免疫算法与其他随机优化算法的比较分析

详细描述了免疫算法的基本原理、步骤和寻优机理,以及抗体的抑制和促进、记忆单元更新、亲和性计算等特点。阐述了免疫算法抗原、抗体与实际问题的映射关系。用其他随机优化算法(模拟退火算法、遗传算法、进化规划等)与免疫算法进行了比较研究,给出了他们的异同点、免疫算法的优点等。利用旅行商问题(TSP)、随机优化算法测试函数对免疫算法及其他算法进行了测试分析。实例分析表明,免疫算法是一种收敛速度快、收敛性好的算法。

一种新型快速的直接随机优化算法

针对常用优化算法求解时实时性较差且易陷于局部最优解的问题,提出一种新型快速的直接随机优化算法(DROA).该算法直接利用随机搜索过程寻找最优解,减少了额外计算,降低了计算复杂度;其搜索过程分为全局搜索和局部搜索两个阶段,各阶段选用不同的调节参数公式和搜索方式.先将递增参数的3个随机优化模块串接构造全局优化子,并将多个全局优化子并行搜索构造全局优化器以获得全局最优解;再将多个局部优化模块串接在一起运行构造局部优化器使优化解更精确.测试结果表明,该方法快速高效,优于目前的全局优化算法.

一种个性化城市多目标最短路径随机优化算法

以两点间的有效路径为基础定义了个性化城市多目标最短路径,给出了个性化城市多目标最短路径优化数学模型,并归纳总结了城市内一般驾驶员出行路径选择行为的3个共性特征,进而提出了一种基于有效路径集合迭代计算的多目标最短路径随机优化算法,以自定义的3个弧阻抗设计了有效路径集合的初始化和迭代更新方法,构建形成的路径寻优机制,给出了计算结果的评价方法。与遗传算法的对比实验结果表明,提出的模型和算法的计算结果贴近实际,且计算速度更快。

随机优化算法的基本数学原理与实践

试图探究随机优化算法的有效性,即收敛性存在背后的原理,据原理构造出两个随机优化算法。随机优化算法是对生物的一种模拟,用于解决函数或者策略的寻优问题。证明了随机优化算法要取得全局收敛所需的条件,并通过仿真验证了提出的两个随机优化算法的有效性。

基于随机优化算法的建筑热环境灰箱模型开发与验证

本文建立3热阻-3热容(3R3C)模型对建筑的热环境进行模拟,用遗传算法和粒子群算法更新迭代后的数据,使用EnergyPlus仿真的数据用于3R3C模型辨识。结果表明,3R3C模型不仅降低计算成本,还能描述建筑系统的物理特征并预测建筑的热性能,具有可接受的精度和良好的可信度以及鲁棒性。基于遗传算法和粒子群算法对简化的RC网络模型进行辨识,在最大迭代数为500和初始种群的大小为100的初始条件下,模型预测的室内温度与EnergyPlus仿真的室内温度相差2~5℃,均方根误差在1.5℃左右。在验证数据集上,室内温度35℃以上时,3R3C网络模型预测的室内温度与EnergyPlus仿真的室内温度,最大预测温度误差仅为5℃;室内温度35℃以下时,温度预测误差均在1℃之内,有很好的鲁棒性。

信息熵最小约简问题的若干随机优化算法

现有的启发式属性约简算法一般无法得到信息熵意义下的最小属性约简.为此,文中探讨应用随机优化算法计算信息熵意义下最小属性约简的问题.首先通过定义适当的适应值函数,将信息熵意义下的最小属性约简问题转化为不含约束的适应值优化问题,证明问题转化的等价性.研究基于遗传算法、粒子群优化算法、禁忌搜索以及蚁群算法等若干随机优化算法的求解效率和求解质量,并用一批UCI数据集来加以测试.实验结果表明,文中设计的带增强策略的基于全息粒子群的属性约简算法,具有较高的获得信息熵意义下最小属性约简的概率和较优的算法性能.

