基于混合离散状态转移算法的多目标节能无等待流水车间调度

针对以完工时间和总能耗为目标的节能无等待流水车间调度问题(energy-efficient no-wait flow shop scheduling problem,EENWFSP),设计一种混合离散状态转移算法(hybrid discrete state transition algorithm,HDSTA)进行求解。根据问题特性设计工序和速度矩阵的编码方式,采用启发式算法获得优质的初始解。根据EENWFSP性质,对4个离散操作算子进行任务分配,将嵌入二次状态转移的交换、移动、对称算子用于工序优化,替换算子用于机器速度优化,并在替换算子中嵌入基于关键路径的速度替换策略。设计了一种改进的破坏重构操作,用于进一步提高Pareto解的质量。通过与4种算法在测试实例上的实验结果分析,表明HDSTA在解决EENWFSP时具有较强优势。

自适应状态转移模拟退火算法及其应用

状态转移模拟退火算法(STASA)作为解决复杂优化问题的有效方法,其搜索效率依赖于搜索算子和参数值的选择,在一些高维复杂问题上出现效率低下的问题。提出一种自适应状态转移模拟退火算法(ASTSA),通过自适应算子和参数选择策略来提高算法的适用性和求解效率;借鉴群智能算法的均值更新方法对平移算子进行改进,增强算子的搜索特性。通过23个基准测试函数和8个工程设计问题进行实验验证并与其他算法对比,证明了ASTSA算法和改进策略的有效性。

一种求解旅行商问题的离散状态转移算法(英文)

本文提出了一种求解旅行商问题的离散状态转移算法,设计了交换、平移、对称等3种转移算子,讨论了算法的收敛性和时间复杂度等问题,研究了参数对算法的影响.实验结果表明,与模拟退火算法及蚁群算法等经典组合优化算法相比,该算法具有耗时短、寻优能力强等优点,这也表明了状态转移算法的适应性很好.

基于改进状态转移算法的不确定混沌电力系统参数辨识

电力系统参数的准确性是电网安全稳定运行和科学合理实现电网调度的前提,而混沌电力系统的参数常是未知的或是不稳定的,致使难以获取精确的混沌电力系统参数。针对混沌电力系统参数辨识难度大、易受外界干扰等问题,提出一种基于改进状态转移算法的混沌电力系统参数辨识方法。首先分别分析了二阶混沌电力系统和四阶混沌电力系统的数学模型及混沌状态;然后利用状态转移算法进行未知参数的辨识,其中设定陷入局部最优判别机制用于判断状态是否出现早熟现象,若发生早熟现象,加入逆向转移机制使状态跳出早熟状态,增加群体的多样性,避免陷入局部最优解;最后将该改进状态转移算法分别用于二阶和四阶混沌电力系统的参数辨识。仿真结果表明,改进的状态转移算法对于不确定混沌电力系统的参数辨识不仅具有很好的辨识速度,而且也具有很高的辨识精度。

状态转移矩阵的差分算法及其应用

指出用数值积分方法计算状态转移矩阵在程序实现时存在的困难 .根据精密定轨和参数解算的实际需要 ,提出用差分算法 ,即通过两条接近的轨道的差来计算状态转移矩阵 .差分算法的优点是程序具有良好的结构且编程较简单 ,其不足之处是差分时可能损失精度 .将差分算法与数值积分方法的结果进行比较 ,提出克服其不足之处的方法 .

面向QoS区分的自适应状态转移概率动态更新算法

为了提高在大规模、重负载环境下IEEE 802.11e EDCF(Enhanced Distributed Coordination Function)机制的网络性能.引入了在信道空闲时退避计数器状态转移概率的概念,提出一种新的提高网络QoS(Quality of Service)的方法—根据当前网络状态,动态地调节不同优先级在信道空闲时退避计数器的状态转移概率.通过马尔科夫链数学模型验证了在饱和情况下所提算法的优越性,并推导出了状态转移概率的最优值,给出了实现此算法的基本流程和步骤.实验结果表明,此算法不仅保证了各种优先级业务之间的公平性,而且显著提高了网络吞吐量,同时降低了MAC层延时和丢包率.结果验证了在负载动态变化时,算法的自适应性和优越性.

