求解TSP的离散野马优化算法

针对求解TSP问题,提出一种新的元启发式算法离散野马优化算法(DWHO),应用最小位置匹配值法(MPMV)对求解结果进行离散化解码;为提高算法搜索能力,结合野马放牧、交配、领导者交流与选拔行为,引入变邻域搜索策略,增强了算法的局部搜索能力、加快算法收敛速度。选取TSPLIB标准库33个算例进行实验,并与交换序列人工蜂群算法(ABCSS)、离散蜘蛛猴优化算法(DSMO)两种算法进行比较。实验结果表明,DWHO求得的最优解与ABCSS、DSMO两种算法的最优解相比,最优解改进率最大值分别达到4.52%和3.41%。同时,将离散野马优化算法求解TSP收敛速度与以上两种算法进行比较,其收敛速度具有一定的优势。结果表明离散野马优化算法求解能力和精度具有优势。

基于离散哈里斯鹰优化算法求解带时间窗车辆路径问题

为求解带时间窗车辆路径问题(Vehicle Routing Problems with Time Windows,VRPTW),提出一种离散哈里斯鹰优化算法。该算法采用随机反转和交换操作对全局开发阶段进行重定义,扩大算法的全局搜索空间;引入贪心策略和移除算子对局部搜索阶段进行重定义,加强各个哈里斯鹰间信息的交互,提高算法的局部探索能力。对比实验结果表明,离散哈里斯鹰优化算法在求解VRPTW上有较强的寻优能力,求解质量优于其他启发式算法。

基于离散优化算法和机器学习的传感云入侵检测

针对传感云的大规模高维度数据和多变性入侵行为,在雾计算模式下提出了一种基于并行离散优化特征提取和机器学习方法特性的传感云入侵检测算法。首先,为有效降低数据维度和提高特征提取过程的鲁棒性,在定义最优特征评价指标的基础上构建并行离散优化特征提取框架,理论分析表明:该指标能最大限度去除特征冗余度和保持原始数据多样性。其次,设计了具有普遍意义的离散优化算法(DOA),结合工程优化问题特点给出DOA实现流程,并证明了DOA具有全局收敛性,在此基础上使用DOA对特征提取框架进行求解,通过并行特征子集筛选过程实现了最佳特征组合提取。最后,利用最佳特征子集和机器学习中的分布模糊聚类技术对传感云入侵行为进行检测,通过引入智能迭代进化思想和自适应聚类策略,在有效避免模糊聚类算法易陷入局部最优缺陷的同时实现了聚类个数自动划分。实验结果表明:该入侵检测算法能有效给出入侵检测结果,而且相比于其他检测算法,该算法异常检测成功率和漏检率明显改善,且具有较强抗噪能力。

一种混合的离散细菌菌落优化算法

为了利用细菌算法解决组合优化问题,提出了一种混合的离散细菌菌落优化算法。根据现有细菌优化算法,设计一种新的个体编码方式及进化模式,通过设计种群的自适应调整因子增强个体活力,并融合禁忌搜索算法,克服算法易于陷入过早收敛的不足,并与其他算法在Taillard标准调度测试问题集上比较实验,验证了算法的有效性。仿真结果表明,该算法可以搜索到问题的最优组合,能够有效避免算法陷入局部最优,取得了满意的结果。

基于离散粒子群优化算法的多用户检测器

利用粒子群优化算法解决优化问题的基本思想,提出了一种新的粒子群算法,进而设计了两种使用NDPSO和多阶段检测器(MSD)相结合的混合方法进行CDMA通信系统的多用户检测.一种方法是使用NDPSO作为MSD的初始阶段给后面阶段的MSD提供一个好的初始值;男一种方法是把MSD嵌入到NDPSO 的每一代中.通过混合MSD到NDPSO中,可以加快NDPSO的收敛速度,减少计算复杂度.另外,NDPSO所提供的好的初值可以改善MSD的性能,嵌入的MSD还改善了NDPSO的性能.仿真结果表明,多用户检测方法与传统检测器和已有的DPSO多用户检测方法相比,在误码率、抗远近能力方面都有显著提高.

离散粒子群优化算法在输电网络扩展规划中的应用

输电网络扩展规划是一个非常复杂的大规模组合优化问题。文中研究了离散粒子群优化(DPSO)算法在单阶段输电网络扩展规划中的应用,提出一种基于黑板系统的多智能体协调模型。该模型中,DPSO算法利用黑板系统进行粒子间信息共享,有效地提高了算法的全局收敛能力。通过构造节点扩展矩阵和速度矩阵,建立了输电网络扩展规划问题的求解模型和DPSO求解算法。该算法已成功用于IEEE Garver-6等两个系统,计算结果表明了该方法的可行性和有效性。

