多目标自适应和声搜索算法

提出了一种利用Pareto支配来求解多目标优化问题的自适应和声搜索算法(MOSAHS)。该算法利用外部种群来保存非支配解,为了保持非支配解的多样性,提出了一种基于拥挤度的删除策略,这个策略能较好地度量个体的拥挤程度。用5个标准测试函数对其进行测试,并与其他多目标优化算法相比较。实验结果表明,与其他的算法相比,提出的算法在逼近性和均匀性两方面都有很好的表现,是一种有效的多目标和声搜索算法。

分簇和多目标自适应的和声搜索定位算法

针对集中式多目标优化定位算法计算复杂、容易陷入局部最优等问题,采用一种基于分簇和多目标自适应和声搜索分布式无线传感器网络定位算法.将无线传感器网络节点进行分簇定位,建立局部多目标定位模型,其目标函数为根据簇内节点间距离信息构建的空间约束目标函数,以及根据拓扑关系构建的拓扑结构约束目标函数,使用多目标自适应和声搜索算法进行定位,以解决多目标定位算法容易陷入局部最优问题,其中和声记忆库更新方法采用非劣排序和拥挤距离排序方法.仿真结果表明本文的定位算法,与PAES定位算法相比有较高的定位精度.

基于和声搜索遗传算法的桁架结构拓扑优化

为改善传统设计理念和遗传算法优化不足,促进桁架结构离散变量拓扑优化发展与创新,将遗传算法与和声搜索算法混合,同时对遗传交叉和变异分3种情况进行自适应改进,建立了用于桁架结构拓扑优化的新型混合遗传算法——和声搜索遗传算法,利用该方法分别对平面桁架和空间桁架结构进行拓扑优化分析,并与改进遗传算法、拟满应力遗传算法、相对差商法、复合形遗传算法和改进蚁群算法比较,证明了此方法是有效、可行的。

基于改进和声搜索算法的电网多目标差异化规划

为提高电网的抗灾能力需对电网进行差异化规划。用全寿命周期内的新增成本和减损效益对规划的经济性和可靠性进行量化,建立了多目标差异化规划优化模型。根据Pareto支配关系制定寻优准则,以效益成本比最大为目标从Pareto解集中选择最优的差异化规划方案。将和声搜索算法应用于模型的求解,引入混沌映射、动态参数设置、改进的音高调整策略以及和声寻优信息共享机制使其能够解决0-1规划问题,并提高其搜索性能。对IEEE 30节点算例的分析表明,该模型正确合理,能得到最优规划方案。与常规的遗传算法和粒子群优化算法进行对比,改进和声搜索算法收敛速度快,具有较好的适应性和鲁棒性。

基于和声搜索算法的配电网多目标无功优化

首次将一种新型人工智能算法即多目标和声搜索算法(MOHSA)应用于配电网无功优化中,建立了以系统网损最小、无功补偿费用最低为目标函数的无功优化数学模型,考虑配电网的运行要求,以容性无功补偿的定容定址为控制变量。算法通过和声保留、音调调节和随机选择三种方式来更新和声解向量,同时基于非劣化排序,考虑拥挤距离,对和声记忆库优先筛选,确保求得Pareto前沿的非劣性与分布性,并采用理想点法选择工程最优解。最后采用IEEE-33节点系统,对算法的性能以及工程性进行测试,并与NSGA-II算法对比,结果表明了M OHSA在收敛稳定性、计算精度等方面具有一定优势。

改进的多目标和声搜索算法

针对和声搜索算法不能很好求解多目标优化问题的缺陷,引入邻域搜索算子,对和声记忆库内搜索到的分量进行扰动,对和声记忆库外进行Pareto邻域搜索,实现群体间信息交换,提高算法的全局搜索能力。数值实验选取4个常用测试函数并与NSGA-II、SPEA2、MOPSO 3个多目标算法进行比较,测试结果验证了改进算法的有效性。

