基于自适应进化策略的人工蜂群优化算法

提出一种自适应进化策略的人工蜂群优化算法来提高基本人工蜂群优化算法的性能。算法中每个引领蜂拥有4种进化策略,在迭代过程中通过计算每种进化策略的立即价值、未来价值和综合奖励来决定引领蜂个体的进化行为,并通过多策略进化概率变异方式来提升个体寻优速度或避免陷入局部最优解。典型高维复杂函数测试表明,该算法具有很好的收敛精度和计算速度。

进化策略自主选择的改进混洗蛙跳算法

针对经典混合蛙跳优化算法寻优精度不高和易陷入局部收敛区域的缺点,本文提出一种基于进化策略自主选择的混洗蛙跳算法。算法中最差个体根据不同知识来源采取4种进化策略,每次迭代通过计算每种进化策略的立即价值、未来价值和综合奖励来决定最差个体的进化方式,并通过个体进化策略概率变异算法来提升寻优速度和避免陷入局部最优解。利用10个Benchmark函数对本文算法与8种进化算法进行性能比较。实验表明:所提的算法能较好地平衡全局探索能力和局部挖掘能力,可以用较少的迭代次数获取较优结果,具有很好的收敛速度和精度。

铬污染场地调查数据评估与暴露浓度估计

针对某铬污染场地调查采样得到的1 269个土壤w(TCr)和w〔Cr(Ⅵ)〕,分别采用检出限替代法和Walsh's Test方法分析了未检出值和潜在的异常值.结果表明,异常值的取舍对数据的统计分析结果影响较大,结合该铬污染场地的实际情况和采样记录,最终保留了潜在异常值.分别采用Q-Q图示法和假设检验方法探讨了该铬污染场地土壤w(TCr)和w〔Cr(Ⅵ)〕的数据分布形态发现,二者均不符合3种常见的分布形态(即正态分布、对数正态分布和Gamma分布),因此,采用基于切比雪夫不等式的非参数方法计算该铬污染场地调查数据的95%UCL(置信区间上限值),确定w(TCr)和w〔Cr(Ⅵ)〕的暴露值分别为0.285 6%和0.022 7%.

一种自适应多策略行为粒子群优化算法

针对粒子群优化算法收敛速度慢、局部搜索能力差等缺点,提出一种自适应多策略行为粒子群优化算法.算法中每个粒子拥有4种行为进化策略,在迭代过程中通过计算每种进化策略的立即价值、未来价值和综合奖励来决定粒子的进化行为,并通过策略行为概率变异算法提升个体寻优速度或避免陷入局部最优解.在经典的基准测试函数上,对新算法与其他7个群智能进化算法的测试结果进行比较分析,结果表明所提出算法具有很好的求解精度和收敛速度,尤其适合应用于一些高维优化问题.