基于KD树和混沌蜉蝣优化的并行谱聚类算法

针对大数据环境下并行谱聚类算法存在的节点负载不均衡、冗余计算、矩阵相乘时间开销大以及初始簇中心敏感等问题,提出了基于KD(k-dimension)树和混沌蜉蝣优化算法的并行谱聚类算法(PSC-MO)。首先,提出基于采样的KD-tree数据分区策略(DPS)划分数据,保证了节点间负载均衡;其次,在构建稀疏相似矩阵过程中,提出优化的分区分配策略(OPA)和基于三角不等式的KD树剪枝策略以进行跨分区的t近邻搜索,避免了过多的冗余计算;然后,提出正规化定理,通过元素对应相乘的方式代替矩阵相乘以优化Laplacian矩阵正规化过程,有效地减少了时间开销;最后,提出混沌蜉蝣优化算法(CMO),得到最佳位置作为初始簇中心后进行k-means并行聚类,解决了算法对初始簇中心敏感的问题。实验表明,PSC-MO算法不但具有良好的聚类效果,而且在大规模数据集上表现出了良好的数据和系统可扩展性。

基于混沌免疫混合算法的多目标无功优化

针对目前评价多目标函数解的不足,提出了将多目标函数各个解映射成多维空间中不同的点,利用这些点与理想点之间的欧氏距离来衡量各个解的优劣;同时针对无功优化、混沌优化算法和免疫算法的特点,提出了在采用免疫算法进行无功优化的记忆抗体群中,运用混沌优化方法和免疫算法的交叉和变异等操作对无功优化的连续变量和离散变量进行交替优化求解,并将它们运用于以降低有功损耗,提高电压稳定裕度及减小电压偏移为目标的无功优化中;通过IEEE-30和IEEE-118节点算例系统验证了混合算法及最优解评价方法的正确性和可行性。

约束优化问题的免疫混沌算法

结合免疫算法极强的全局搜索能力以及混沌优化方法适合局部搜索的特点,提出了一种新的免疫混沌算法.从一组可行解出发,采用免疫算法通过克隆选择、克隆扩增、高频变异和审查形成记忆细胞,并将其作为全局近似最优解,然后采用混沌优化方法按照混沌运动规律在近似最优解的邻域内进行局部搜索并审查,从而获得全局精确最优解.审查过程包含了对约束条件的处理,即对新产生的候选解进行审查,保留满足约束条件的可行解.利用该算法对几个经典约束优化问题进行了仿真测试,与以往方法相比获得了更优的结果,表明该算法是一种解决约束优化问题的有效方法.

电力系统经济负荷分配的人工免疫混沌优化算法

提出了一种用于求解复杂电力系统经济负荷分配问题的新的人工免疫混沌优化算法,该算法融合了人工免疫算法极强的全局搜索能力以及混沌优化方法适合局部搜索的特点。在优化过程中,人工免疫算法通过克隆选择、克隆扩增和高频变异形成记忆细胞,并将其作为最优解的近似解,然后按混沌运动规律在近似解的邻域内进行局部搜索,进而获得精确的最优解。多个算例仿真结果表明,所提出的算法能够有效地解决经济负荷分配问题。

自适应变尺度混沌免疫优化算法及其应用

结合混沌优化算法与免疫算法的特点,提出了一种采用折叠次数无限的自映射x=sin(2/x)产生混沌变量的自适应变尺度混沌免疫优化算法.该算法通过自适应变尺度方法不断调整优化变量的搜索空间,同时采用最大循环次数作为控制指标,既保证了寻优的准确性,又保证了算法的快速性.应用该算法对3个测试函数进行优化计算得到了比较满意的结果.将此算法应用于移动AdHoc网络入侵检测时的仿真实验结果表明,自适应变尺度混沌免疫优化算法能有效地减少对训练样本的依赖,同时减少噪音数据对入侵检测系统性能的影响,适用于移动自组网络对于入侵检测系统高检测率、高抗噪能力和低计算延迟的要求.