配电网重构的自适应和声搜索算法

采用和声搜索算法(HSA)搜索最优方案进行配电网重构时,会受初始参数值的影响。为此,提出自适应和声搜索算法(AHSA)。在和声搜索算法中加入局部搜索进行改进,增强了算法的寻优性能。建立以降低网络的有功和无功功率损耗为目标的配电网重构的数学模型,采用基于节点分层的前推回代法对网络结构进行潮流计算和分析。对IEEE69节点配电网进行仿真,与和声搜索算法,遗传算法(GA)的结果进行对比分析,表明该算法的迭代次数少,有较好的收敛效果。在配电网重构的算例应用中,证明了自适应和声搜索算法是可行的。

自适应和声搜索算法在结构工程设计中的应用

提出了一种自适应和声搜索(adaptire harmony search,AHS)算法来解决结构工程设计问题。AHS算法包含2种重要的操作,分别是位置更新和变异操作。前者能够使非最优解快速地朝着全局最优解移动,这有助于提高AHS算法的收敛速度;后者能够增加种群的随机性和多样性,这有助于增强AHS算法跳出局部最优点的能力。由于采用了以上2种操作,AHS法具有很强的收敛性和空间开发能力。实验结果表明,与已有算法比较,AHS算法在解决结构工程优化问题中能够找到更好的解,它是解决结构工程优化设计的一个有效的算法。

极大熵和声搜索算法求解多目标优化

给出了求解多目标优化问题的一个新算法。首先利用极大熵函数,将多目标优化问题转换为一个单目标优化问题;然后利用和声搜索算法对其进行求解,进而得到多目标优化问题的有效解。该算法对目标函数的解析性质没有要求且容易实现,数值结果表明了该方法是有效的。

自适应改进和声模式搜索算法

由于基本和声搜索算法存在不足,本文提出一种自适应改进和声模式搜索算法(AIHPS).在新算法中加入变异策略对和声微调进行改进,来增强算法的鲁棒性;适时执行模式搜索来增加和声搜索的方向性,来加快搜索;利用自适应参数HMCR、PAR和BW调节全局和局部搜索.利用6个标准的优化算法测试函数对AIHPS算法进行测试,并与HS、IHS和GHS等多个算法进行实验对比,实验结果表明新算法具有跳出局部最优和较强的精确寻优能力.

求解人力资源分配问题的多目标和声搜索算法

人力资源分配问题是将若干个人力资源合理分配给若干个工作任务,从而达到人力生产效率最大化与人力生产成本最小化。文中提出一种改进的多目标和声搜索(MOIHS)算法来求解人力资源分配问题。MOIHS算法是通过改变记忆考虑的选择机制与微调概率来改进基本的和声算法提高算法收敛稳定性,并采用快速非支配排序方法与建立动态拥挤的距离来获得一个分布良好的Pareto解集。在求解人力资源分配问题时,同时优化人力生产成本最小化与效率最大化两个目标,最后通过一个实例可以得到在解决该问题上多目标改进和声搜索算法优于多目标遗传算法,求出的解集也具有良好的分布性。

一种求解高维复杂优化问题的动态自适应和声搜索算法

为了更好地提高求解高维复杂优化问题的能力,提出一种动态自适应和声搜索(DSHS)算法。该算法采用正交试验来设计算法的初始化和声记忆库;利用多维动态自适应调整算子和单维和声微调算子相结合的策略进行和声创作;改进和声音调调解步长,从而增强算法的扰动能力,避免其陷入局部搜索。通过6个标准Benchmark函数测试表明,该算法在全局搜索能力、收敛速度和稳定性方面都有明显提高。

混沌的自适应和声搜索算法

和声搜索算法是一种启发式优化算法,针对现有改进的和声搜索算法(IHS)的不足,提出了一种混沌自适应和声搜索算法(CAHS)。在该算法中,首先采用混沌策略初始化种群,然后采用自适应的和声保留概率、音调调节概率和音调调节步长产生新解,每次迭代产生多个新解,充分利用和声记忆库的信息。如果算法停滞,则采用混沌变异机制。本文用5个标准的测试函数对该算法进行测试,结果表明该算法(CAHS)比IHS和AHSPSO算法有较强的寻优能力和跳出局部最优解的能力。