基于优化决策树算法的变电站故障诊断系统研究

为有效提升变电站运行期间故障自动化诊断效率和准确率,采用阈值近邻迭代法对样本数量进行优化,同时引入平衡系数对测试属性选择进行优化,然后再采用优化二分离散算法对连续属性离散性进行优化,构建基于优化决策树算法的变电站故障诊断系统。通过优化决策树、ID3以及C4.5三种算法的应用效果对比分析,得出基于优化决策树算法分类准确性更高、决策树构建速度更快、决策树规模更小这一结论,能够显著提升监控系统在变电站运行期间的应用效果,对于变电站长期运行稳定与安全具有重要意义。

带时间窗装卸一体化车辆路径问题的混合离散粒子群优化算法

为了同时实现总配送成本最低、车辆数最少和车辆行驶距离最短等目标,考虑车辆指派成本及运输路径成本的相对重要性,建立了带时间窗装卸一体化车辆路径问题的混合整数规划模型。针对该问题搜索空间的离散性和求解算法的局部收敛性,提出了一种混合离散粒子群求解算法。算法基于客户排列的直观无分段大路径解表示法,采用改进深度优先搜索分割法对问题解进行解码与评价;嵌入一种变邻域下降搜索程序并在个体粒子每次迭代时以一定概率选择执行,利用混合粒子群算法在多邻域深度搜索和在全局空间广度搜索进行寻优,同时应用模拟退火思想和比例选择性变异最差个体来改善个体搜索停滞现象。采用两个不同目标算例进行寻优测试,验证了所提算法的可行性和有效性。

一种离散细菌菌落优化算法研究

为了拓宽智能优化算法解决实际问题的能力,提出一种离散的细菌菌落优化算法。首先,设计新的个体编码方式以及进化方式;其次,融合禁忌搜素算法,克服算法易陷入早熟的不足;最后,与其它算法在Taillard标准调度测试问题集上比较实验,验证了算法的有效性。仿真表明,算法能够寻求到问题的最优组合。

多目标离散灰狼优化算法求解作业车间节能调度问题

针对作业车间节能调度问题,建立了一种以优化总能耗和工件最大完工时间为目标的节能调度模型,并提出一种多目标离散灰狼优化算法进行求解。根据问题的特点,首先采用离散整数编码方式,利用调度规则生成初始种群;其次引入一种基于跟踪模式和搜寻模式的双模式并行搜索方法,并在搜索过程中动态调整两种模式下个体的数目,以协调算法全局和局部搜索能力;为了使算法适用于多目标离散调度问题,在跟踪模式下提出一种基于交叉操作的离散个体更新方法,在搜寻模式下提出一种基于记忆池机制和邻域结构的离散个体更新方法。对40个作业车间调度问题基准算例进行改造,并验证了所提算法的有效性。

基于Voronoi图和离散微粒群优化算法的UCAV攻击轨迹决策

根据UCAV可发射区简化模型,提出了UCAV攻击轨迹决策问题。提出了UCAV攻击轨迹决策的分层设计方法,并将其转化为优化问题。首先根据已知的飞行环境,采用Voronoi图生成初始轨迹;然后通过建立攻击轨迹约束条件模型、飞行距离模型和威胁模型,以飞行距离和威胁代价为优化目标函数,构建了UCAV攻击轨迹决策模型,并在此基础上提出了一种离散微粒群优化(Discrete Particle Swarm Optimization,DPSO)算法对攻击轨迹决策模型进行求解。仿真结果表明,通过Voronoi图和DPSO算法能够较好地解决UCAV攻击轨迹决策问题,并能够在多约束条件下对目标函数进行组合优化。

基于改进离散微粒群优化算法的混流装配线多目标排序

产品投产排序是混流装配线有效运作的关键,它是标准微粒群算法无法直接应用的离散空间问题。提出改进离散微粒群优化算法来解决混流装配线多目标排序问题。提出了适应离散编码的粒子位置编码方式,有效避免了不可行解的产生,提高算法效率。引入了动态参数及自适应逃逸机制增强了粒子的多样性和搜索性能。分析了装配线参数变化对目标函数和相应投产序列的影响,并确定出了能够获得最优解的合理参数范围。提出评价指标对改进离散微粒群优化算法与基本离散微粒群优化算法进行了对比,对实际混流装配线的仿真实验表明提出的改进微粒群优化算法可以直接应用于离散排序问题,是一种高效的混流装配线排序算法。改进微粒群优化算法与遗传算法的仿真实验对比显示了提出方法在混流装配线排序问题中的优越性。

基于离散粒子群优化算法求解矩形件排样问题

改进了一种近似排样算法,并将改进的近似排样算法与离散粒子群优化算法结合求解矩形件排样问题。设计了应用离散粒子群优化算法求解矩形件排样问题的相关操作和定义,给出了离散粒子群优化算法求解矩形件排样问题的详细步骤,最后通过实验测试,验证了算法的有效性。

