竞赛算法:随机寻优的一种新途径

本文介绍一种新的随机寻优与学习方法,即所谓的竞赛算法.讨论了它与著名的遗传算法之间的主要区别.文章最后给出一些可以显示该算法效率的模拟实验结果.

随机寻优方法在化工优化计算中的应用

介绍了两种新的寻优方法。一种为自适应蒙特卡罗算法，另一种为全局积分寻优算法。给出了该算法在化工优化计算中的应用实例，计算结果表明，这两种算法都明显地优于传统的梯度算法。

神经网络训练的一种随机方法

研究了一种随机寻优方法Ａｌｏｐｅｘ算法在神经网络权值训练中的应用问题。对Ａｌｏｐｅｘ算法进行了分析和改进。优化了算法中随机扰动的作用方式，改善了温度Ｔ（Ｋ）的变化过程，使用前向神经网络和递归神经网络进行比较实验，仿真结果表明改进后的算法具有更快的收敛速度。

点覆盖问题的蚂蚁算法求解

文章讨论了点覆盖问题的蚂蚁算法求解。点覆盖问题是一个重要的有实际意义的难解问题。蚂蚁算法为近年来新出现的一种随机寻优算法,文章运用该算法给出了求解点覆盖问题的一个分布式并行算法。实验结果表明该算法是行之有效的。

基于极值组合分析遗传算法之误

该文推导出一系列利用函数极值点的分解组合进行寻优的原理 ,最为重要的是得出选择亲本的原则 :该亲本为极值点 ,而不是适应度高 .这正是遗传算法的最大误区 ,是遗传算法诸多缺点的根源之所在 ,如未成熟收敛 ,效率低下、局部搜索能力弱等 .该文根据极值组合原理对此进行了理论上的分析 ,仿真结果说明极值组合原理极大地提高了寻优效率 .

具有生存期的开放式遗传算法

早熟是遗传算法应用中面临的主要问题,避免早熟现象的发生需要种群中的个体具有多样性。文章按进化过程中种群是否从外界引入新个体,将遗传算法分为开放式遗传算法和封闭式遗传算法,从外界引入个体可以增加种群的多样性,避免早熟。另外,当某个体参与交叉的次数达到一定阈值时(即生存期满),文中认为该个体已经充分地将其遗传基因传递到后代,该个体及其副本可以从种群中清除,从而避免出现某个体占领种群的现象,也能有效地保持种群的多样性。实验证明,将生存期与开放式种群结构相结合,可以显著提高遗传算法的收敛性能。

应用分形两种迭代算法作短期负荷预测

电力负荷受很多因素的影响,故电力负荷的预测也存在一定的随机性,而分形理论是非线性系统理论中十分活跃的一个分支,其中分形插值是构造分形曲线的方法。本文在分形拼贴原理和分形插值方法的基础上,结合遗传算法对垂直比例因子随机寻优的特点,分别利用确定性迭代算法和随机迭代算法来求取电力负荷预测日的迭代函数吸引子,从而构造两种预测模型,最后通过实例对两种模型下的预测结果进行比较。

进化计算的二进制与浮点数自适应混合编码方法

提出了一种新的基于二进制码串和浮点数码串的混合编码方法，将遗传个体的每一变量编码为二进制和浮点数的混合码串，使得进化计算能结合二进制编码方法全局探索能力强的特点和浮点数编码方法局部寻优能力强的特点。在这种混合编码方法中，根据进化过程中遗传群体平均适应度的变化，自适应地改变二进制码串和浮点数码串所占比例，使得进化计算的全局探索能力和局部寻优能力得到了较好的平衡，提高了进化计算的收敛速度和全局优化收敛率。文章对一系列典型函数的优化计算实验验证了基于二进制码串和浮点数码串的混合编码的特点。

DE-ICA优化算法在工作模态参数识别的应用

提出一种差分进化(DE)改进的独立成分分析(ICA)优化算法,解决工作模态参数识别时容易陷入局部最优,难以识别出高阶模态参数的问题.通过对悬臂梁的ANSYS仿真数据对比可知:相对于传统的ICA方法,结合差分进化算法的ICA识别的模态参数精度更高,且能分离出更多的高阶模态,更适合于高阶模态参数的识别.

步进电动机的故障诊断及其实现

针对步进电动机运行中的某些主要故障 ,设计了 FNN模糊神经网络故障推理机及其单片机实现 ,提出随机寻优训练算法 ,并以此对该 FNN进行了训练 .仿真结果表明 ,该算法不仅计算速度快、推理精度高 。