基于自适应和声搜索算法的摄像机标定方法

为了得到更加精确有效的摄像机标定结果,提出了一种改进的摄像机标定过程优化算法。在和声搜索算法基础上,自适应调整待优化参数,使目标函数不局限于局部最优点;将自适应和声搜索算法(AHSA)与摄像机标定过程相结合,优化标定所得的摄像机内参数和径向畸变系数;分析了实验所得标定结果的平均反投影误差,计算不同噪声级下标定结果的平均绝对误差和标准差。分析结果表明,该摄像机标定方法是准确而有效的。

自适应微调扰动和声搜索算法几何约束求解研究

几何约束求解的方法关系到特征造型系统的性能,为提高几何约束求解的速度,将和声搜索算法应用于几何约束求解中。通过优先选择较小的和声库,利用最好解的评价值确定微调扰动的幅度,并将其嵌入到拉斯维加斯算法中,提高了和声搜索算法的性能。实验结果表明,改进的和声算法具有自适应性,能有效克服局部收敛问题,提高了求解速度。

一种改进自适应参数的和声搜索算法

针对现有和声搜索算法(HS)的提前收敛、收敛速度缓慢、参数选择不佳和容易陷入局部最优等缺点,本文提出一种自适应和声搜索算法参数的改进方法(DCNHS),在算法中加入新的动态方法并且引入带有自适应参数的柯西、正态分布随机数来实现改进算法参数的自适应.通过与目前性能较为突出的几种改进的HS算法、PSO算法、GA算法相比较,本文提出的改进算法(DCNHS)在若干标准优化算法测试函数仿真中,寻优更加精确,收敛更加迅速,并具有较强的跳出局部最优的能力.

基于反向计算和高斯分布估计的动态自适应和声搜索算法

为了增强和声搜索算法在求解高维多模态问题时的空间全局探索能力和求解精度,通过定义的4种反向计算方法和高斯分布估计算法,提出一种动态自适应高维和声搜索算法.该算法采用正交试验初始化和声记忆库;利用多维动态自适应算法进行和声创作;采用动态反向选择算法更新和声记忆库,并改进和声音调微调调解步长,从而增强算法的空间探索能力,避免陷入局部搜索.通过6个标准的高维Benchmark函数测试表明,本文算法在全局搜索能力、收敛速度和求解精度等方面都有明显改进.

改进的自适应和声搜索算法

和声搜索算法是一种启发式优化算法,针对现有改进的和声搜索算法(IHS)的不足,提出了一种改进的自适应和声搜索算法(IAHS).在该算法中,采用自适应的和声保留概率、音调调节概率和音调调节步长产生新解,每次迭代产生多个新解,充分利用和声记忆库的信息.本文用了5个标准的测试函数对该算法进行测试,结果表明该算法(IAHS)有较强的寻优能力和跳出局部最优解的能力.

基于多目标和声搜索算法的城市单向交通组织优化研究

当道路空间占用导致交通拥堵阻断现象发生时,为保障机动车出行通畅,采取单向交通组织优化方法,以路径正反双向途径点数量最小为最优目标,应用多目标和声搜索算法求解双目标模型,进行算例检验和实际应用的性能对比分析,分析结果表明,该方法求得的平衡策略更合理,与当前的一般算法相比,具有明显的优越性.

非线性多目标优化的和声分散搜索算法

针对带约束的高维非线性多目标优化问题,给出一种混合型的智能优化算法进行求解.在和声搜索算法搜索机制的基础上,通过吸收分枝定界的思想,加入了分散搜索算法的优化机制,由此改善了和声搜索算法求解多目标问题时效率不高、搜索方向有时盲目的不足,同时也增强了算法的全局搜索能力,丰富了解的多样性.算法在计算机上编程实现,并对DTLZ系列中的问题进行了求解测试,取得了在三目标问题下的Pareto最优面.通过解集的分散程度和间距等指标对结果进行了评估,并与已有算法的结果进行了对比,验证了所给算法在求解多目标优化问题上的优势.