改进的MIMIC算法及其应用

为了提高MIMIC算法的局部求精能力,将MIMIC算法与模式搜索法相结合,提出一种改进的MIMIC算法,并将其应用在悬臂梁优化设计中,通过实验仿真,得到的最优值相比其他算法有了明显提高,为非线性约束优化问题提供了一个新的思路和方法.

一种基于Minmax算法的混合MIMIC算法

将Minmax算法与MIMIC算法相结合,提出一种基于Minmax算法的混合MIMIC算法.该算法不再利用传统的约束保持法和可行规则法处理约束条件,而是结合Minmax算法的思想将约束问题转化为无约束问题,并利用MIMIC算法对无约束问题求解.数值试验结果表明:该算法能收敛到满足约束条件的全局最优解,并且具有很强的全局搜索能力,为解决非线性约束优化问题提供了一种新的有效途径.

一种结合Rosenbrock算法的混合MIMIC算法及其应用

蜗杆传动设计是机械设计中的一种,在各个领域中有着广泛的应用,具有传动比大,工作平稳等优点。但是在制造蜗轮时,往往体积过大,造成有色贵重金属的浪费,为了节约有色贵重金属,将蜗轮齿圈体积最小作为目标函数,构建一个数学模型,对其进行优化。将全局搜索能力强的MIMIC算法和局部求精能力强的Rosenbrock算法相结合,提出一种新的算法——Rb-MIMIC算法,将新算法应用在蜗杆蜗轮传动优化中,利用改进后的MIMIC算法进行优化得到满足性能约束条件的蜗杆头数,蜗轮模数和蜗杆直径系数。优化结果表明,Rb-MIMIC算法可以快速的对蜗杆传动进行优化设计,与常规优化设计的结果相比,蜗轮齿圈体积减少31%,为蜗杆蜗轮传动优化提出一种新的思路和方法。

一种结合微粒群算法的混合MIMIC算法

分布估计算法是基于遗传算法的基础上发展起来的一种新型的优化算法,它采用的是概率图的模型来表示基因中变量之间的关系,从而构建优良解集的概率分布模型进行采样来实现迭代进化。但是分布估计算法在问题求解过程中容易陷入局部最优,针对此缺点,引入微粒群算法,提出了一种结合微粒群算法的分布估计算法。这种算法将分布估计算法与微粒群算法的思想紧密结合起来,不仅保持了种群的多样性,而且具有更全面的学习能力,提高了算法的寻优能力以及避免早熟收敛的能力。通过对测试函数的仿真试验,表明该算法具有良好的性能。

基于MIMIC算法的备件优化模型

备件是系统能够完成任务的重要保障,是影响系统可靠度的重要条件,结合当前备件优化的工程需求,建立了基于分布估计算法的备件优化模型,利用Minmax思想将备件约束优化问题转化为无约束备件优化问题,并利用双变量相关MIMIC算法求解备件的最优配置。数值实验表明,提出的算法能有效地解决备件优化问题,且与其他算法进行比较,该算法能在满足系统任务可靠度时,得到较少费用的最优配置。

一种结合信赖域算法的混合MIMIC算法

针对分布估计算法在求解问题的过程中局部搜索能力较弱的缺点,引入了信赖域算法,提出了结合信赖域算法的分布估计算法.由于信赖域算法是一种很好的局部快速寻优方法,因此在分布估计算法的基础上,再对每一个粒子分别实施信赖域算法,能够加强算法的局部搜索能力.新算法不仅保持了种群的多样性,而且具备更全面的学习能力,提高了算法的寻优能力,避免早熟收敛的发生.数值试验结果表明:该算法能收敛到满足约束条件的最优解,并且具有很强的搜索能力,为解决非线性约束优化问题提供了一种新的有效途径.

改进的MIMIC算法在机械优化中的应用

将双变量相关的分布估计算法与微粒群算法结合起来,提出一种新的算法,用于解决机械工程中非线性多约束优化问题.新算法不仅保持了分布估计算法全局搜索能力强的优点,而且结合了微粒群算法局部搜索能力强的优点,还增加了种群的多样性,从而提高了算法的性能.将改进后的算法应用于压力容器和箱型主梁优化设计中,数值试验验证了新算法在处理非线性多约束问题时的有效性,具有很高的工程实用价值.

一种基于随机排序法的混合MIMIC算法

通过随机排序法思想定义panduan函数来处理约束条件,提出一种基于随机排序法的混合MIMIC算法,改进后的MIMIC算法能够搜索到非线性约束优化问题的最优解.数值试验表明:该算法具有很强的全局搜索能力,能收敛到满足约束条件的全局最优解,是解决非线性约束优化问题的一种有效算法.

