求解TSP问题的离散型萤火虫群优化算法

基于求解TSP问题,提出一种离散型萤火虫群优化(DGSO)算法,该算法结合TSP问题特点,给出一种有效编码和解码方法,并定义适合编码的个体间距离计算公式和编码更新公式.同时,为增强算法求解TSP问题的局部搜索能力,加快算法的收敛速度,算法使用了操作简单的2-Opt优化算子.最后,通过对10个TSP问题进行仿真实验,实验结果表明本文提出的算法是在种群规模较小,迭代次数较少的情况下就可以收敛到已知最优解.在大规模TSP算例中算法获得的最优值与理论最优值的误差也在1%以下.

人工萤火虫群优化算法求解约束优化问题

约束优化问题是工程应用领域经常出现的一类数学规划问题,近年来,约束优化问题求解已成为进化计算研究的一个重要方向.而一系列新型的进化计算方法 ,如人工神经网络、模拟退火、遗传算法、进化规划、进化策略、粒子群、人工鱼群等获得了极其迅速的发展和广泛的应用.本文提出了一种基于人工萤火虫群优化算法求解约束优化问题的新方法.该方法在求解约束优化问题的过程中,不断地寻找更优可行解,逐渐达到搜索全局最优解.通过标准测试函数和工程实例仿真表明,该方法能很好的求解约束优化问题,精度高、适应性强,在工程实际中有较大的应用价值.

基于追尾行为的改进型人工萤火虫群算法

利用人工鱼群算法的追尾思想并在过程中加入拥挤度因子,对人工萤火虫群算法进行了改进,提出了一种改进型人工萤火虫群算法,并将该算法用于多峰函数的优化问题。通过实验仿真及与其他算法进行的对比分析表明,改进后的人工萤火虫群算法在种群规模较小、迭代次数较少的情况下也可以精确捕获函数定义域内的所有峰值。

一种基于人工萤火虫群优化的改进粒子滤波算法

针对传统粒子滤波算法中存在的粒子多样性丧失问题,提出一种基于人工萤火虫群优化的改进粒子滤波算法。该算法利用人工萤火虫群算法优化粒子滤波的重采样过程,按照权值的蜕化程度对样本集进行分层,通过转移概率将权值蜕化子集——映射到高似然区域。根据优化阈值条件,将低权值粒子集分为抛弃组和优化组,通过选取优化组粒子和高权值粒子适当地线性组合产生新粒子集。仿真结果表明,当感知系数为零时,优化算法将蜕化为基本粒子滤波算法;在适当选择感知系数的情况下,优化算法的滤波精度较高,跟踪突变状态的性能较优,在保证粒子群贴近真实后验分布的同时,增强了粒子的多样性。

人工萤火虫群优化算法求解二重数值积分

为提高传统方法求解二重数值积分精度,提出利用人工萤火虫群优化算法求解二重积分的新方法。该方法初始时将矩形积分区域两个方向分割成若干不等距节点,通过萤火虫算法优化这些节点,以优化后的节点为分割点求数值积分的值,以得到比较精确的积分结果。数值积分算例表明,该算法得到的积分值精度高、自适应性强,是一种有效的数值积分方法,在数值计算、工程实际应用中具有一定的参考和应用价值。

人工萤火虫群优化算法的改进与积分应用

本文针对传统积分方法,要求被积函数的有较强性质并且求解精度低的不足,提出了一种基于改进型人工萤火虫群优化算法求数值积分的新方法。该方法首先在积分区间上随机产生积分节点,然后通过改进型人工萤火虫群优化算法优化节点位置,再累积求和,得出数值积分。实验仿真表明,与其他方法相比,具有收敛速度快、精确度高等优点。