基于原对偶状态转移算法的分数阶多涡卷混沌系统辨识

未知分数阶混沌系统参数辨识问题可转化为函数优化问题,是实现分数阶混沌系统同步与控制的关键.结合正交学习机制和原对偶学习策略,提出一种原对偶状态转移算法,用于解决分数阶混沌系统的参数辨识问题.利用正交学习机制产生较优的初始种群增加算法的收敛能力,并引入原对偶操作增加状态在空间的搜索能力,提高算法的寻优性能.在有噪声和无噪声情况下以分数阶多涡卷混沌系统的参数辨识为研究对象进行仿真.结果表明了该算法的有效性、鲁棒性和通用性.

区间自适应遗传算法在求解马尔可夫状态转移矩阵中的应用

将区间自适应遗传算法应用于马尔可夫预测模型状态转移概率矩阵的求解。用马尔可夫预测法对辽宁省农、林、牧、渔各业产值结构进行了研究,与《中国统计年鉴》整理得到的数据比较,具有较高的预测精度,为优化辽宁省农业产值结构提供参考。

基于状态转移算法的极限学习机

目前极限学习机在训练模型时存在占用计算资源多和模型精度低等问题.为了解决上述问题,提出了一种基于状态转移算法的极限学习机,可提升算法计算效率和模型精度.利用状态转移算法的全局搜索特性求解线性方程组,得到极限学习机的输出权重矩阵,进而完成建模.在分类和回归数据集上与极限学习机和其他主流算法进行对比,所提方法可以利用较少的隐藏层节点得到高精度的模型,同时具有更好的学习准确率.这种高性能的建模方式弥补了极限学习机的不足.

基于混沌策略状态转移算法的混沌系统参数辨识

针对混沌系统的参数辨识是一个多维参数的优化问题,提出了基于混沌策略状态转移算法的混沌系统参数辨识方法。该方法是在初始化时以混沌序列初始化种群,在搜索过程中引入混沌变异机制,利用遍历性对状态进行变异操作,避免了过早收敛,提高了全局搜索能力。利用该算法辨识Lorenz混沌系统参数,并与基本状态转移算法和粒子群算法进行比较。仿真结果表明,在有无噪声干扰的情况下,该算法比粒子群算法和基本状态转移算法具有更好的辨识精度,且比粒子群算法具有更好的收敛速度。证明了该算法的有效性和抗干扰性,对混沌理论的发展有重要的意义。

多目标状态转移优化算法及其在团体操布局中的应用

提出了一个基本团体操布局的优化算法,该算法能够给出多目标状态转移的全过程,并能自动修正布局状态相对于场地中心的位置。设计了相应的实用系统,该系统提供了一个交互式图形输入界面,布局设计者能够很方便地设计和虚拟排练布局过程。

基于改进状态转移算法的电力系统两阶段动态无功优化

针对混合整数非线性规划的电力系统动态无功优化问题,提出两阶段动态无功优化模型以降低计算规模。第1阶段为非线性规划,以系统网损和节点电压偏移综合最小为目标。第2阶段为混合整数规划,在满足设备全天调节次数等约束的基础上,以电力系统网损增量最小为目标。鉴于常规罚函数法处理约束条件会出现罚因子选取不当而影响最终结果的情况,提出混合滤子技术的改进状态转移算法。该算法采用双种群并行搜索方式,将个体适应度和约束违反度构成滤子对作为评价指标以替代罚函数。最后,以IEEE 14节点系统和某地级电网实际系统为例,将所提算法、传统状态转移算法和多种群蚁群算法分别求解模型,通过对比分析仿真结果验证了所提模型与算法的正确性。

基于退火的状态转移式模糊C-均值聚类算法

传统的模糊C -均值 (FCM)聚类是一种基于梯度下降的优化算法 ,该方法对初始化较敏感 ,且易陷入局部极小。借用模拟退火中系统温度的概念 ,提出基于退火的状态转移式模糊C -均值聚类方法 ,利用温度来控制类别中心的选取概率。实验结果表明 ,该方法可克服系统对数据集及初始解的敏感度 ,且能尽量避免陷入局部极小 ,而获得质量更优的解。

一种求解企业员工指派问题的离散状态转移算法

员工指派问题是运筹学中的一类整数规划问题,为了寻找最佳的员工指派方案,使得完成所有任务的总成本代价最小,本文研究了一种新的离散状态转移算法.在一次状态转移的基础上提出了二次状态转移的概念,从而扩大了候选解集的范围,并提高候选解集的多样性.为了克服算法在迭代后期更新缓慢的缺点,提出了停滞回溯策略,即当算法陷入局部最优解时进行回溯操作,从历史停滞解中随机选择一个更新当前最优解.通过与模拟退火算法进行测试比较实验,证明了本文所提出算法的有效性,同时该算法提高了求解员工指派问题的成功率与稳定性.

