基于高斯分布和模拟退火算法的免疫微粒群优化算法研究

针对微粒群算法在搜索过程中粒子容易失去多样性而陷入局部最优且搜索速度较慢的缺陷,提出了一种基于高斯分布和模拟退火算法的免疫微粒群算法,该算法借助高斯分布和模拟退火的有关机理,分别进行免疫接种和免疫选择的操作。使用常用的基准函数对算法进行了仿真验证工作,通过与全局微粒群优化算法、变惯性权值微粒群优化算法的对比表明,免疫微粒群优化算法(IPSO)在搜索速度和全局寻优方面具有一定的优势。

CIPSO算法在城市有轨电车控制策略中的应用研究

在保证电车安全的前提下,轨道交通中的城市有轨电车控制策略优化问题实质上是多目标优化问题,主要是针对节能、正点、停靠准确和乘客舒适度优化等方面的复杂问题,以电车运动学方程为基础,针对粒子群优化算法在离散优化问题中处理不佳,容易陷入局部最优的问题,采用混沌Tent映射初始化粒子群,建立其多目标优化模型。而后采用免疫接种和免疫选择的方法提高PSO优化算法的优化能力,对模型进行求解。以广州市海珠区环岛新型有轨电车试验段数据为对象进行实例仿真,结果表明,混沌免疫微粒群优化算法较传统微粒群优化算法可获得更好的控制策略,能更有效的解决电车运行多目标优化问题。

MANET通信网络中基于状态感知与IPSO的路由搜索与优化

报告了MANET网络结构、应用特点以及在路由选择、传输性能自适应方面的现状。针对目前MANET网络节点的智能化程度不高,网络节点及其通信路由的性能参数不能随通信条件适时优化的实际问题,运用状态感知路由选择与免疫微粒群优化算法原理,提出了人工智能与MANET相结合的智能MANET网络结构,论述了智能MANET网络中基于状态感知和免疫微粒群优化算法的路由选择、切换与性能适时优化方法。仿真实验结果表明,该方法的收敛速度与优化质量均优于其它算法。

工期—成本—质量的模糊均衡优化及其Pareto解

针对实际工程项目中存在的不确定因素,通过对工期、成本、质量3个目标函数相互关系的模糊描述,以工序持续时间为决策变量,建立了基于三者的模糊均衡优化模型.为了求解该模型,在微粒群算法的基础上提出遗传免疫微粒群算法,通过测试函数的Matlab仿真验证了算法的有效性,并用于实际工程项目模糊均衡优化问题的计算,得到多组模糊的Pareto最优解,同时绘制相应的3维散点图,为决策者的选择提供准确和直观的依据.研究结果表明,所构建的工程项目工期—成本—质量的模糊均衡优化模型构建的合理性,同时表明遗传免疫微粒群算法在求解该模型方面的有效性.