基于微分进化算子和混沌扰动的量子粒子群算法

在分析量子粒子群算法搜索特性的基础上,引入了微分进化算子以及混沌扰动,提出了基于微分进化算子和混沌扰动的量子粒子群算法:在粒子搜索的过程中,以一定的概率对粒子的每一维执行微分进化操作,以增加粒子的随机性,减少粒子因为多样性的缺失而陷入局部最优的概率;并根据混沌的随机性和遍历性在性能较差的部分粒子中加入混沌扰动,从而增加粒子局部搜索精度,提高算法的优化性能.通过多个测试函数的试验对比表明,文中提出的算法是可行且有效的.

基于进化算子的季节时间序列模型

目的对传统季节时间序列模型进行分析研究,提出一种新的季节时间序列模型。方法引入遗传与免疫算子,并结合电力产量序列和航空序列模型进行仿真试验。结果建立了一个新的时间序列模型。结论仿真试验结果证明了基于进化算子的季节时间序列模型是一种操作简便、易于实现的有效模型。

具有差分进化算子的社会蜘蛛群优化算法（英文）

【目的】社会蜘蛛群优化算法(SSO)是一种新颖的元启发式优化算法,自从它被提出之后就受到该领域学者的广泛关注,并且也被成功应用到许多领域。但是由于社会蜘蛛群优化算法还处在算法的研究初期,该算法的收敛速度与收敛精度还需要进一步提高。【方法】将差分进化算子引入到社会蜘蛛群优化算法(SSO-DM)中,并将改进的算法应用于函数优化问题中,通过5个标准测试函数来验证基于差分进化算子的社会蜘蛛群优化算法(SSO-DM)的优化性能。【结果】差分进化算子增强了社会蜘蛛群优化算法的收敛速度与收敛精度。【结论】本研究中所提出的算法能够获得精确解,并且它也具有较快的收敛速度和较高的算法稳定性。

基于函数型进化算子的铝电解多目标优化

本文针对铝电解工艺制造系统难以卓有成效地提升电流效率、降低直流能耗的多目标优化问题,提出了基于函数型进化算子的NSGA-Ⅱ算法.该方法在系统稳定运转基础上求出满足铝电解增效减耗需求的Pareto非劣解集合;利用拥挤熵排序更新种群,准确预算各级前沿解集分布;引入算术交叉并构造新型α函数交叉算子,减少破坏优秀解集的可能性;再根据高斯柯西变异特性产生与迭代次数相关的扰动,扩大搜索范围和精度;最后使用标准测试函数检测算法性能并用三种对比算法求解铝电解实例.实验结果显示,本文所提算法能获得分布均匀的Pareto最优解集,利于铝电解工厂参考决策,实现提效减耗的目的.

基于黄金分割律选择算子的改进进化编程算法及其在机器人路径规划中的应用

通过分析及结合机器人路径规划的进化编程仿真实验指出,保存最优个体或淘汰最差个体都会引起进化算法早熟现象,并提出如下改进算法:按适应度从高(优)到低,依黄金分割律分别取出优秀和最差部分个体(染色体),通过赌轮法,并按适者生存原则从优秀的部分中选择一个体直接进入子代,而按劣者淘汰原则从最差部分中选择一个体从子代中排除。将改进算法运用于机器人路径规划,通过仿真实验检验了算法的有效性。

遗传算法引入进化方向算子的一个改进及应用

为了有效找到全局最优，将“进化方向”引入到遗传算法中被认为是非常有用的．文中提出了一个新的进化方向算子，用于对标准遗传算法进行改进．该算子依据父代个体和当代个体的进化方向产生子代个体．进化方向的求取无须计算梯度．算子的作用对象是个体中的变量而不是染色体中的基因，因而适合于采用任何形式编码的遣传算法场合．包含该方向进化算子的遗传算法被用于二维多峰函数的极大值搜索问题，进行了对比验证．将新算法进一步应用于离心压缩机扩压器叶片逆命题设计问题，数值结果显示。

