靶向量引导的稀疏多目标特征选择算法

考虑到滤波法和包装法在特征统计特性和模型评估方面具有互补性优势,而现有混合特征选择算法在高维特征选择问题中求解效率不高.提出了靶向量引导的稀疏多目标特征选择算法(WF-MOFS),充分结合两种方法的优势,并由3个改进策略提高求解效率:(1)基于特征互信息的种群初始化策略,在初代形成良好的前沿面,提高算法收敛速度;(2)设计特征靶向量初始化和更新方式,初始过程考虑特征统计特性,更新过程评估交互特性,靶值越小,特征被选择的概率越高,引导算法进行特征子集的选择;(3)提出稀疏翻转和修复算子,对特征快速降维,并由靶向量指导后代产生高质量特征子集.在15个常用数据集上进行策略有效性、参数选择和算法对比实验,结果表明WF-MOFS算法的有效性和优势.

改进的遗传算法在优化设计中的应用

针对实际机械优化设计中大量的非线性规划问题,提出一种改进的遗传算法.在对单纯形搜索与算术交叉思想进行分析的基础上,将二者相结合,提出了改进的交叉算子以提高遗传算法的局部寻优能力,将种群逐步向极值点引导,实现算法的快速寻优.同时,为了更好地引导非可行个体趋近可行域,改善解的可行性,将惩罚策略与修复策略相结合提出修复算子,对不可行解进行修复操作,加快个体趋近可行域的速度,提高算法搜索效率以及对非线性约束的处理能力,从而达到改善算法整体性能的目的.实际机械工程优化设计问题的应用研究验证了这种方法的有效性.

离散非线性规划问题的改进遗传算法

针对实际离散非线性规划问题,分析了离散与连续变量优化问题和求解方法的不同及特性.根据离散变量与遗传算法的特点,将单纯形搜索与算术交叉思想相结合,提出离散单纯形交叉算子以提高遗传算法的局部寻优能力,将种群逐步向离散极值点进行引导,实现算法的快速离散寻优.同时,设计了离散变异算子,使遗传算子真正在离散空间中进行搜索.基于梯度下降思想提出离散修复算子,提高算法对非线性约束的处理能力.实际离散非线性规划问题的应用研究验证了方法的有效性.

基于改进NSGA-Ⅱ算法的港口堆位分配问题研究

散杂货港口堆位分配问题是一个典型的组合优化问题。在对此问题分析和建模的基础上,采用NSGA-Ⅱ算法进行求解。针对问题搜索空间大、约束条件复杂等特点,对传统NSGA-Ⅱ算法进行了改进,以提高算法的处理效率、收敛性和多样性。应用Java编程语言,融合JESS推理机,进行了改进NSGA-Ⅱ算法的仿真研究。

基于混合粒子群算法的保障资源优化研究

针对目前我军在武器保障过程中人力资源的过载问题,提出了应用混合粒子群算法求解资源约束项目调度问题的实现方法。分析了网络计划中工序逻辑关系特点,采用工期指标建立优化模型。在算法设计中,使用遗传算法的交叉和变异操作替代粒子速度和位置的更新,并采用修复算子,以保证个体生成的合法性。对某型武器装备保障进行了优化分析,结果表明方法具有很强的寻优能力,对于促进保障单位合理利用资源、科学安排工程调度具有重要的现实意义。

改进遗传算法求解带时间窗的外卖配送车辆路径规划

对带时间窗的外卖配送车辆路径规划问题,必须“先取餐再送餐”的准则制约了遗传算法求解时染色体基因的随机性,对此提出了一种改进遗传算法.首先基于配对互换策略设计了染色体基因修复算子,有效消除了不可行解;然后设计了基于种群平均适应度的自适应交叉和变异策略,使得在遗传进化初期个体适应度低于种群平均适应度时会获得较高的交叉变异概率,提高种群多样性,而在进化后期个体适应度高于种群平均适应度时交叉变异概率快速下降,避免破坏优势个体,保证收敛效果.仿真实验表明,与标准遗传算法和标准蚁群算法相比,改进遗传算法的求解结果和遗传进化效率均更优,算法性能在平均值、方差等方面也明显优于另外两种算法,因此算法改进是有效和实用的.

一种改进的模拟退火萤火虫混合算法求解0/1背包问题

根据萤火虫算法自身特点,本文提出一种基于模拟退火的改进萤火虫算法,并用于求解0-1背包问题.该算法在模拟退火过程中利用萤火虫算法搜索新解,采用贪心修复算子对不可行解进行修正.每一次退火操作完成时,对萤火虫种群实行变异操作,增强萤火虫的全局搜索能力.本算法在求解0-1背包问题时,能及时跳出局部最优,在算法初期增强全局搜索能力,在算法后期加快收敛速度.通过仿真实验表明,该算法可较好的求解0-1背包问题.

具有限额约束的投资组合优化问题的量子进化算法

将量子进化算法应用到投资组合优化问题中,设计了一种具有限额约束的投资组合优化问题的量子进化算法.首先,考虑收益与风险的均衡性,提出了一种新的收益风险评判准则,并以该准则为目标优化投资配置;其次,改进了初始种群生成方式,给出了量子染色体的编码、解码技巧及自适应量子门旋转策略;设计检查修复算子将染色体简单解码得到的解修复为问题的可行解.实证分析检验了量子进化算法的可行性和有效性,结果显示,量子进化算法能够有效消除算法早熟问题;设置的风险水平越低,收益率增长越明显;收益率随着风险水平的上升而增大,最后逐渐趋于稳定;算法具有较好的稳定性和可靠性.

基于遗传算法的工程项目资源配置优化

基于遗传算法的基本原理,采用约束优化问题求解方法和修复算子来优化工程项目的资源。通过实例验证,在解决工程项目施工网络计划资源配置优化问题上,采用带有修复算子的遗传算法可让资源使用更加均衡,带来更大效益,带修复算子的遗传算法在解决工程项目资源配置优化问题上具有很大的优势。

利用遗传算法优化施工网络计划

从遗传算法基本原理出发，设计出带有修复算子的约束优化问题求解方法，用于网络计划资源优化，实践证明，该法解题速度快，结果的精确度也高，由此可以看出，遗传算法在解决大型工程的复杂优化问题中有很大优势．