改进二进制和声搜索算法求解多维背包问题

和声搜索(HS)是一种已广泛应用于连续优化问题的元启发式方法。针对典型的组合优化问题——多维背包问题(MKP),提出一种改进二进制和声搜索(IBHS)算法。算法通过伯努利随机过程生成二进制群体,在候选和声生成算子中,引入动态自适应参数,通过算法参数的自适应调整来协调算法的全局搜索和局部搜索,并提出一种新的更有效的衡量商品多维加权价值密度的方法用于二进制个体修正和优化;引入精英局部搜索机制进行协同寻优,提高IBHS的收敛速度。通过求解10组不同规模的典型多维背包算例和与贪心二进制狮群优化(GBLSO)算法、改进的差分演化(MBDE)算法以及二进制修正和声(BMHS)算法的对比分析,实验结果表明,所提算法在求解MKP时有具有良好的收敛效率、较高的寻优精度和很好的鲁棒性。

基于二进制和声粒子群算法的电站经济运行问题研究

机组组合是电站经济运行问题中典型的复杂非线性优化问题,其求解难度随系统规模增大呈非线性增长,如何对其进行高效求解一直是电力系统研究领域的热点和难点问题。为此,提出一种适用于电站经济运行中机组组合问题的二进制和声粒子群算法(BHSPSO):首先将粒子群算法的信息共享机制纳入到和声搜索算法的和声记忆库考虑操作中,并利用全局极值实现音调微调;然后采用启发式智能调整策略处理时段关联型约束条件,即根据机组优先顺序修复旋转备用约束,在此基础上,设计了一种"开-停-开"的修复策略处理最小开停机时间约束,有效改善了优化计算结果质量。将该方法分别应用于电站10台机组(简称10机)至电站100台机组(简称100机)系统标准算例,仿真结果表明:所提算法具有简单高效、收敛速度快、鲁棒性强等优点,为水、火电机组组合优化运行问题的高效求解提供一种新的途径。

基于和声搜索算法求解组合优化问题

为了能够应用和声搜索算法(HSA)求解组合优化问题,基于HAS的三种操作的离散化实现提出了一种二进制和声搜索算法(BHSA),并将BHSA用于求解著名的k-可满足性(k-SAT)问题和0-1背包问题,通过与粒子群优化(BPSO)和遗传算法(GA)的实例计算对比验证了新算法的可行性与有效性。

中文文本分类中基于和声搜索算法的特征选择方法

特征选择是中文文本分类过程的重要预处理环节，特征选择效果直接影响文本的分类准确率。传统的特征选择方法有CHI、IG等，在其他分类预处理环节和分类算法确定的条件下，通过这些传统特征选择方法很难大幅度提高文本分类的准确率。因此，本文在传统特征选择方法的基础上提出一种新的特征选择方法，该方法利用传统的特征选择方法对原始特征进行预选，在此基础上使用和声搜索算法以二进制编码形式对预选特征进行优选，选择与否分别编码为1和0。与此同时，以分类准确率作为个体的适应度，在和声库的初始化中设定一个前半解分量为1、后半解分量为0的初始解向量，以此提高初始和声库中解的适应度。使用搜狗语料库、复旦语料库、中山大学资讯管理学院智能信息处理实验室提供的语料库，每个语料库提取的训练文本和测试文本分别为1800篇和900篇。分别使用KNN、朴素贝叶斯、SVM分类器在预选维数为300维、600维、1200维中进行实验。结果表明，对比传统的特征选择方法，采用二进制和声搜索算法进行特征优选后，其分类准确率均得到提高。

一种求解0-1背包问题的二进制修正和声搜索算法

针对0-1背包问题,提出一种二进制修正和声搜索算法.该算法修正了即兴创作过程,对参数PAR进行动态调整,同时提出一种随机修复机制,有效修复不可行的和声,增强算法的局部搜索.采用一种可行和声初始化方式,保证初始和声都是可行的,整个搜索过程完全采用0-1二进制模式,对14个0-1背包问题进行测试.将所提出算法与其他算法进行比较,结果验证了所提出算法的有效性.