确定复杂环网方向保护最小断点集的改进离散粒子群优化算法

确定复杂环网方向保护最优配合顺序的核心步骤是求解最小断点集(minimum break point set,MBPS)。文章提出一种基于改进的离散粒子群优化算法(discrete particle swarm optimization,DPSO)求解MBPS的新方法。该方法首先以带约束的策略生成初始粒子,然后在迭代中引入惯性权重因子来平衡粒子的全局与局部搜索能力,同时增加一个固定粒子飞行方向的约束,以保证搜索始终在解的可行域中进行。文章最后以具有典型线路保护配置的电力系统为例进行了仿真,结果表明,新方法能以较快的收敛速度和较高的收敛精度得到MBPS的可行解,具有较好的实用性和有效性。

基于优势种群的离散果蝇优化算法求解无等待流水车间调度问题

针对以最小化最大完工时间为目标的无等待流水车间调度问题,提出一种基于优势种群的离散果蝇算法进行求解。算法基于排列形式进行编码,以PF_NEH(Profile Fitting&Nawaz-Enscore-Ham)算法为基础构造优势种群;在果蝇优化算法的嗅觉搜索阶段,提出分段破坏迭代贪婪算法和成组插入法进行邻域搜索;在视觉搜索阶段,设计部分交叉策略对较差个体与优势个体进行信息交换,从而引导较差个体向种群中心位置移动,同时提出多种变异机制对优势个体进行变异,以提高种群的多样性。通过标准实例测试,验证了所提算法的有效性。

基于改进离散果蝇优化算法的WSN广播路由算法

为解决无线传感网络(WSN)节点能量限制和广播路由的能耗问题,提出一种基于改进离散果蝇优化算法(DFOA)的WSN广播路由算法。首先,将交换子和交换序引入到果蝇优化算法(FOA)中,得到DFOA,拓展FOA的应用领域;然后,利用莱维(Lévy)飞行对果蝇随机探索的步长进行控制,增加DFOA的样本多样性,并用轮盘赌选择对种群的位置更新策略进行改进,避免算法陷入局部最优;最后利用改进DFOA对WSN路由能耗寻优,找到能耗最小的广播路径。仿真结果表明,改进DFOA获得的广播能耗更低,在不同的网络规模下,均优于对比算法(原DFOA、模拟退火遗传算法(SA-GA)、蚁群优化(ACO)算法和粒子群优化(PSO)算法)。改进DFOA能增加种群多样性,增强跳出局部最优的能力,提高网络性能。

无线Mesh网络中基于离散粒子群优化的信道分配算法

无线Mesh网络中配置多接口Mesh路由器并使用多信道可有效增加网络容量并降低干扰。信道分配问题已被证明是一个NP难题。信道分配的目的是将可用信道分配到通信链路以实现网络干扰最小的目标。针对多接口多信道无线Mesh网络中的信道分配,提出了基于粒子群优化(PSO)算法。在实现过程中,通过增加交叉操作将其改进为离散粒子群优化(DPSO)用以处理信道分配这一离散问题。同时,引入了信道合并过程用以消除违背接口约束情况。通过仿真试验并与Tabu-Based算法对比,该算法能有效降低网络干扰并提升网络性能。

混流装配线排序的改进离散微粒群优化算法

提出在离散空间用一种改进的微粒群优化算法来解决混流装配线的多目标排序问题,考虑两个目标:总生产变化率最小和总闲置-超载时间最小,并对两个目标函数进行了规范化处理以消除量纲的影响。在基本的微粒群算法基础上,提出了适应离散编码的粒子位置编码方式,引入了动态参数方法来提高算法的搜索性能和收敛能力。对实际混流装配线的仿真实验表明提出的改进微粒群优化算法可以直接应用于离散问题并保持了基本微粒群算法的优良性能,是一种性能较好的高效的混流装配线排序算法。

基于离散微粒群优化算法的舰船电力系统网络重构

针对舰船电力系统的网络重构,建立了综合故障恢复的离散优化模型.在标准微粒群优化算法的基础上,引入贪婪法的思想,提出一种基于贪婪法的离散化微粒群优化算法,增加离散化过程,并调整了微粒群优化算法的迭代公式,给出一种贪婪度函数,根据贪婪度的大小对微粒进行离散化,采用惩罚函数法处理约束.不同规模舰船电力系统网络故障恢复算例的计算及与其他算法的结果比较,验证了基于贪婪法的离散化微粒群算法具有优良的收敛性能.

离散微粒群优化算法在网格任务调度中的应用

网格任务调度算法是影响网格成功与否的关键技术之一。在研究现有任务调度策略的基础上,指出Min-Min算法的负载不均衡性。借鉴遗传算法中的交叉操作过程,提出了一种新的任务调度算法。该算法对传统的连续型微粒群优化算法进行改进,使其适用于网格任务调度问题的优化处理,实现网格资源的优化分配。仿真研究表明该算法更符合网格调度的复杂环境,能得到较短的任务执行时间和较好的负载均衡性。对比分析表明,离散微粒群优化算法所得结果优于常用的Min-Min调度方案,是一种高效的调度方法。