用带有死亡罚函数的粒子群优化算法求解0/1背包问题

将带有死亡罚函数的二进制粒子群优化算法应用于0/1背包问题.确定了该算法中粒子的运动方程,采用死亡罚函数法处理了约束条件,给出了该算法求解0/1背包问题的实现步骤,并对实验数据进行了测试.测试结果表明:采用该算法求解0/1背包问题所得的最优解明显优于贪婪算法和遗传算法,且有较快的收敛速度.

PSO算法在工程优化问题中的应用

粒子群优化算法是群体智能中一个新的分支。该算法本质上是一种随机搜索算法,并能以较大概率收敛到全局最优,特别适用于连续函数的优化。针对工程中的优化问题,将粒子群算法与死亡罚函数法相结合,提出一种求解有约束问题的优化算法。通过与其它算法的比较,表明该算法是一种简单、高效和普适的算法。

一种新的遗传算法求解有等式约束的优化问题

针对有等式约束的优化问题,提出了一种新的遗传算法。该算法是在种群初始化、交叉、变异操作过程中使用求解参数方程的方法处理等式约束,违反不等式约束的个体用死亡罚函数进行惩罚设计出的实数编码遗传算法。数值实验结果表明,新算法性能优于现有其它算法;它不仅可以处理线性等式约束,而且还可以处理非线性等式约束,同时提高了收敛速度和解的精度,是一种通用强、高效稳健的智能算法。

基于T-S故障树和混合μPSO算法的可靠性优化方法

针对可靠性框图构造系统可靠度函数时需不交化处理的不足,提出了基于T-S故障树算法构造系统故障概率函数并结合可靠性费用函数构造可靠性优化模型的方法,降低了构造复杂系统可靠性优化模型的难度。针对微粒子群优化(μPSO)算法局部收敛性差、粒子群优化(PSO)算法全局搜索能力弱的不足,将μPSO算法和PSO算法进行综合,并结合死亡罚函数法构造了适应度函数,提出了混合μPSO算法,即μPSO-PSO算法。结合串联系统和桥式系统可靠性优化实例,考虑不同的粒子个数,证明了混合μPSO算法的优化结果比PSO算法、μPSO算法及PSO-μPSO算法的优化结果更为理想。

流域梯级水库防洪优化调度数学模型及PSODP解法

根据最大削峰准则,建立流域梯级水库防洪优化调度数学模型,采用马斯京根方程模拟梯级水库间洪水流动。引入粒子群优化(PSO)与死亡罚函数相结合的混合算法PSODP求解模型。实例计算表明,模型不仅有效地减小了整个流域梯级水库的洪灾损失风险,而且提高了流域梯级水电站的经济效益,同时验证了PSODP算法是可行、有效的,是求解此类问题的一种新的高效计算方法。