改进的MIMIC算法求解旅行商问题

为了有效解决组合优化领域的旅行商问题,提出了一种改进的双变量相关的分布估计算法——MIMIC算法。改进的MIMIC算法将原有的二进制编码表达方式改为十进制编码,建立了求解旅行商问题的概率模型,描述了搜索空间上旅行路径的分布,以旅行路径的概率分布模型为基础进行随机采样,指导后代种群的产生,实现种群的进化以达到搜索最优旅行路径的目的。仿真实验表明,提出的改进的MIMIC算法是一种求解TSP问题的有效方法。

求解TSP问题的一种改进的十进制MIMIC算法

十进制MIMIC算法是基于MIMIC二进制编码算法思想的可用来求解TSP的离散分布估计算法。着重考虑该算法在较大规模TSP问题上的算法缺陷,对其编码方式和概率模型进行了改进,提出了新的个体生成策略,在初始化种群阶段使用了贪心算法,在进化过程中引入了杂交算子、变异算子、映射算子、优化算子等演化算子,采用了动态调整方法来确定优势群体的规模。以上改进使得算法在小种群解大规模TSP问题的情况下仍可保持种群的多样性。实验结果表明,改进算法在求解规模、求解质量和寻优速度上都有明显提高。

结合Rosenbrock算法的混合MIMIC算法

分布估计算法是基于群体的进化算法,具有较强的全局搜索能力,但其局部求精能力较弱且易陷入早熟.为了解决分布估计算法局部搜索能力不足的问题,引入一种求精能力较强的Rosenbrock算法对分布估计算法进行改进,提出一种结合Rosenbrock算法的混合MIMIC算法(Rb-MIMIC).通过实验仿真测试算法性能,将所得结果与标准的MIMIC算法相比较可知,结合Rosenbrock算法的混合MIMIC算法在求精能力和收敛性方面都有所提高.测试函数维数越高,算法的优势越明显.

基于MIMIC算法和RPCA的混合蚁群优化算法

为提高连续域上蚁群算法的寻优性能,降低决策变量之间的相关性,设计一种基于MIMIC算法和RPCA的连续域上蚁群优化算法.本文首先介绍连续域上的蚁群算法;然后根据一些处理多变量相关性的方法,给出有效相关性的定义;接着提出一种基于MIMIC算法和RPCA的混合蚁群算法;最后,通过对标准测试函数进行优化求解实验,将所得结果与连续域上的蚁群优化算法相比较,可知该算法在寻优能力和收敛性方面都有明显的提高,是一种有效的优化算法.

结合混沌搜索算法的混合MIMIC算法

分布估计算法具有较强的全局搜索能力,但是局部求精能力是其一个短板.为了解决这种问题,提出一种结合混沌搜索算法的混合MIMIC算法(CS-MIMIC).验证结果表明:该算法可以找到无约束测试函数的最优值,并且在高维测试中具备较好的寻优能力,是一种有效的优化方法.

结合模式搜索法的混合MIMIC算法

分布估计算法是一种全局寻优能力较强而局部求精能力较弱的优化算法,为增强分布估计算法的局部寻优能力,将局部求精能力强,收敛速度快的模式搜索法引入到分布估计算法中,提出一种结合模式搜索法的混合MIMIC算法(PS-MIMIC).通过测试函数测试算法性能,并与标准MIMIC算法结果进行比较,结果表明该算法在解决优化问题时具有良好的性能,可以较快的寻找到最优值。

基于Minmax算法的混沌MIMIC算法

混沌MIMIC算法(CS-MIMIC)是双变量相关MIMIC算法和混沌算法的结合。该算法结合了MIMIC算法的全局收敛性与混沌算法的局部遍历能力。在算法中引入Minmax算法,可以将约束问题转化为无约束问题,然后用混沌MIMIC算法进行求解。可以从验证结果看出:该算法可以有效搜索到约束测试函数的最优解或近似最优解。

基于变尺度搜索算法的混沌MIMIC算法

混沌MIMIC算法(CS-MIMIC)是双变量相关MIMIC算法和混沌搜索算法的结合。算法中引入变尺度搜索算法,目的是缩小搜索区间,直至找到最优变量。从验证结果看出,该算法可以收敛到无约束测试函数的最优解,并且在精确度和稳定性方面有所提高。