基于进化逆转操作算子的遗传算法对步进式加热炉炉温优化

针对传统遗传算法对炉温进行优化设定时易陷入局部极小值,较难快速稳定地找到最优炉温值的缺点,引入逆转算子对遗传算法进行改进,使算法的每一代都能从父代继承更多的基因,从而提高算法的局部搜索能力。改进后的算法可以跳出局部极小值,快速稳定地寻找到最优炉温值,进而对加热炉炉温进行优化设定。大量的Matlab仿真结果表明,该改进算法具备可行性与有效性。

基于非线性自适应比例因子的雪豹优化算法

针对雪豹优化算法在求解复杂优化问题时,存在全局勘探能力不足、寻优精度低等问题,提出一种改进的雪豹优化算法。首先,基于分段Logistic混沌映射初始化从而提高初始种群多样性;其次,引入非线性比例因子用于平衡算法的全局勘探能力和局部开发能力;然后,提出了一种差分变异策略,在第一次种群更新位置后,使用5个随机个体提高全局搜索能力和算法收敛能力,在第二次种群更新位置后,使用3个随机个体保证在求解过程的中后期也具有一定的全局勘探能力,尽可能避免陷入局部最优。通过在IEEE CEC2022基准函数测试集上测试,并与其他算法进行比较,结果表明所提出的算法在种群质量、求解精度以及算法稳定性上均有较大提升。最后将所提出的算法应用于工程优化,计算结果进一步证实了算法的强优化能力。

基于局部线性嵌入与差分进化的MOEA/D算法

针对基于分解的多目标进化算法选择压力低、收敛速度慢的问题,提出一种局部线性嵌入(LLE)差分进化算法。根据LLE特性降低种群目标空间维数,利用快速非支配排序对种群分支配解进行分层,进而通过差分进化操作提高种群收敛速度。实验结果表明,与dMOPSO算法相比,该算法在保证多样性的同时具有较高的选择压力和较快的收敛速度。

基于约束处理和平滑技术的改进的进化算法

进化算法是解决复杂非线性规划的一种有效方法,然而其计算量通常比较大,约束较难处理。本文首先利用约束处理技术将约束最优化问题转化为无约束最优化问题以降低问题求解难度。其次,为了减少局部最优解的个数,利用了平滑技术,该技术可以消除不优于当前最优解的全部局部最优解。此外,设计新的交叉算子。基于此,本文提出一种改进的进化算法,实验结果表明该算法具有较低的计算量和更快的收敛速度。

一种基于进化的移动机器人路径规化算法

本文提出了一种新的移动机器人全局路径的进化规化算法． 通过对环境建立基于位置码的四叉树模型，获得对路径的简易编码方式；进 而将进化算法用于移动机器人的路径规划，并讨论了算法实现的若干问题．

混合变异算子的人工鱼群算法

在分析基本人工鱼群算法存在不足的基础上,提出了基于高斯变异算子与差分进化变异算子相结合的人工鱼群算法,该算法克服了人工鱼漫无目的随机游动或在非全局极值点的大量聚集,显著提高了求解质量和运行效率.通过仿真实验测试验证,表明该算法是可行的和有效的。

基于协同进化策略改进的MOEA/D算法

在标准的MOEA/D算法中,交叉算子是模拟二进制交叉算子(SBX)。该算子局部搜索能力不足,并且面对精度较高的问题时,最优解的选取存在一定程度的偏差。文章引入正态分布交叉算子(NDX)和差分进化算子(DE/best/2)来构建协同进化策略,替换SBX来进行协同进化,生成精英个体,改善算法的收敛性。利用DE/best/2算子对子问题邻域内大量的个体进行重组操作,使父代个体更具多样性,从而能够产生多样性的个体,扩大种群多样性,提供更大的搜索范围。数值仿真实验表明,NDX算子搜寻解的范围比SBX算子更广,容易跳出局部最优,可获得分布性、均匀性更佳的Pareto解集。

柔性作业车间机床与搬运机器人联合调度方法

针对当前柔性作业车间机床和搬运机器人单独调度存在的不匹配问题,以车间完工时间为目标,提出基于多代竞争强进化遗传算法的机床与机器人联合调度方法。对多工件、多工序、多机床、多机器人的柔性作业车间联合调度问题进行了描述;考虑了机床生产和机器人搬运的时序约束,建立了最小化车间完工时间的优化模型;使用工序链、机床链及机器人链缠绕的染色体编码方式,将联合调度问题转化为算法优化问题;在遗传算法中引入多代竞争机理和强进化算子,其中多代竞争机理增加了优秀染色体的遗传概率,强进化算子具有保留优秀基因片段和强制差基因进化的能力。经生产实验验证,在15个工件44道工序的调度中,该算法的车间完工时间比标准遗传算法缩短了14.75%;另外,在不同规模的工件生产调度中,与克隆选择算法和标准遗传算法相比,该算法的迭代次数最少、车间完工时间最短。上述实验结果充分证明了多代竞争强进化遗传算法在柔性作业车间生产联合调度中的优越性。