状态转移算法原理与应用

状态转移算法是基于状态和状态转移的概念及现代控制理论中状态空间表示法提出的一种智能型随机性全局优化方法,由于其优良的全局搜索能力和快速收敛性,在许多优化问题中得到了很好的应用.本文系统地阐述了状态转移算法的基本原理和内在特性,详细介绍了状态转移算法的演变与提升,包括离散、约束与多目标状态转移算法,状态转移算法参数分析与优化、算子拓展与智能化策略等内容,并从非线性系统辨识、工业过程控制、机器学习与数据挖掘等方面重点介绍了状态转移算法的应用.

基于改进状态转移算法的串级平推流反应器动力学参数估计

实际化工过程反应系统通常由若干个相互关联的平推流反应器串级构成,要建立其机理模型,并估计其动力学参数,就必须反复求解大规模非线性微分方程组,计算代价较高。针对智能优化算法在求解昂贵优化问题时计算成本过高,而工业过程模型往往只需要找到一组满意解即可的特点,提出了一种基于改进状态转移算法的串级平推流反应器动力学参数估计方法。该算法在保留标准状态转移算法全局寻优能力和快速收敛能力的同时,利用对立算子优化初始种群,并根据误差阈值判定满意解中止条件,可有效节约计算时间。以实际炼油企业的加氢裂化装置为研究对象,采用所提方法对其反应系统的动力学参数进行估计,仿真结果表明了所提方法的有效性。

基于状态转移算法和U-net的医学图像分割

U-net在医学图像分割领域应用广泛,但存在小目标分割精度低、模型收敛慢等问题,且其结构和超参数的设定对网络性能有很大影响。为此,本文提出基于混合状态转移算法的U-net结构设计方法,以获取不同分割任务下的较优的U-net体系结构。首先,提出一种可变深度的编码策略来表示U-net中不同的构建块和潜在的最优深度;其次,通过混合状态转移算法优化网络结构中的超参数和连接权重初始值;再次,设计一种新的交互操作来生成具有潜力的个体,利用迁移学习策略和减少epoch的方法加速网络个体的进化;最后,在心脏MRI、肝脏LiTS这2个医学图像数据集中进行测试,验证本文方法的有效性。研究结果表明:与经典的语义分割网络相比,本文所提方法在Dice、Jaccard、VOE等分割性能评价指标中有更好的表现,验证了本文所提算法的可行性和有效性。

应用改进状态转移算法优化多阈值图像分割

针对多阈值图像分割中阈值求解效率低、精度不足的问题,提出了一种基于改进状态转移算法的图像多阈值分割方法。改进状态转移算法的伸缩变换采用一种方差自适应的正态分布策略,增强了算法在初期包含全局最优解的可能性,以及算法在后期的收敛性。另一方面,通过精英解集加权和来确定邻域中心,增加了群体间的交流,能充分利用精英解集间的信息实现启发式搜索,同时"贪婪准则"最优解保留机制保证了算法的收敛。实验表明,相比其它算法,上述方法在收敛效率和精度方面有显著优势。

基于量子状态转移算法的作业车间调度问题

针对传统优化方法存在种群多样性受限、寻优能力差等问题,提出一种量子状态转移算法求解作业车间调度问题。构建以最大完工时间最小为目标的数学模型;利用量子状态转移算法进行问题求解,通过状态转移算法中的旋转、伸缩、平移和坐标变换操作对量子旋转角进行更新,从而实现状态转移框架下的量子旋转、量子伸缩、量子平移和量子坐标变换操作;为提高算法的局部和全局探索能力,提出将移位解码和位置交换编码相结合对解空间进行映射,并提出非局部最优解容忍机制可有效避免算法早熟及丰富解的多样性以提高收敛精度。通过对12种基准算例进行仿真,结果表明,该算法与传统算法相比可有效缩短最大完工时间且具有精度高、寻优能力强及可跳出局部最优等优点。

改进状态转移策略的蚁群算法求解TSP问题

针对蚁群算法在求解TSP问题中易出现算法易早熟难收敛的问题,基于历史搜索信息提出了一种改进状态转移策略的蚁群算法,并引入自适应信息素更新机制引导信息素的更新。实验表明,改进的蚁群算法较传统蚁群算法改善了在求解TSP问题上易早熟难收敛的问题,求解效果和求解稳定性上提升显著。