基于二元蚁群算法的高碳制造业碳排放多目标规划方法

以多目标优化为核心的碳排放规划方法,求解过程中偏重局部探索,存在约束条件不明确、碳排放量居高不下的问题,由此,提出基于二元蚁群算法的高碳制造业碳排放多目标规划方法。深入分析高碳制造业碳排放特征,提取企业碳排放驱动因素。经济增长目标和碳减排目标,建立多目标碳排放规划模型。在碳排放、能量消耗、投入产出、科技投入以及产业扩张等方面,分别设置规划约束条件,基于二元蚁群搜索原理,设计多目标规划求解算法,并引入一系列环境评价指标,加强“全局探索”和“局部搜索”之间的平衡性,生成最优规划方案。实证分析结果表明:所提多目标规划方法应用后,使得高碳制造业碳排放量降低了12.35%,促进了高碳制造业的节能减排发展。

基于二元蚁群算法求解组卷问题

通过分析组卷的数学模型及目标函数,抽象出组卷模型实质是一个多目标线性规划模型,并将二元蚁群算法用于求解组卷问题。由于采用二进制编码,任意时刻每只蚂蚁只需根据其面前两条路径上的信息素强度决定该题选或不选,这对单个蚂蚁的智能行为要求非常低,而且存储空间也相对减少。实验结果表明,该算法能快速有效地完成组卷过程,具有较强的实用性。

混合二元蚁群算法求解集装箱装载问题

集装箱装载问题是一个具有复杂约束条件的组合优化问题,属于NP-hard问题。针对集装箱装载问题的特点,设计了空间三叉树,对可利用空间采用三叉树划分策略,利用二元蚁群算法结合启发式算法进行求解,即先利用二元蚁群算法确定预备装入货物集,再用启发式算法决定货物的装入优先级顺序,并给出了有效的装箱算法。实例结果表明该算法的有效性和实用性。

求解多维0/1背包问题的二元粒子群算法

从一维细胞自动机模型入手,设计了一种求解二元离散优化问题的二元粒子群算法细胞自动机模型(BPSO-CA)。粒子从起始细胞出发,根据本身携带的信息并感知存储在细胞中的全局最优粒子位置的信息随机选择状态(0或1),从而实现复杂智能的"涌现"。然后将其用来求解多维0/1背包问题,同时引入贪心算法对不符合约束条件的非法个体进行修正。通过对Zuse Institute Berlin公布的测试集进行实验,表明该模型能在多项式时间内完成求解过程,且实验结果优于测试集记录的结果。

融合粗糙集和扩散二元萤火虫算法的属性约简方法

从一维细胞自动机模型入手,将自然界中种群的扩散行为引入二元萤火虫算法(binary glowworm swarm optimization,BGSO)中,提出了一种扩散二元萤火虫算法(spread binary glowworm swarm optimization,SBGSO)。该算法对萤火虫个体设置营养值及营养阈值的上下限,然后执行扩散操作,以正态分布方式产生新的个体,并淘汰一些持续表现很差的个体,释放资源给其他个体,以保持种群的动态多样性。然后将SBGSO作为搜索策略,粗糙集(rough set,RS)作为评价准则,应用于大数据预处理的属性约简问题。为验证本文算法的可行性,采用5个UCI数据集进行实验,并结合10-fold和支持向量机(support vector machine,SVM)算法对预测结果分类准确率进行分析,通过与其他算法对比,表明本文算法具有较好的约简效果。

基于生命周期的二元蚁群优化算法

将自然生态系统中生物生命周期的思想引入二元蚁群优化算法中,通过对蚂蚁设置相应的营养阈值而执行繁殖、迁徙、死亡操作,从而保持种群的动态多样性,进而克服二元蚁群优化算法易陷入局部最优的缺陷,然后结合分形维数将该算法应用于属性约简问题中,通过UCI中的6个数据集进行测试,结果表明该算法具有较好的可行性和有效性.

