基于混沌的多目标粒子群优化算法

针对多目标优化问题,提出了一种改进的粒子群算法。该算法为了寻找新解,引入了混沌搜索技术,同时采用了一种新的方法——拥挤距离法定义解的适应度。并采取了精英保留策略,在提高非劣解集多样性的同时,使解集更加趋近于Pareto集。最后,把算法应用到4个典型的多目标测试函数。数值结果表明,该算法能够有效的收敛到Pareto非劣最优目标域,并沿着Pareto非劣目标域有很好的分散性。

基于可能度的区间粗糙数排序方法

针对属性权重信息未知或属性权重信息不完全且属性值为区间粗糙数的多属性决策问题,给出一种基于可能度的区间粗糙数排序方法。首先引进和补充了区间粗糙数的一些运算法则及集成算子。然后首次给出了区间粗糙数的可能度定义公式,并研究了该公式所具有的一些良好性质,随后,建立了基于投影思想的极小-极大优化模型来确定各属性权重,同时给出基于可能度矩阵的区间粗糙数排序算法。最后通过实例说明该方法的有效性和可行性。

三维水平井轨道设计最优控制模型改进的进化规划方法

针对三维水平井井眼轨道设计问题 ,建立了一个非线性最优控制模型。该模型以设计轨道总长度最短为性能指标 ,以非线性动力系统为约束条件 ,通过对非线性动力系统积分 ,将最优控制模型转化为一个非线性规划问题求解。为了求非线性规划问题的全局最优解 ,在附加一个目标函数小于当前目标函数值的约束条件下 ,用改进的进化规划方法寻找新的可行点策略 ,提出了一种新算法。将非线性最优控制模型及算法应用到实际水平井轨道设计中 。

三维水平井随钻修正设计的优化方法及应用

在水平井实际应用中,实钻轨道常偏离原设计最优轨道.把实钻轨道与已设计最优轨道的状态变量差值作为参数,建立带有参数的三维水平井最优控制模型,把该模型转化为非线性规划问题求解,讨论了该非线性规划问题的最优解性质.依此性质给出一个全局最优的算法,并将其应用到实际水平井轨道设计中,数值结果表明模型及算法有效、正确.

求解多目标规划问题的一种新的群体搜索算法

针对带有边界变量的多目标优化问题,提出一个新的随机群体搜索算法,该方法在可行域内随机选取N个样本点,把每个样本点看成带电粒子,根据不同目标函数,分别定义其电荷,针对每个样本点根据不同目标函数按照电磁学原理计算出合力,然后把各个合力线性加权作为该点搜索方向,以便求得新的群体.最后,把给出的算法应用到两个实例中,并与遗传算法、蚁群算法进行比较,数值结果表明算法是可行的和有效的.

求解非线性优化问题改进的进化规划算法

针对带有边界变量的非线性优化问题,提出了一种改进的进化规划算法。该算法首先把每个个体看作为带有不同质量的粒子,根据目标函数值定义个体的质量。基于聚类思想,选取一定数量的点,然后利用选取的点分别求出于每个点相对应的重心,以每个点与其重心的连线方向为变异方向。最后把该方法应用到几个典型数值例子中,并与基本进化算法进行比较,数值结果表明算法是可行的、有效的。

自适应中心引力优化算法

针对函数全局优化问题,提出了一种自适应中心引力算法,以平衡全局探测能力和局部搜索能力。首先定义粒子的适应值函数,然后根据与平均适应值的比较,更新粒子运动时间,并引进交叉操作更新当前粒子位置,从而提高算法的收敛速度。最后选择8个典型测试函数进行测试,并与中心引力优化算法和其他粒子群优化算法进行比较。结果表明,该算法得到的结果十分精确,鲁棒性强,优于其他算法。

三维水平井最优控制系统及应用

建立了三维水平井井眼轨迹的非线性多阶段动力系统.论述了该系统解的存在性及其最优控制的可控性和多解性.以均匀设计方法选初始点,并依此把允许区域分解为有限多个子域,在每个子域上构造了改进的Hooke-Jeeves优化算法.将它用于多口水平井的实际生产中,表明了本文给出的模型、算法及软件的正确性与有效性.

带自适应压缩因子粒子群优化算法

针对函数全局优化问题,提出了一种自适应压缩因子粒子群优化算法。研究的结果是对粒子群优化算法定义了一个与迭代步有关的压缩因子,随着迭代步不断增大压缩因子逐渐减小,使得在算法初期,压缩因子较大,提高算法的全局搜索能力,在算法后期,压缩因子较小,提高算法的局部搜索能力,另外,把差分进化算法中的交叉与变异思想引入到该粒子群优化算法中,改善了粒子的多样性。最后把算法应用到两类测试问题中,并与其他粒子群优化算法进行比较分析,数值结果表明,算法是可行的、有效的。该成果对全局优化问题的求解具有一定的参考价值和指导意义。

基于混沌的聚类粒子群优化算法

针对函数优化问题,提出了一种基于混沌的聚类粒子群优化算法。该算法利用混沌序列产生粒子的位置和速度,并与粒子群优化算法产生的粒子位置进行比较,选择好的粒子位置。同时通过谱系聚类方法进行聚类,并且给出新的速度更新公式。最后将算法应用到5个典型的函数优化问题中,并与其它改进的粒子群算法进行比较分析。数值结果表明,该算法提高了全局搜索能力、收敛速度和解的精度。

