和声搜索算法研究进展

和声搜索算法是一种新兴的智能优化算法,通过反复调整记忆库中的解变量,使函数值随着迭代次数的增加不断收敛,从而来完成优化。算法概念简单、可调参数少、容易实现。研究了和声搜索算法的起源,基本思想;给出了和声搜索算法的步骤和基本流程,并分析了记忆库取值概率和微调概率对算法的影响。比较了和声搜索算法与遗传算法的差异,给出了和声搜索算法的应用前景和研究趋势。

基于圆形信赖域的改进和声搜索算法

针对标准和声搜索(HS)算法易陷入局部最优、收敛精度不高的不足,提出了一种基于圆形信赖域(CTR)的新型和声搜索算法——CTRHS。该算法运用逐双音调一次性产生方式,在记忆思考环节交互式地采取面向圆形信赖域的集约化思考操作,在双音调微调环节利用当前和声记忆库中的最好或最差和声来确定微调带宽,并且以新生成和声直接替换当前和声记忆库中最差和声来实现和声记忆库的更新。通过在9种标准测试函数上对CTRHS算法进行实验验证和算法性能对比,结果表明CTRHS算法在解质量、收敛性能上优于文献中已报道的7种HS改进算法,且当和声记忆库规模(HMS)、和声记忆库思考率(HMCR)分别取5和0.99时,它能表现出更佳的全局优化性能。

带有全局交叉的修正和声搜索算法

为增强和声搜索算法的全局搜索能力,提出一种带有全局交叉的修正和声搜索(MHSgc)算法.MHSgc算法采用多和声记忆库协同创作,应用邻域学习策略进行调整,取代原有的基音调整,从而增加了种群多样性.同时,提出一种全局交叉操作,并融合到MHSgc算法中,防止算法陷入局部最小.针对几个标准函数进行了实验仿真,数值结果表明,上述算法优于文献报道的8种智能算法(HS,IHS,GHS,NGHS,EHS,ITHS,MPSO,RMDE),具有较好的优化潜力.

改进和声搜索算法在硫化车间调度中的应用

针对硫化车间生产调度环节分配不合理导致的机台利用率不高和生产效率低的问题,提出了一个改进的离散和声搜索(Improved Harmony Search,IHS)算法来优化硫化车间调度的最大完工时间。该算法包含个体记忆考虑过程、扰动搜索过程和竞争淘汰机制。在竞争淘汰机制中,用新解替换和声记忆库中对应的个体或最差解,更新和声记忆库,加速优胜劣汰的进程,使记忆库中每个个体更快速地向最优解方向靠近。通过MATLAB实验仿真,结果表明,IHS算法获得的结果要优于HS和PSO算法,在解决硫化车间调度问题有良好的性能,验证了该算法的有效性和可行性。

基于和声算法的图像配准技术

和声搜索算法是新近问世的一种搜索算法,在许多实际问题中都得到了成功应用。和声搜索算法通过不断调整修改记忆库中的解变量和不同的取值概率、微调概率,从而使函数值随着迭代次数的增加不断收敛,达到优化的完成。算法本身可调参数少、且容易实现。引入和声搜索算法解决图像配准问题,将和声算法应用于配准图像中。实验结果通过互信息大小表明,和声搜索算法在一定程度上可以很好地达到对图像进行配准的目的。

和声搜索算法的改进

和声搜索算法是新近问世的一种启发式全局搜索算法,在许多组合优化问题中得到了成功应用。在有关问题上展示了较遗传算法、模拟退火算法和禁忌搜索更好的性能。但是,和声搜索算法在迭代时容易陷入局部搜索的状态,本文针对这一问题,对生成初始解向量进行了改进,对更新和声记忆库进行了改进。从而提高了算法的执行效率,避免算法陷入局部最优。

改进的和声搜索算法求解带时间窗的物流运输调度问题

针对带时间窗的物流运输调度问题,设计一种改进的和声搜索算法。该算法利用类电磁机制算法改进和声搜索的随机产生规则,并且使用了和声记忆库扰动策略和2-Opt局部搜索策略提高算法性能。结果表明:相比基本和声搜索算法及其他启发式算法,所设计的算法具有更好的收敛速度和收敛精度。

基于HS-Bat算法优化的电力系统负荷分配

针对单一和声搜索算法(HS)在解决厂级负荷分配问题时存在对数据约束性不足、容易陷入局部最优等问题,利用蝙蝠算法搜索频率、速度与位置更新实现了和声搜索算法中和声记忆库的变异,利用两种算法共同搜索的机制,提高了和声搜索算法的寻优能力,同时在算法中加入防越界限制,增强了算法的约束力与鲁棒性,并分别建立了考虑机组阀点效应的负荷分配模型,以及机组额定功率下排污费用与除尘、脱硫、脱销补偿电价的环保型负荷分配模型。通过仿真并与其它智能算法的优化结果进行比较,证明了该算法在优化负荷分配问题上的优越性。