基于MapReduce离散萤火虫群优化算法的服务选择方法

针对云计算环境下求解大规模的Web服务选择问题,提出基于MapReduce模式的并行离散萤火虫群优化算法。该算法重新定义个体的编码,计算个体间的距离,改进位置更新,提高高维空间中的搜索能力,并采用分群分治思想和理想点方法进行优化,以避免过早陷入局部最优,提高处理大规模问题的能力。实验结果表明,该算法在求解服务选择问题上具有可行性和有效性,且扩展性较好。

具有混合群智能行为的萤火虫群优化算法研究

萤火虫群优化算法是一种新型的群智能优化算法,基本的萤火虫群优化算法存在收敛精度低等问题。为了提高算法的性能,借鉴蜂群和鸟群的群体智能行为,改进萤火虫群优化算法的移动策略。运用均匀设计调整改进算法的参数取值。若干经典测试问题的实验仿真结果表明,引入混合智能行为大幅提升了算法的优化性能。

基于离散人工蜂群算法的云任务调度优化

针对现今云计算任务调度只考虑单目标和云计算应用对虚拟资源的服务的质量要求高等问题,综合考虑了用户最短等待时间、资源负载均衡和经济原则,提出一种离散人工蜂群(ABC)算法的云任务调度优化策略。首先,从理论上建立了云任务调度的多目标数学模型;然后,结合偏好满意度策略并引入局部搜索算子和改变侦察蜂搜索方式,提出多目标离散型人工蜂群(MDABC)算法的优化策略。通过不同的云任务调度仿真实验,显示了改进离散人工蜂群算法相对于基础离散人工蜂群算法、遗传算法以及经典贪心算法,能够得到较高的综合满意度,表明了改进离散人工蜂群算法能够更好地改善虚拟资源中云任务调度系统的性能,具有一定的普适性。

用于函数优化的层次结构萤火虫群算法

基于人工萤火虫群优化算法,参考人类社会商业组织中的分层管理模式,将人工萤火虫群随机地分布在一个层次结构中,并在过程中加入变异因子,改进基本人工萤火虫群优化算法,提出用于函数优化的层次结构人工萤火虫群优化算法.对4个标准函数的测试表明,层次结构萤火虫群算法在高维函数优化方面比基本人工萤火虫群优化算法性能更优.

基于模拟退火算法的萤火虫群优化算法研究

研究算法优化问题,在人工萤火虫群(GSO)算法的研究中,为了改进GSO易陷入局部极小和进化后期收敛速度慢、求解精度低等缺陷,引入了模拟退火算法,提出了一种新的人工萤火虫群算法(SA_GSO)。新算法将Boltzmann选择机制应用到萤火虫的移动选择策略中,动态调整搜索最优解过程中的选择压力,在人工萤火虫全局寻优的同时,并利用模拟退火算子实施局部细化,提高了GSO算法的全局搜索和局部搜索能力。仿真结果表明,SA_GSO算法的收敛速度和求解精度显著地提高,是求解组合优化问题的一种可行且有效的方法。

基于蛙跳算法的人工萤火虫群优化算法

人工萤火虫群优化算法(GSO)是最近提出的一种群智能优化算法,算法具有参数少、优化求解速度快以及占用内存少等优势,但是GSO算法还是存在许多的不足,本文就是来讨论解决GSO算法中的一些不足之处。

考虑空间众包工作者服务质量的任务分配策略及其萤火虫群优化算法求解

针对空间众包中的任务分配问题,考虑空间众包工作者的服务质量对分配结果的影响,从而提出了一种加入了工作者服务质量评价的任务分配策略。首先,在每个时空环境下,加入工作者的评价要素以建立充分考虑工作者服务质量和距离成本的多目标模型;其次,通过改进离散型萤火虫群优化算法的初始化及编码策略、位置移动策略、邻域搜索策略使算法收敛速度加快、全局寻优能力提高;最后,利用改进后的算法来求解模型。在模拟和真实数据集上的实验结果表明,该算法在不同规模数据集上较其他群智能算法可提高2%~25%的任务分配总得分。该算法考虑了工作者的服务质量后,可有效提高任务分配效率和最终总得分。