一种求解KPC问题的带有编码复用离散混合差分进化算法

为了高效求解KPC问题,通过结合具有不同编码结构的S-HBDE和ETDE两种进化算子,提出了一个具有编码复用的离散混合差分进化算法DHDE。首先,在单种群中利用具有(n+1)维空间的ETDE编码方式表示个体,然后通过记录DHDE在前一次进化模式中种群个体改善数目,自适应的选择下一次的进化算子来进化个体,进而获得实例的最优解。最后,通过将DHDE求解四类大规模KPC实例的计算结果与ETDE、S-HBDE和B-HBDE的计算结果对比,证明了算法DHDE不仅寻优性能好,而且稳定性强,是一个适合高效求解KPC实例的新方法。

基于带有编码复用的离散混合差分进化算法求解KPC问题

为了高效求解KPC问题,通过结合具有不同编码结构的S-HBDE和ETDE两种进化算子,提出了一个具有编码复用的离散混合差分进化算法DHDE。首先,在单种群中利用具有(n+1)维空间的ETDE编码方式表示个体,然后通过记录DHDE在前一次进化模式中种群个体改善数目,自适应的选择下一次的进化算子来进化个体,进而获得实例的最优解。最后,通过将DHDE求解四类大规模KPC实例的计算结果与ETDE、S-HBDE和B-HBDE的计算结果对比,证明了算法DHDE不仅寻优性能好,而且稳定性强,是一个适合高效求解KPC实例的新方法。

演化蛙跳算法的药物-靶标相互作用预测

为建立一个高效的药物-靶标相互作用(DTI)预测分类模型,针对预测DTI的常用模型传统支持向量机在参数选择中存在的问题,采用演化蛙跳算法(EFLA)优化支持向量机参数。该算法在第一阶段用量子进化算子来实现局部搜索,第二阶段利用自适应特征向量进化算子实现全局搜索。实验结果表明:演化蛙跳算法在进行预测药物-靶标相互作用实验中有较高的准确率。

超参数自适应的MOEA/D-DE算法在翼型气动隐身优化中的应用

MOEA/D-DE算法易于实现,被广泛应用于处理多目标优化问题,但其超参数对算法性能影响较大。基于MOEA/D-DE算法框架,利用Sobol全局灵敏度分析方法对差分进化算子中的交叉控制参数进行改进,使用莱维飞行机制控制比例因子,使算法中的超参数拥有自适应能力,得到超参数自适应的MOEA/D-DE算法——MOEA/D-DEAH算法;对MOEA/D-DEAH算法、不同超参数设置的MOEA/D-DE算法和NSGAⅡ算法进行函数测试和翼型气动隐身优化算例对比。结果表明:MOEA/D-DEAH算法性能良好,具有较强的鲁棒性,气动隐身优化效果也比其他算法更好。

多飞行器协调航迹规划方法

针对多飞行器的协调航迹规划展开研究 ,提出了一种基于协同进化的多飞行器协调航迹规划算法。在该算法中 ,不同飞行器的潜在航迹形成它们自己的子种群 ,并在子种群内部进化。不同飞行器间的协调关系由航迹的评价函数来实现。同时 ,通过使用特定的染色体表示方法和进化算子 ,该算法可以有效利用各种环境信息 ,处理各种航迹约束 。

基于ARIMA模型的残差修正的航线运量预测方法

针对民航运量数据提出对主体ARIMA模型的残差序列进行二次建模以修正原模型的精度和适应性,引入遗传进化因子来估计二次建模的参数,利用一个典型的民航运量时间序列进行建模仿真,通过对仿真建模的结果评价表明该种建模方法是有效的,能够提高模型的预测精度和改进模型的适应性。