基于免疫机理的多峰值函数并行优化算法

多峰值函数的极值问题一直是优化领域中的一个难点和热点。传统搜索方法和遗传算法很难同时搜索出多个极值。基于生发中心中免疫细胞亲和度成熟的机理,本文提出了一种并行优化算法,目的是找出多峰值函数的多个最优解或最优解和尽可能多的局部优化解。算法的主要步骤有超变异、选择、记忆和相似性抑制。用不同的多峰值函数进行了仿真实验,并和相关算法进行了比较,结果表明所提出的算法具有良好的搜索性能。

一类用于函数优化的基于混沌搜索的免疫算法

将混沌优化算法与克隆选择算法相结合,提出了一类基于混沌搜索的免疫算法．首先利用解空间变换将优化变量表示为混沌变量,并将混沌变量编码为抗体．然后,利用混沌变量的遍历性和随机性特点,通过在高亲和力抗体的邻域内进行混沌搜索以实现局部寻优,通过在整个解空间内的混沌搜索来避免陷入局部最优解．数值仿真结果表明该算法具不易陷入局部最优、解的精度高和操作简单等优点．

基于并行免疫粒子群算法的限流措施优化

针对电力系统限流措施优化问题不连续、非线性的特点,提出一种并行免疫粒子群算法。该算法将免疫算法的自我调节机制引入粒子群算法,采用基于粒子相似度的选择机制,保证优化过程中粒子的多样性。根据粒子编码的特点引入疫苗接种概念,有效减少了粒子最优片段丢失的概率,保证算法的收敛精度和收敛速度。并在Matlab并行计算平台上实现免疫粒子群算法的并行化。算例表明该算法具有较强的全局优化能力和收敛稳定性,且计算时间短,有较强的实用意义。

基于免疫进化算法的小波神经网络的混沌优化设计

针对进化算法中的"退化"问题和小波神经网络的"维数灾"问题,将免疫算法和进化算法相结合,在引入混沌机制的基础上,提出了一种基于免疫进化算法的小波神经网络混沌优化设计方法。该方法既充分发挥了小波神经网络的快速性,又充分利用了免疫算法的全局性、适应性等特点。仿真结果表明了该算法的有效性。

并行自适应免疫量子粒子群优化算法

为克服粒子群优化算法早熟收敛及粒子在进化过程中缺乏方向指导的问题,采用量子技术及免疫机制,提出一种自适应免疫量子粒子群优化算法。针对其计算量大、耗时长的缺点,结合已有的并行计算技术,构造该算法的并行计算方法。仿真实验结果表明,该并行算法在搜索能力和运行时间方面具有较好的性能。

混沌免疫混合算法参数自适应调整的优化设计

为提高免疫算法的求解性能,在免疫克隆选择算法中融入了混沌优化操作.分析了抗体群选择概率的重要性并给出其变化的计算式,采用抗体群的连续3代平均适应度变化率以自适应地调节抗体选择概率参数值.给出了混沌免疫混合算法参数自适应调整的优化设计的具体步骤,运用混沌免疫混合算法参数自适应调整的优化方法、免疫克隆选择算法以及其他文献方法对起重机结构主梁截面优化设计.结果表明:混沌免疫混合算法参数自适应调整的优化方法具有自适应能力强、计算效率高及优化设计精度高等优点.

并行混沌与和声搜索的多目标混合优化算法

针对传统的混沌优化算法对初始值敏感、搜索精度低和收敛速度慢,以及和声搜索收敛不稳定、处理多目标优化问题时适应性差等不足,研究了一种多目标并行混沌与和声搜索混合优化算法(MOCOHSA).MOCOHSA利用并行混沌优化的全局搜索能力与和声搜索算法的局部搜索能力,并在和声搜索中引入自适应操作,在解决多目标优化问题时表现出良好的搜索速度和收敛性能.对8个多目标优化测试函数的优化计算中,该算法表现出比其它多目标优化算法更好的性能.算法最后用于解决卫星热管设计问题.

