混合整数优化问题的差分进化算法研究

为求解混合整数优化问题,提出了混合整数差分进化算法(Mixed Integer Differential Evolution,MIDE)。该算法结合整数变量的特点,为整数类型变量设计了专用的变异算子,使整数变量可以在差分进化算法中直接进化;为了维持种群多样性,采用了灾变策略;采用双编码方式,使整数变量与连续变量并行进化,进而提出了混合整数差分进化算法。通过与其它混合整数优化算法的比较,证明该算法具有较好的收敛速度、全局收敛性及算法稳定性等优点。

基于改进量子遗传算法的电力系统无功优化

提出一种基于改进量子遗传算法的电力系统无功优化方法。该方法借鉴量子计算的一些概念,采用量子比特对控制变量编码,这种编码方式能表示出许多可能的线性叠加态,从而更好地维持种群的多样性。同时利用搜索到的最佳个体信息更新量子门,加快了该方法的收敛速度,采用群体灾变策略防止该方法陷入"早熟"。分别采用线性规划算法、复合形算法、改进禁忌搜索算法、标准遗传算法、自适应遗传算法和该方法对IEEE6和IEEE30节点系统进行无功优化,实验结果表明,该方法全局寻优能力强、收敛速度快。

基于改进遗传算法的移动机器人全局路径规划

针对遗传算法在路径规划中存在收敛速度过慢、极易早熟、非必要转向次数过多等问题,提出基于灾变策略的改进遗传算法。设计一种区域必经点选择策略产生优质初始种群来提高算法前期收敛速度;引入并改进灾变策略,防止早熟的同时增加种群多样性,以减小种群规模,提高计算速度;设计一种内嵌A^(*)算法的动态变异算子,以提高算法后期的局部搜索能力;采用多约束条件的适应度函数提高路径的平滑度。仿真结果证明,相比遗传算法、改进遗传算法、多种群自适应蚁群算法,所提改进算法能更好地避免早熟,并缩短寻路时间,从而搜索到更优的路径。最后将算法应用于机器人操作系统平台,通过导航试验证明改进算法有效可行,能显著提升移动机器人的稳定性和效率。

基于CAS-FQL算法的区域交通控制

针对Q-学习算法收敛慢、易陷入局部最优的缺陷,提出了一种基于灾变模糊Q-学习(CAS-FQL)算法的区域交通协调控制方法,即将灾变策略引入到模糊Q-学习算法的学习过程中,以提高和改进Q-学习的寻优能力和学习效率.具体是,利用CAS-FQL算法分别优化路网中各交叉口的周期和相位差,绿信比则采用常规方法优化.TSIS软件交通仿真的结果表明,相比基于Q-学习的控制方法,CAS-FQL算法能显著加快算法的收敛速度、提高交通效率.

分层混合遗传算法求解柔性作业车间调度问题

针对柔性作业车间调度问题,以总拖期最短为目标,提出了一种分层混合遗传算法。其中,根据总拖期的大小,将种群划分为精英层和普通层,精英层包含全局最优的数个不同质个体,其余个体划分为普通层;针对遗传算法局部搜索不足的问题,对精英层提出了一种邻域搜索策略,使代表机器选择和工序顺序的染色体可以根据自身的不足进行调节;针对遗传算法多样性容易丢失的问题,对精英层提出了一种灾变策略,不仅保留了种群的进化优势而且可以向优秀的个体学习。最后通过一系列标准测试函数以及一个生产中的实际案例验证了该算法的有效性。

改进的QGA-BP模型在复杂水质预测中的应用

水质预测是实现非线性水系统的柔性管理、防治水污染的前提工作.机理性水质预测模型的构建往往较复杂并且需要大量运算与数据,预测效果有时不够精确,其进一步推广应用也受到限制.文中以淮河复杂水环境非机理性水质预测为目的,构建改进的量子遗传算法优化BP神经网络模型,采用动态改进策略和灾变策略作为进化操作准则来优化BP模型的权值和阈值,用历史观测数据作为学习范例训练模型.对比实验结果发现,模型改进以后,进化代数、收敛速度和预测结果的准确率有较大提高.该模型用于水质预测的黑箱问题是可行的,拓展水环境管理的思路.