随机优化算法的BDS卫星精密轨道确定

针对全球北斗地面基准站分布不均匀而影响北斗定轨精度的问题,该文采用格网控制的随机优化选站方法,兼顾测站的质量、分布和站点稳定性等因素,对全球分布的MGEX站均匀选取。运用加权GDOP指标评价选站的有效性,并全面分析了测站数量、分布和质量对定轨精度的影响。结果表明,该方法选取30个测站时,北斗卫星的GEO、IGSO和MEO卫星的精密轨道精度分别为221.56、12.59和6.81cm,比格网法选站有了较大提高。在一定范围内,测站数越多定轨精度越高,全部测站参与解算反而会使定轨精度降低。

基于二次优化的随机优化算法结果的改进

统计研究发现,随机优化算法多次运行后的优化结果满足正态分布,且期望值更接近最优解.为此,提出一种基于统计学理论并结合牛顿法的二次优化方法来改进随机优化算法的求解结果,以克服将多次优化结果的平均值作为最优解时不能满足精度要求的缺陷.以遗传算法对4个经典测试函数的多次优化为例,分别运用平均法和二次优化法来综合其优化结果.多次实验表明,二次优化法在处理多次随机运行结果时,比平均法精度更高、稳定性更好.

用随机启发式优化算法反演2003年云南大姚地震断层面参数的比较研究

基于余震分布确定主震断层面的数学模型,以确定断层面的走向和倾角参数进行计算,研究了遗传算法、模拟退火算法、差分演化算法、粒子群算法等4种最优化反演方法的反演效果和可靠性。结果显示,在涉及到的反演参数较少和非线性不太严重时,4种方法都有较好的表现,差分演化算法、粒子群算法速度快,精度高,遗传算法速度较慢,精度较低,模拟退火由于缺乏并行机制,速度较慢,精度高于遗传算法。余震在求出的断层附近分布图直观地反映出4种方法的效果和可靠性。

关于随机优化算法的几点讨论

关于随机优化算法的几点讨论李晓莉，雷功炎（河南驻马店师专，北京大学数学系）ＳＯＭＥＤＩＳＣＵＳＳＩＯＮＳＡＢＯＵＴＳＴＯＣＨＡＳＴＩＣＯＰＴＩＭＩＺＡＴＩＯＮＡＬＧＯＲＩＴＨＭＳ￥ＬｉＸｉａｏ－ｌｉ（ＤｅｐａｒｔｍｅｎｔｏｆＭａｔｈｅｍａｔｉｃｓ，Ｚ...

多目标分解随机粒子群优化算法及其在直线电机优化设计中的应用

本文提出了一种多目标分解随机粒子群优化算法(MDSPSO).该算法优化过程中,所有粒子按各自固定的权重向量,采用改进Tchebycheff分解方法,将求解多目标非支配解问题转化为求解多个单目标最优解问题;而后每个粒子在以自身位置、个体历史最优参考位置及群体最优参考位置的几何中心为中心,以中心到自身位置为半径的区域内,随机生成一个新的起始位置,并参考当前的速度更新下一时刻的位置.通过对测试函数多次计算得到的数据进行统计分析,表明MDSPSO的收敛性和多样性均优于另外3种对比算法.最后针对直线电机磁路复杂、有限元计算费时的问题,使用神经网络拟合直线电机结构参数与性能的关系作为优化设计的模型,应用MDSPSO算法,优化结构参数.实际测试结果表明,优化后的直线电机推力大、效率高,同时有效控制了其推力波动和生产成本.

随机优化蚁群算法在空战决策中的应用

空战决策是多机协同多目标攻击的关键技术。在传统蚁群算法基础上,对其搜索机制进行了改进,提出了一种随机优化蚁群算法,并将其应用于空战决策。建立了空战威胁数学模型,给出了产生随机排列的"随机补0"法,有效优化了蚁群的搜索机制。仿真结果表明这种随机优化蚁群算法克服了传统蚁群算法局部收敛的缺陷,特别是空战规模较大时更显示出其较快的收敛速度和全局收敛能力。

一种求解最优机组组合问题的随机扰动蚁群优化算法

针对蚁群优化算法中易出现的停滞现象 ,设计出一种新颖的随机扰动蚁群优化算法。该算法包含了两个重要方面 :一是提出了采用倒指数曲线来描述的扰动因子 ;二是设计出了相应的随机选择策略和扰动策略。此外 ,还对该算法中参数的选取方法及取值范围进行了研究和探讨。利用该算法求解最优机组组合问题 ,并在模型的转化、约束项的处理等方面进行了深入的分析。通过对两个测试系统进行计算 ,并与基本蚁群算法进行比较 ,证明了该算法可以有效地克服基本蚁群算法计算时间较长和容易出现停滞现象的缺陷 ,具有更好的全局优化能力。