基于二元蚁群算法的多目标订单分配问题求解

为了在最小化综合成本的同时尽量均衡企业的生产负荷以及为水平型制造协作联盟(HMCA)订单分配的管理工作提供依据,设计多种群混合行为二元蚁群算法,用于求解HMCA订单分配的多目标模型。该方法在二元蚁群算法的基础上引入区域划分、环境评价与奖励策略,以弥补二元蚁群算法难以同时寻找多个解的缺陷,通过引入中心扰动行为,进一步提高求解质量。实验结果表明,该算法可以保证分布性,且求解质量较高。

一种结合二元蚁群和粗糙集的连续属性离散化算法

离散化是一个重要的数据预处理过程,在规则提取、知识发现、分类等研究领域都有广泛的应用。提出一种结合二元蚁群和粗糙集的连续属性离散化算法。该算法在多维连续属性候选断点集空间上构建二元蚁群网络,通过粗糙集近似分类精度建立蚁群算法适宜度评价函数,寻找全局最优离散化断点集。通过UCI数据集验证算法的有效性,实验结果表明,该算法具有较好的离散化性能。

二元蚁群优化算法研究综述

二元蚁群优化算法作为蚁群算法改进的一种,其独特的随机二元网络结构在离散域及连续域优化问题中均得到较好的应用,但探索和利用的冲突、单一种群寻优的局限性以及算法评价次数的增加均限制了二元蚁群算法更好的发展。从一维细胞自动机入手,首先对二元蚁群优化算法的基本模型进行描述,然后讨论了近年来对二元蚁群优化算法的若干改进及应用;最后评述了二元蚁群优化算法未来的研究方向和主要研究内容。

连续空间二元粒子群算法理论研究综述

连续空间的二元粒子群算法通过搜索空间与解空间相分离,在离散域及连续域优化问题中均得到较好的应用,但标准二元粒子群算法离散化机理存在的缺陷以及"探索"和"利用"的冲突均限制了二元粒子群算法更好的发展。从离散化机理的改进、算法的融合、协同控制以及算法的描述工具等方面入手,讨论了近年来对二元粒子群算法的若干改进及应用;最后评述了二元粒子群算法未来的研究方向和主要研究内容。

一种求解组卷问题的二元粒子群算法

从一维细胞自动机模型入手,设计了一种求解二元离散优化问题的二元粒子群算法细胞自动机模型(BPSO-CA)。然后将其用来求解组卷问题,同时对BPSO-CA模型进行扩展,得到一次能产生多套有一定重复率或重复率为0的标准化试卷。仿真实验表明该模型能快速有效地完成组卷,具有较强的实用价值。

大规模云计算服务器优化调度问题的最优二元交换算法研究

随着云计算产业的不断兴盛,云计算服务器的合理管理与科学调度成为了一个重要的课题。在模型方面,提出了一个新的携带亲和约束与反亲和约束的混合整数规划(MIP)模型,并将其用于描述大规模云计算服务器调度问题。考虑到求解大规模MIP问题的时间成本,在分枝定界法与局部搜索算法的基础上提出了最优二元交换算法。该算法通过不断地从完整的调度问题中提取MIP子问题,并使用分支定界法解决该子问题的思想,不断地对服务器调度方案进行优化,从而使调度方案接近最优解。实验结果表明,所提算法在测试数据集ALISS上与其他方法相比有较大优势,在完成相同任务的情况下,可以使云计算中心的资源消耗减少4%以上。

基于二元蚁群算法的多层前馈神经网络

提出了一种基于二元蚁群算法的多层前馈神经网络,同时为了避免二元蚁群算法陷入局部最优引入了拥挤交通组织策略。将二元蚁群算法和神经网络混合,可兼有神经网络广泛映射能力和二元蚁群算法快速全局收敛能力,通过在函数逼近实验表明取得了较好的结果。