一种具有非线性约束线性规划全局优化算法

本文提出了一种新的适用于处理非线性约束下线性规划问题的全局优化算法。该算法通过构造子问题来寻找优于当前局部最优解的可行解。该子问题可通过模拟退火算法来解决。通过求解一系列的子问题,当前最优解被不断地更新,最终求得全局最优解。最后,本算法应用于几个典型例题,并与罚函数法相比较,数值结果表明该算法是可行的,有效的。

一种改进的粒子群优化算法

粒子群优化算法是一种基于仿生技术的启发式算法,针对粒子群优化算法存在易早熟现象,提出一种改进的粒子群优化算法.该算法给出了一种新的变异算子,该算子具有一定探索和开发能力,从而避免算法陷入局部最优.基于新变异算子给出一个新的粒子位置更新公式.根据系统稳定性理论,推出了算法的参数设置区域.最后,通过标准测试函数的性能测试,验证了改进粒子群优化算法收敛速度和求解精度.实验结果表明,该算法具有较好的收敛速度和求解精度.

区间直觉乘法偏好信息下的多属性决策方法

对直觉乘法集(intuitionistic multiplicative set)进行推广,提出了区间直觉乘法集的概念。为了表达方便,定义了区间直觉乘法数,给出了区间直觉乘法数的基本运算法则。定义了区间直觉乘法数的得分函数和精确函数,并给出了区间直觉乘法数的一种排序方法。定义了区间直觉乘法数的加权平均算子和加权几何算子,进而给出决策者对方案的偏好信息以区间直觉乘法数给出的决策方法,并进行实例分析。

具有约束多目标优化的进化算法

针对带有约束多目标优化问题,提出一种多目标优化进化算法。在选择过程中,采用约束的Pareto支配和聚集距离定义适应值,根据适应值挑选出有代表性的个体。在变异过程中,沿着权重梯度方向搜索来寻找可行的Pareto最优解。最后,采用两个数值算例测试算法的性能,结果表明该算法能获得多目标约束优化问题的可行Pareto最优解并且具有较好的分散性。

二次插值的粒子群优化算法

为了克服粒子群优化算法容易早熟的问题,提出了一种新的粒子群优化算法。算法在进行速度和位置更新后,随机选取两个个体历史最好位置(不含全局最好位置)与全局最好位置,利用二次插值产生新的位置,并与当前个体历史最好位置相比较,更新当前个体历史最好位置和全局历史最好位置。对6个经典测试函数进行数值实验,结果表明该算法提高了算法的寻优能力和收敛速度。

一种新的自适应布谷鸟搜索算法

为提高布谷鸟搜索(cuckoo search)算法(CS)的局部与全局搜索能力和收敛速度,提出了一种新的自适应布谷鸟算法。在该算法中,提出一种自适应参数控制策略来动态地调整CS中的步长因子,以增强CS的搜索性能。另外,把类似差分进化算法变异策略引入到CS中,以进一步提高CS的种群多样性。仿真实验表明,改进的CS算法的优化性能得到了明显改善。

改进粒子群算法在单体型重构问题中的应用

结合单体型装配问题的计算模型—最少错误纠正模型(MEC)的特定知识,提出了一种求解单体型装配问题的改进粒子群算法。应用改进粒子群算法对真实数据和模拟数据进行数值计算,并且与基础粒子群算法和遗传算法进行比较,数值结果表明所设计的改进粒子群算法在单体型重构率上优于基础粒子群算法和遗传算法。

惯性质量衰减的引力搜索算法

针对引力搜索算法易陷入局部最优的缺点,提出一种惯性质量衰减的引力搜索算法。该算法认为粒子的惯性质量有一定衰减,把粒子惯性质量的衰减率看成一个模糊变量,用其隶属度函数定义惯性质量的衰减率,把衰减率与粒子惯性质量乘积作为粒子的惯性质量,从而提高算法的开发能力。另外,为了提高算法的探索能力,给出一个新的变异算子。最后,把所提出算法应用到经典测试函数中,并与引力搜索算法及其他改进的引力搜索算法比较,数值结果表明所给出的算法能够提高求解精度和收敛速度。

含有等式约束非线性规划的全局优化算法(英文)

针对含有多个等式约束的非线性规划问题,提出一个全局优化算法.该方法基于可行集策略把改进的模拟退火方法与确定的局部算法方法相结合.对算法的收敛性进行了证明,数值结果表明算法的有效性及正确性.

依概率收敛的改进粒子群优化算法

粒子群优化算法是一种随机优化算法,但它不依概率1收敛到全局最优解。因此提出一种新的依概率收敛的粒子群优化算法。在该算法中,首先引入了具有探索和开发能力的两个变异算子,并依一定概率对粒子当前最好位置应用这两个算子,然后证明了该算法是依概率1收敛到ε-最优解。最后,把该算法应用到13个典型的测试函数中,并与其他粒子群优化算法比较,数值结果表明所给出的算法能够提高求解精度和收敛速度。