自适应搜索空间的混沌蜂群算法

针对人工蜂群(ABC)算法的不足,以种群收敛程度为依据,结合混沌优化的思想,提出一种改进的人工蜂群算法—自适应搜索空间的混沌蜂群算法(SA-CABC)。其基本思想是在原搜索区域的基础上,根据每次寻优的结果自适应地调整搜索空间,逐步缩小搜索区域,并利用混沌变量的内在随机性和遍历性跳出局部最优点,最终获得最优解。基于六个标准测试函数的仿真结果表明,本算法能有效地加快收敛速度,提高最优解的精度,其性能明显优于基本ABC算法,尤其适合高维的复杂函数的寻优。

遗传算法中自适应伸缩搜索空间的方法

在求解优化问题时,与进化策略和进化规划不同,遗传算法依赖于所给定的搜索空间。但对于大多数实际问题,并不知道最优解所在的区域,因而无法给出适当的搜索空间,大大影响了遗传算法的性能。针对这一问题提出了一种自适应伸缩搜索空间的方法,它包括扩展阶段和收缩阶段。前者能够快速找到一个包含全局最优解但较为粗糙的搜索空间,后者则不断地细化这个空间。文中方法可以从任意初始空间出发并很快获得较为精确的上下界。同时,当应用到动态环境时,也能够迅速地适应新的适应度曲面。仿真实验证明了其优越性能。

搜索空间自适应调整蜂群算法的起重机主梁优化

为了减轻起重机主梁自身重量、实现主梁轻量化,提出了搜索空间自适应调整蜂群算法的主梁优化设计方法。建立了起重机主梁轻量化设计数学模型;以传统人工蜂群算法为基础,提出了蜂群搜索空间随迭代次数自适应缩减方法,直至最终锁定最优值区域;充分利用混沌系统的遍历性和随机性,使用混沌搜索蜜源代替停滞蜜源,不仅跳出了局部极值,而且实现了蜜源进化,有效提高了算法收敛速度和寻优精度。使用搜索空间自适应调整的混沌蜂群算法和传统算法求解主梁优化数学模型,改进算法优化的主梁面积比企业主梁截面积减少了2.77%,而传统算法只减少了2.42%;对优化后主梁进行有限元分析可知,主梁优化后依然满足约束条件,符合设计使用要求。

求解函数优化问题的一种高效混合演化算法

在郭涛算法的基础上设计出了一种求解函数优化问题的高效混合演化算法。新算法的主要特点有两个:一是引入演化策略中的高斯变异算子,二是引入自适应搜索子空间。高斯变异算子对群体作正态分布微调,防止早熟;引入自适应搜索子空间使群体在演化至接近全局最优解时能自动缩小搜索范围,从而达到加速收敛的目的。测试函数表明,该算法正确高效,求解精度极高,指正了文献[3]中的错误,所求函数全局最小值优于文献[3]记录的最好结果。

利用改进的郭涛算法求解函数优化问题

对郭涛算法做了两点改进:一是引入演化策略中的高斯变异算子,二是引入自适应搜索子空间。高斯变异算子对群体作正态分布微调,防止早熟;自适应搜索子空间使得群体在演化至接近全局最优解时能自动缩小搜索范围,从而达到加速收敛的目的。数值试验表明:新算法正确高效,求解精度高;指出并更正了文献中的两处错误,所用测试函数全局最小值均刷新了文献中记载的最好结果。