一种新的与线网顺序无关的随机优化总体布线算法

针对目前总体布线中仍然存在的 3个关键问题 :布线结果受布线顺序的影响、总体布线图中拥挤区域的不可预见性、线网连接式样受到算法的限制等 ,该文提出了一种新的不受线网顺序影响的总体布线算法 ,并实现了相应的总体布线器 RINO- Router.该算法采用随机优化方法来保证先后被拆线重布的线网有相同的通过拥挤区域的机会 ,并能得到 GRG边的拥挤度估计值 ;采用高效的 Steiner树改造算法构造避开拥挤区域的布线树 .采用典型电路实例进行了测试 ,并将布线结果与基于多商品流算法的总体布线器 Matula- Router进行了对比 .结果表明 ,RINO- Router能够在短得多的运行时间内求得质量与 Matula-

解连续性优化问题的摸石头过河算法

依据"摸石头过河"的思想,提出一种快速、高效的随机优化算法.摸石头过河算法是以一个解为起点,向该起点附近邻域随机搜索若干个解,找出这些解中的最好的一个解,以此解为下次迭代的结果,然后以此点为起点,再向附近邻域随机搜索若干个解,以此类推.解连续性优化问题时改进的方法是逐渐缩小搜索空间,对几个经典测试函数进行实验的结果表明,利用摸石头过河及其改进算法能够极大地提高收敛速度和精度.

基于随机性与确定性混合优化算法的Jiles-Atherton磁滞模型参数提取

基于J-A磁滞模型模拟铁磁材料磁滞特性的关键是模型参数的精确快速辨识。该文针对现有J-A磁滞模型参数提取方法存在的收敛速度慢、求解精度低的问题,提出一种基于随机性优化算法--模拟退火(SA)与确定性优化算法--Levengerg-Marquardt(L-M)混合的J-A模型参数提取方法,该方法综合了SA算法全局搜索能力强以及L-M算法局部收敛速度快的优点。在迭代优化初期,采用SA算法快速锁定J-A模型参数的优化区域;继而根据引入的普适性混合算法切换过渡准则,将SA算法当前解赋予L-M算法;针对基于传统L-M算法提取J-A模型参数出现的病态矩阵问题,该文将J-A模型参数的灵敏度函数矩阵进行归一化处理,从而推导出适用于J-A模型参数快速辨识的归一化L-M算法,该算法在接收到SA算法提供的优化解后,将其作为该算法局部搜索的初始值。仿真及实验结果表明,所提混合算法兼具收敛速度快、提取精度高的优异性能。

基于随机进化灰狼优化算法的分数阶自抗扰起动控制

航空发动机在起动电机起动过程中负载特性会随着转速而变化,同时起动环境的差异以及起动电机自身参数的变化均给起动控制带来了难度。为了解决传统控制策略在处理不确定性问题时的不足,提出了一种基于随机进化灰狼优化算法的分数阶自抗扰控制器(REGWO-FO-ADRC):利用自抗扰控制,增强起动过程中系统的抗扰动能力;结合分数阶控制,抑制由带宽上限引起的观测器估计误差,保证控制品质;设计基于随机进化的灰狼优化算法,对分数阶控制器的控制参数进行在线自整定;用可变的进化速率描述种群更新过程,增加过程中的随机性,提高全局搜索能力和收敛速度。仿真实验表明,设计的控制器能够有效抑制诸多不确定性对系统的影响,改善航空发动机的起动性能。

随机性优化算法有效性定量对比评价方法

针对随机性优化算法寻优结果不可重复的特点,为该类优化算法提供了一种定量对比评价算法有效性的方法。该方法针对单个或一组测试函数的多次优化结果进行统计分析,得到一个能够在概率意义上定量表征不同随机性算法求解单个或一组测试函数的有效性优劣关系的因子。利用该方法,对采用同步或异步全局最优粒子信息更新模式的两种标准粒子群优化算法(PSO)版本进行有效性对比评价,给出了同步和异步模式PSO算法求解无约束单目标连续变量优化问题的有效性优劣关系。

地震反演与非线性随机优化方法

地震反演问题常常需要一些非线性全局最优化的方法。近年来 ,基于生物学、物理学、人工智能和一些非线性科学而发展了一些具有全局优化性能且通用性强的随机搜索算法 ,如 :遗传算法、模拟退火、禁忌搜索和混沌搜索等。作者主要针对地震勘探反演问题的应用综述了这四种非线性随机优化方法的原理和特点 ,并对它们的性能作了一定的分析和比较。

基于粒子群优化的BP网络学习算法

本文提出一种新颖的基于粒子群优化的BP网络学习算法 ,该算法是一种全局随机优化算法。用Iris分类问题 ,将所提出的算法与BP算法作了对比实验。实验结果表明 :所提出的算法性能优于BP算法 。