基于评价函数的遗传算法求解非线性规划问题

针对具有等式约束和非等式约束的非线性规划问题 ,通过引进准可行方向、主导准可行方向和可行度等概念 ,提出描述和度量非可行点 (染色体 )的新方法 ;通过嵌入非可行染色体的信息于评价函数 ,提出 3种改进的评价非可行染色体的新方法 ;基于新的评价函数方法 ,提出一种沿权重梯度方向变异的遗传算法 (EGA)。对测试问题的仿真结果表明了 EGA算法的有效性。

基于非线性规划和遗传算法的函数寻优

针对遗传算法求解复杂非线性函数寻优出现早熟,陷入最优解这一问题,将非线性规划和遗传算法相结合,通过对典型复杂函数的仿真,并与遗传算法比较,表明基于遗传算法和非线性规划的函数寻优算法具有明显的优势,收敛速度快,寻找到的极值非常接近最优解。

一个解非线性0-1整数规划问题基于罚函数的混合粒子群优化算法(英文)

利用罚函数思想把非线性0-1整数规划问题转化为无约束最优化问题,然后把粒子群优化和罚函数方法结合构造出一个基于罚函数的混合粒子群优化算法,数值结果表明所提出的算法是有效的.

整数非线性规划的一种直接搜索寻优算法

本文的工作是将Rosenbrock算法移殖求解整数非线性规划,得到一种求解整数非线性规划的直接搜索寻优算法,该算法只要求函数是可计算的,可适用于实际规划问题。

非线性规划的遗传算法在多峰函数优化中的应用

对于函数优化问题,遗传算法具有较强的全局搜索能力,但其局部搜索能力相对较弱,一般只能搜索到问题的次优解,特别是函数具有多个峰值时,遗传算法易陷入局部解,而采用梯度下降方法寻优,非线性规划具有很强的局部搜索能力,但全局搜索能力较弱,所以研究通过结合两种算法的优点,利用遗传算法实施全局搜索和非线性规划实施局部搜索,以得到函数优化问题的全局最优解.通过测试函数证明,结合非线性规划后,遗传算法不仅能解决多峰函数寻优过程中易陷入局部最优的问题,而且具有很高的寻优效率,取得满意的结果.

非线性规划问题的函数逼近算法与收敛性

对于一般的非线性规划问题,利用Lagrange函数进行拟合,建立一种算法。在算法的每次迭代中,通过解构造的二次规划问题获得一个可行方向。并证明了该算法的收敛性。

解非线性规划问题的非参数罚函数多目标正交遗传算法

对非线性规划问题的处理通常采用罚函数法,使用罚函数罚的困难在于参数的选取。本文提出了一种解非线性规划问题非参数罚函数多目标正交遗传算法,对违反约束的个体进行动态的惩罚以保持群体中不可行解的一定比例,从而不但有效增加种群的多样性,而且避免了传统的过度惩罚缺陷,使群体更好地向最优解逼近。数据实验表明该算法对带约束的非线性规划问题求解是非常有效的。

一类目标函数不连续且带约束的非线性规划求解算法

对一类目标函数不连续的带约束非线性规划进行讨论 ,将其转化成多个目标函数可微的非线性规划 ,通过对这些非线性规划多次迭代求解的结果 ,得到了这类目标函数不连续的带约束非线性规划的求解算法。

基于改进哈里斯鹰算法的无人飞行器路径规划

针对无人飞行器三维路径规划问题,提出一种基于哈里斯鹰优化(Harris hawks optimization,HHO)算法的无人飞行器三维路径规划算法。首先根据路径规划代价指标和无人飞行器自身性能,建立路径规划模型确立代价函数和约束条件。接着针对传统HHO算法的不足,引入非线性能量因子来平衡全局搜索和局部搜索的关系,使算法避免陷入局部最小值;引入混沌映射对HHO算法进行初始化种群并对其进行局部混沌搜索,增强算法种群多样性和搜索能力。最后通过仿真实验证明,改进的哈里斯鹰优化(improvement Harris hawks optimization,IHHO)算法可以有效规划出安全的无人飞行器航线,并且能够跳出局部最小值和具备较优的收敛速度。

非线性整数规划的一个近似算法

利用连续总体优化填充函数法的思想，本文设计了非线性整数规划的一个近似算法，首先，给出了非优化整数规划问题离散局部极小解的定义，设计了找离散局部极小解的局解搜索算法，其次，用所设计的局部搜索算法极小填充函数来找比当前离散局蝇极小解好的解。本文的近似算法是直接法，且与连续总体优化的填充函数法相比，本文填充函数中的参数易于选取，数值试验表明，本文的近似算法是有效的。

非线性混合整数规划问题的改进差分进化算法

针对非线性混合整数规划问题,本文采用非固定多段映射罚函数法处理约束条件、用混合整数编码技术处理连续变量和整数变量,并在基本差分进化算法中加入一种新型的凸组合变异算子和一种指数递增交叉算子,由此构造出了一种求解非线性混合整数规划问题的改进差分进化算法。实验表明,所提出的算法全局收敛速度快,精度高,鲁棒性强。