二元群智能算法求解组卷问题研究

二元蚁群优化算法(BACO-CA)及二元粒子群优化算法(BPSO-CA)作为基于概率的随机搜索智能算法,二者在寻优机理上有着显著的不同。以大规模组合优化问题组卷问题为例,通过设置算法中的参数,探讨二元蚁群优化算法和二元粒子群优化算法求解组卷问题性能的优劣。仿真实验表明,二元蚁群优化算法和二元粒子群优化算法虽然均能在多项式时间内完成组卷问题的求解,但二元粒子群优化算法在求解组卷问题时较二元蚁群优化算法具有更好的时间性能,能在较短的时间收敛到全局最优解。

三维数字循环卷积的二元多项式变换算法

讨论了用二元多项式变换计算三维数字循环卷积的方法,给出了运算量的估算.此法与常用的FFT方法、WFTA方法、一元FPT方法比较,所需运算量有所减少.更为重要的是从理论上完善了多元多项式变换计算高维数字循环卷积的方法.

改进二元分布估计算法求解置换流水车间调度问题

针对置换流水车间调度这类组合最优化问题的求解,提出了一种改进二元分布估计算法(Improved binary estimation distribution algorithm,I-EDA)。算法以二元分布估计算法为架构,使用NEH(Nawaz-Enscore-Ham)启发式算法生成初始解,提高了初始解的质量;通过对优势解的统计采样构建位置矩阵模型和链接矩阵模型,依照两个矩阵模型的合并概率组合链接区块产生子代。提出了NEH插入式重组策略和基于位置概率的交换策略和两种全新局部搜索机制替代原二元分布估计算法的相邻交换法,以进一步筛选优势解。最后通过对Reeves标准测试集的仿真实验和算法比较验证了所提出算法的有效性。

人工生命Bug模型二元蚁群算法求解多0/1背包问题

从一维有趣的Bug人工生命模型出发,并对该模型进行扩展,将蚂蚁对信息素的大小进行选择的概率函数作为细胞的转换函数,对二元蚁群算法从人工生命的角度重新进行描述,同时引入更多的随机因素有效防止二元蚁群算法易陷入局部最优的缺陷,然后通过增加细胞状态集合元素数目的方式对Bug模型二元蚁群算法进行扩展,应用于多0/1背包问题的求解。仿真实验表明,运用文中算法不仅能快速有效地完成多0/1背包问题的求解过程,而且在一定程度上体现了计算的本质。

基于细胞自动机模型的二元群智能算法研究

从一维有趣的Bug人工生命模型出发，并对该模型进行扩展，让agent（Ant或ParcicIe）运动在一维细胞自动机上，通过设置细胞自动机中细胞的内部状态以及细胞的转换函数，提出了适于求解--JL离散优化问题的二元蚁群算法和二元粒子群算法模型，这不仅体现了计算的本质，而且具有较强的实用价值!

基于层次分析法与二元蚁群算法的智能组卷设计

利用改进的二进制蚁群算法,根据试卷总分值、考试时间、试卷平均难度、知识点分值、试卷区分度、题型分值6个约束条件,建立多任务、多目标约束组卷模型;然后利用改进的层次分析法确定组卷目标的权重,通过加权离差模型对智能组卷问题进行建模;最后利用二元蚁群算法求解模型,得到最优组卷方案.层次分析方法比较全面地考虑了出题者的主观因素,而二元蚁群算法充分利用了蚁群算法的智能特点,二者相结合能有效地提高智能组卷的成功率.

可控搜索偏向的二元蚁群算法

蚁群算法按照信息素轨迹产生的偏向对解空间进行搜索.当前改进蚁群算法性能的主要方法是提高种群的多样性,少有对搜索偏向进行控制.本文以可控搜索偏向作为研究的出发点,通过对至今最优信息素更新方式的分析,得出了从任意代到算法收敛没有发现较优解的概率下限.并以此为基础,把访问量与蚂蚁数量的关系作为控制偏向的依据,在兼顾提高种群多样性的前提下,设计了可控搜索偏向的二元蚁群算法.通过多个函数的测试以及0-1多背包问题的应用,其实验结果表明该算法有较好的搜索能力以及较快的收敛速度.