群算法优化的铸件缩松面积比传统蜂群算法优化结果减少了24.16%,凝固时间缩短了3.32%,说明铸件质量和铸造效率得到了提高。经实际加工验证,Metropolis准则蜂群算法优化后的铸件显微组织分布均匀,硬度满足性能要求,可以应用于实际生产。

对模拟退火算法的衰减函数T和MetrOPolis准则的改进

首先简单介绍了模拟退火算法的基本原理及其优点,然后详细描述了退火过程算法和MetroPolis准则,最后给出对MetroPolis准则和衰减函数T的改进方法.

基于Metropolis准则的自适应模拟退火粒子群优化

为有效提高粒子群优化(PSO)算法搜索最优解的效率,提出一种基于Metropolis准则的自适应模拟退火粒子群优化(ASAPSO)算法。首先,ASAPSO采用一种新的自适应极值惯性权重方式,能有效平衡粒子种群的全局搜索和局部搜索过程;其次,通过分析粒子个体间信息交流方式,构建粒子飞行学习交流的中心粒子,该粒子能有效增强粒子个体的社会学习能力;最后,基于Metropolis准则的模拟退火选择概率,粒子群体在中心粒子的引领下向着全局最优解不断逼近,能有效避免粒子群体陷入局部最优区域。仿真实验表明,相比其他测试算法,ASAPSO收敛精度高,在多种标准测试函数中收敛率(CR)可达94%以上,能有效提高粒子种群的寻优效率。

融合反向学习与Metropolis准则求解TSP的遗传算法

针对传统遗传算法(GA)在求解巡回旅行商(TSP)问题时,因种群多样性、后期局部搜索寻优能力不足所导致全局搜索范围受限、易陷入早熟现象与收敛速度较慢的问题,基于种群逆转遗传算法(EROGA)融合反向学习(OBL)思想,模拟退火算法(SA)的Metropolis准则与现实精英学习理念,提出一种改进的遗传算法OBLGSAA。首先在生成初始种群环节采用反向学习方式,以提升最优解的精度与收敛速度;然后采用Metropolis准则改进交叉、变异算子,以提升算法的局部搜索能力;最后引入现实精英学习理念,通过贪心轮转学习机制进一步提升GA的局部搜索能力。在多种巡回旅行商数据集的仿真实验结果表明,OBLGSAA能有效改善GA种群的多样性,使算法不易陷入早熟收敛,并在收敛性能与求解精度上相较于原始EROGA更优,验证了算法的有效性与优越性。

压力管道社会风险可接受准则研究

为提高我国压力管道的安全监管水平,确定监管的量化风险评判标准,通过统计我国2005—2012年间的压力管道事故伤亡数据,运用线性回归的方法进行分析,采用F-N曲线与最低合理可行（ALARP）准则相结合的方法确定我国压力管道的社会风险（SR）可接受准则。结果表明,风险可接受准则下限约为其上限的1%,死亡1~10人的可接受事故发生频率数量级在10-8~10-4之间。

建筑工程施工风险接受准则研究

在建筑施工过程中,由于人、物、环境和管理上的不确定因素形成大量的风险,这些风险事件一旦发生便会造成不同程度的人员伤亡和经济损失,所以必须对建筑工程进行行之有效的风险管理,而制定科学的风险接受准则又成为工程风险评价、决策的关键问题所在,但由于相关资料的缺乏无法运用一般方法计算.在介绍一般风险接受准则制定的意义、原则和方法的基础上,提出了一种基于修正概率的新的风险接受准则确定模型,通过这个模型可以较科学地确定建筑工程风险接受准则,为工程风险评价和决策提供重要决策依据.

特种设备社会风险及可接受准则分析

以风险分析理论为基础,借鉴国内外高危领域社会风险的研究方法,基于我国特种设备历年的事故统计数据,构建了各类特种设备的社会风险F-N曲线。结果表明,特种设备死亡事故主要为单次死亡3人以下的一般事故,其中承压类设备较机电类设备拥有更低的事故频率和更严重的事故后果,各类设备社会风险由高到低依次为客运索道、起重机械、大型游乐设施、锅炉、场(厂)内专用车辆、电梯、压力管道、压力容器和气瓶。最后,根据我国"十二五"特种设备安全战略规划目标的要求并结合ALARP(As Low As Reasonable Principle)原则,初步提出了我国"十二五"期间各类特种设备的社会风险可接受准则(F-N曲线规律),将特种设备的社会风险水平限定在可接受的范围内。

海洋工程风险接受准则研究进展

简要介绍了海洋工程风险接受准则研究的重要意义及其确定原则,分析了海洋工程中个人、社会及环境风险接受准则的研究及其应用现状,指出目前海洋工程风险接受准则研究要解决的问题和今后的研究方向。

基于Metropolis遗传算法的并联机器人结构优化设计

以六自由度Stewart并联机器人的灵巧度为目标函数,以设计空间、每条支腿的最大最小长度之比和虎克铰、球铰的极限摆角为约束条件建立了结构优化模型.将模拟退火算法中的M etropolis准则引入到实值编码遗传算法的选择操作中,产生了M etropolis遗传算法,采用该算法进行了并联机器人结构优化问题的求解.通过与采用标准遗传算法得出的结果比较,证实了M etropolis遗传算法在并联机器人结构优化设计中的有效性和优越性.

考虑腐蚀影响的FPSO风险接受准则研究

风险接受准则是进行风险评估时一项重要的组成部分。风险接受准则的选取将直接影响到对风险水平的判断。文章通过对一艘FPSO受腐蚀影响造成的构件厚度失效的概率及船体梁极限强度时变可靠性进行计算,根据不同腐蚀条件下的结果和工程实际需要从总体与构件两方面考虑合理的风险接受准则以全面反映FPSO的风险水平。最后以所选择的风险接受准则对检测维护规划行动展开初步的讨论。

油气管道风险可接受准则与指标模型

介绍了风险可接受性的概念、发展历程及其判别准则,概述了确定风险可接受程度的损失类型。基于指标可量化的原则,从生命损失、财产损失和环境损失三个方面建立了油气管道风险可接受性指标模型。当前不能量化的指标,可作为风险可接受性量化计算值的修正系数,以便获得综合且符合实际的油气管道风险可接受性量化值。针对我国油气管道风险可接受性研究发展现状,提出了现阶段建立风险可接受性指标模型应遵循的基本原则。