离散粒子群优化算法研究现状综述

粒子群优化算法(PSO)是一类基于群体智能的新型全局优化方法,近年来其离散化形式和方法受到广泛关注。介绍了PSO的基本原理和更新机制,论述了离散PSO算法的研究进展和应用情况,详细介绍了两种离散化策略的机理、更新方法、计算模式和特点,讨论了离散PSO的发展趋势和进一步研究方向。

基于离散人工蜂群算法的认知无线电频谱分配

针对二进制粒子群优化算法在认知无线电频谱分配中容易陷入局部最优等问题,将人工蜂群算法引入到认知无线电频谱分配中,提出了基于离散人工蜂群算法的认知无线电频谱分配方法。针对一种认知无线电网络模型,将离散人工蜂群算法中的蜜源位置离散化,与模型中的可用频谱矩阵相结合产生分配矩阵,对目标函数进行优化,并且使用了一种新的比例公平性目标函数评价该算法的性能;通过仿真比较了本文算法与二进制粒子群优化算法的频谱分配方法的性能,同时在使用电视频段的认知无线电系统进行了验证,结果表明本文算法的高效性和优越性。

改进的离散粒子群优化算法及其在竞胜标确定问题中的应用

通过拓展标准粒子群优化算法模型,提出了一种用于解决离散最优化问题的NDPSO算法,使其仍然具备标准PSO算法相对于其他智能算法的高效性和稳定性。在NDPSO算法的基础上引入依概率随机比较的概念,并构造了进行启发式搜索的随机修补算子,实现对组合拍卖中的竞胜标确定问题(WDP)的求解。实验结果表明,该求解方案与基于其他离散化PSO算法或遗传算法的求解方案相比在达优率和收敛速度上都具有明显的优势。

基于改进萤火虫算法求解焦炉推焦优化调度问题

在焦炉推焦优化调度数学模型的基础上,提出了一种带变异因子的改进人工萤火虫群优化算法。首先设计一种可调节比率的萤火虫飞行概率计算方式,使其可按照问题的实际情况进行人工调节;其次引入变异因子,增强人工萤火虫算法的搜索能力,并采用一种最优-最差荧光素更新方式,降低劣质解被选择的概率,保证算法的收敛速度。最后,仿真实验表明,所提出算法在求解乱笺炉数较多的优化调度问题时具有很高的求解质量和精度。

基于细胞自动机模型的二元群智能算法研究

从一维有趣的Bug人工生命模型出发，并对该模型进行扩展，让agent（Ant或ParcicIe）运动在一维细胞自动机上，通过设置细胞自动机中细胞的内部状态以及细胞的转换函数，提出了适于求解--JL离散优化问题的二元蚁群算法和二元粒子群算法模型，这不仅体现了计算的本质，而且具有较强的实用价值!

基于集合的细菌群优化算法

针对细菌觅食优化算法求解高维优化问题时不易跳出局部最优解的问题,引入趋向方向余弦向量和随时间变化的加速系数,控制细菌觅食优化算法的收敛精度和收敛速度,并将改进算法用于求解组合优化问题。依据细菌种群密度计算原则,设计了一种离散空间和连续空间之间相互转换的规则,同时用集合对细菌觅食优化算法中的算术运算符形式化描述。仿真试验结果表明:基于集合的细菌群优化算法避免了早熟现象,寻优结果优于蚁群算法且接近基于集合的粒子群算法。

基于蚁群算法的物流配送路径优化

在现代物流配送中，找到一种方法对具有很多影响因素制约的运输尤其是路径的选择进行优化是配送业务的重点。蚁群算法是一种新生算法，是最近几年才提出来的一种新型的模拟进化算法，具有很强的通用性，从提出到现在，仅短短十余年的时间，但其在离散型组合优化问题中。表现得很突出，所以引起人们的关注。