混沌系统动态多目标免疫优化算法及其应用

生物免疫系统的自适应学习、免疫记忆、抗体多样性及动态平衡维持等功能,提出一种动态多目标免疫优化算法处理动态多目标优化问题。算法设计中,Logistic映射产生混沌抗体群;利用抗体的被控度和抗体拥挤距离设计抗体的亲和力;借助控制概念将群体分为非控群和被控群,再分别对其施行不同方式的突变增强群体的多样性;利用免疫记忆、Average linkage聚类方法,设计外部集和记忆集分别保存非控个体和亲和力较高抗体,所获的记忆细胞参与相似或相同环境初始抗体群的生成;借助三种不同类型的动态多目标优化测试问题,通过与两种最新的动态多目标进化算法及一种动态多目标克隆选择算法比较,数值实验论证了所提出算法在动态跟踪Pareto面的速度和执行效果上较其它算法优越。

并行混沌遗传算法在量子级联激光器模型参数优化中的应用

量子级联激光器具备发射线宽窄,光功率密度高,单色性好与准直度高等特点。随着量子级联激光器技术的日趋成熟,其光谱范围不但覆盖大气透射的三个重要红外窗口,而且已经延伸至太赫兹频段,在化学和生物传感、成像和特殊通信等领域有重要的应用。本文首先从量子级联激光器基本结构和能级模型出发,通过构建量子力学模型实现对量子级联激光器物理特性的仿真,在此基础上引入了并行混沌遗传算法对量子级联激光器有源区设计结构中的关键参数进行了寻优。本文还测试并给出了并行计算的开销时间、加速比性能与收敛性。

一种新的混沌免疫优化算法

结合混沌优化算法与免疫算法的特点,提出了一种新的混合优化方法———混沌免疫优化算法.该算法综合了免疫算法与混沌优化算法在各自的空间搜索优势,充分利用免疫算法的记忆库中当代最优解指导混沌搜索。实验结果表明,该算法具有较强的搜索能力和收敛性能,算法有效可行。

运用混沌免疫算法优化吹塑蜗杆少齿差行星减速器

提出了一种基于混沌免疫算法的吹塑系统蜗杆少齿差行星齿轮优化方法。以机构的体积和啮合角最小为双优化目标,体现全局优化特点,使设计参数更为合理适用。利用免疫记忆、免疫细胞超变异、免疫调节等机制,记忆库种群混沌搜索等策略,使算法在收敛速度和寻优能力上有较大提高。仿真结果显示它既能减小结构的尺才,又能提高减速器的运动性能。

基于改进混沌粒子群优化算法的永磁同步电机参数辨识

针对永磁同步电机(PMSM)在参数辨识过程中由于粒子容易早熟和陷入局部最优而导致辨识精度不高的问题,提出了一种改进混沌粒子群优化(ICPSO)算法,并将其应用在PMSM多参数辨识中。该算法通过对混沌算法和粒子群优化(PSO)算法结合并优化,且在算法中融入精英免疫原理,处于中间的粒子进行免疫升级,此举不仅扩大了粒子在种群中的搜索范围,而且在一定程度上克服了粒子早熟、不易跳出局部最优的问题。该算法对标准测试函数进行试验,且与PSO算法和混沌粒子群优化(CPSO)算法在参数辨识中的效果相比较,得出定子电阻、dq轴电感和转子磁链电磁参数,从而证明该算法的有效性。

基于混沌免疫算法的饲料配方优化设计

提出了一种基于混沌免疫算法的鲤鱼成鱼饲料配方优化方法。在满足营养成分的条件下,以降低饲料成本为优化目标,利用免疫记忆、免疫细胞超变异、免疫调节等机制,记忆库种群混沌搜索等策略使算法在收敛速度和寻优能力上有较大提高。仿真结果显示可以有效降低饲料的成本。

基于混沌免疫算法的偏曲轴少齿差行星传动优化

提出了一种基于混沌免疫算法的偏曲轴少齿差行星齿轮优化方法。以机构的体积和啮合角最小为双优化目标,体现全局优化特点,使设计参数更为合理适用。利用免疫记忆、免疫细胞超变异、免疫调节等机制,记忆库种群混沌搜索等策略,使算法在收敛速度和寻优能力上有较大提高。仿真结果显示它既能减小结构的尺才,又能提高机构的运动性能。

基于小生境混沌免疫算法的PID参数优化

在人工免疫算法的基础上,提出了一种小生境混沌免疫算法。通过在免疫算法中引入小生境机制和混沌细搜索,增强了算法保持种群多样性的能力和局部搜索能力;此外,通过对小生境机制与解空间关系的分析,提出了一种小生境距离选取依据。应用于PID参数的优化,并与遗传算法(Genetic Algorithm,GA)、人工免疫算法(Artificial Immune Algorithm,AIA)进行比较。仿真结果表明,设计的PID控制器控制效果优于GA和AIA。