0-1非线性规划问题的改进差分进化算法

针对0-1非线性规划问题的特点,提出了一种适合于求解0-1非线性规划问题的改进差分进化算法。这个算法把差分进化算法和罚函数方法有机结合起来,在变异操作中加入0-1取整运算,在交叉操作中使用了指数递增交叉概率因子以提高算法的全局搜索能力和收敛速率。用8个例子进行了实验研究,结果表明这个改进的差分进化算法在收敛性、精度、鲁棒性强方面都比较好。

求解非线性规划问题的改进直觉模糊遗传算法

提出一种改进的直觉模糊遗传算法用于求解带有多维约束的非线性规划问题。以遗传算法在迭代寻优中的个体适应度大小构造相应可行解的隶属度和非隶属度函数,将非线性规划问题直觉模糊化转化为直觉模糊非线性规划问题,通过建立直觉模糊推理系统,自适应地调节遗传算法的交叉率和变异率;并采用一种改进的选择策略,将个体按适应度值大小排序、等量分组,对适应度低的个体组随机选择复制,保留不可行解中可能隐含的有利寻优信息,增强种群个体的多样性和竞争性。仿真实验结果表明,该算法求解非线性规划问题时是可行和有效的。

求解非线性规划问题的一类对偶算法(英文)

本文提出了一类求解不等式约束非线性规划问题的构造性对偶算法．我们证明了在适当的条件下，势函数的罚参数存在一个阀值，当罚参数小于这个阀值时，由这一方法所产生的序列局部收敛于问题的一个Ｋｕｈｎ－Ｔｕｃｋｅｒ解．我们也建立了解的依赖于罚参数的误差上界．最后，我们给出了一个特殊势函数的数值结果．

一个基于插值的解非线性双层规划的遗传算法

非线性双层规划问题是一类递阶优化问题,相关的算法往往需要对每一个上层变量值求一个下层优化问题才能得到一个可行点,这使得算法的计算量很大.目前文献中的算法通常都是基于对每个确定的上层变量,下层最优解唯一的条件,这就意味着每个下层变量的分量都可以看成是上层变量的函数.基于这个思想,同时为了避免频繁计算下层优化问题,文中提出了一种新的方法.这种方法与已有方法的主要不同之处在于,它不需频繁求解下层规划,而是用插值函数近似下层最优解函数.其主要思想如下:首先,取一些上层变量值作为插值节点,计算它们对应的下层问题的最优解,这些最优解的第i个分量作为第i个插值函数的函数值,利用这些节点和函数值计算插值函数;其次,将插值函数代入上层问题,得到一个近似原问题的单层规划;最后用一个新的遗传算法求解该单层规划.由于插值节点和相应的插值函数在进化过程中自适应修正和更新,这样可使得该单层规划问题的最优解逐步逼近原问题的最优解,并且可减少计算量.对25个测试问题的仿真结果表明,该文所提出的算法能以较少的计算量找到这些问题的最好解.

基于混沌和非线性规划的萤火虫算法

为了弥补标准萤火虫算法(FA)收敛性差、精度低和时间性能差等不足,采用Tent混沌映射初始化萤火虫种群位置,提升初始化萤火虫种群质量;在萤火虫位置更新迭代过程中,采用非线性规划优化萤火虫位置,增强了算法的局部搜索能力,提高了算法的收敛性能和优化精度以及时间性能。通过仿真证明所提出的新算法具有较强的搜索能力和收敛性,提高了标准萤火虫算法的求解精度。

遗传算法求解约束非线性规划及Matlab实现

对于约束非线性规划问题,传统的方法:可行方向法、惩罚函数法计算烦琐且精度不高.用新兴的遗传算法来解决约束非线性规划,核心是惩罚函数的构造.以前的惩罚函数遗传算法有的精度较低,有的过于复杂.本文在两个定义的基础上构造了新的惩罚函数,并在新的惩罚函数的基础上,提出了一种解决约束非线性最优化问题的方法.通过两个例子应用Matlab说明了这个算法的可行性.

Matlab遗传算法工具箱在约束非线性惩罚函数中的应用

以遗传算法原理和方法为基础,简要介绍其工具箱在Matlab中的两种调用方式。在惩罚函数的基础上应用遗传算法工具箱解决约束非线性规划问题。比较最佳适应度及最佳个体与传统数值计算方法的误差,得出遗传算法在该类问题上可以跳出局部最优解,且收敛速度快,编写方式灵活的结论。为工程领域的推广及普及应用提供参考依据。

一类二层非线性凸规划的算法研究

关于一类非线性二层规划的求解的研究。首先利用K-T条件及罚函数法[1]转化模型,然后用Frank-W olfe线性逼近算法[2]求解。

非线性规划问题的异步并行的拟牛顿算法

提出了一种求解非线性规划问题的异步并行拟牛顿算法 ,若假设目标函数是凸的 ,线性搜索采用Wolfe原则 ,讨论了所设计的并行算法的全局收敛性 .