融合历史记忆的单纯形引导鲸鱼优化算法

针对鲸鱼优化算法存在易陷入局部最优、收敛速度慢等缺点,提出一种融合历史记忆的单纯形引导鲸鱼优化算法。首先,为了避免初始化种群过于集中而陷入局部最优,提出了使用混沌映射对初始化种群进行改进,增加了种群多样性;其次,为了解决算法收敛精度低和收敛速度慢的问题,提出了融合历史记忆的单纯形引导策略,利用单纯形法和构建的历史记忆表求解出一个虚拟最优解作为下次随机搜索阶段的引导者,帮助种群在前期的勘探过程中进行细致地搜索;最后提出一种新的非线性参数策略,平衡算法的开发和勘探能力。将算法应用于12个典型的复杂函数优化问题,并与其他5种智能算法比较,实验结果表明,改进后的算法在收敛精度与速度方面均为第一,具有良好的全局搜索能力和局部开发能力。

融入重心反向学习和单纯形搜索的粒子群优化算法

针对粒子群优化PSO算法后期种群多样性差和易陷入局部最优解等问题,提出具备重心反向学习和单纯形搜索行为的粒子群优化COLS-PSO算法。初始时,基于混沌策略构造出搜索空间。进化过程中,基于Spearman系数选择需要进行重心反向学习的粒子,以帮助算法逃离局部极值区域。进一步引入局部搜索能力较强的单纯形搜索方法增强对最优粒子邻近区域的开发,以提高搜索精度。实验先在若干标准测试函数上进行,之后将COLS-PSO算法应用于软件测试数据生成问题。实验结果表明,COLS-PSO算法在求解精度、收敛速度和有效性方面表现较好,能够有效平衡种群多样性和算法收敛性的矛盾。

机械臂动力学参数的单纯形引导蝴蝶算法辨识

为了提高机械臂动力学参数的辨识精度,提出了基于单纯形引导蝴蝶算法的辨识方法。建立了机械臂动力学模型和参数辨识模型,分析了参数的可辨识性,并设计了最优激励轨迹。以蝴蝶优化算法为基础,提出了单纯形引导陷入局部最优蝴蝶的脱困方法,在脱困的同时蝴蝶适应度也得到了提高;设计了全局搜索与局部开发的动态切换概率,用于平衡算法的全局搜索能力和局部开发能力。综合以上两点改进,提出了单纯形引导蝴蝶算法的参数辨识方法。经RS010N机械臂的参数辨识实验可以看出,单纯形引导蝴蝶算法的搜索速度略快于蝴蝶算法,同时单纯形引导蝴蝶算法的参数辨识精度远高于蝴蝶算法,证明了改进策略的合理性和单纯形引导蝴蝶算法在参数辨识中的有效性。

单纯形法的复杂性与计算效率

给出了三个线性规划例子,及用单纯形法求解的过程,解释了求解线性规划的单纯形法为什么属于指数算法.

基于聚类算法的有限制单纯形均匀随机抽样研究

针对单纯形在抽样算法设计方案中无法适用复杂限制情况下的条件分布以及满足高维情形要求,需要提出一种行之有效的抽样算法,即Gibbs抽样算法,来为有限制单纯形均匀随机抽样提供一个可靠算法框架,同时为了获得有限制单纯形上均匀分布的代表点,此研究引入了3种聚类算法。从数值模拟结果可以看出,提出的抽样方法能够获取到较为均匀的样本,能够广泛应用至各种有限制或高维等复杂条件中,且对聚类算法的抽样算法框架有显著提升试验点的价值属性。

单纯形的加速算法

该文提出了能有效加快收敛速度的修改单纯形算法。在原单纯形算法的基础上增加了一种新的反射方向的计算方法 ;用“映射单纯形”方法代替“单纯形顶点代换”方法 ;有选择地采用“单纯形压缩”计算。计算结果表明 ,修改单纯形算法对初值的适应范围更宽 ,收敛速度更快 ,收敛次数从 50～ 1 0 0次降低到 30次左右 。

基于单纯形法的改进型人工鱼群算法

针对鱼群算法在局域搜索能力差的问题,提出一种基于单纯形法的改进型人工鱼群算法。利用单纯形算子在局部区域内分布更均匀且广泛的特征,在鱼群算法运行到后期时,将单纯形算子每隔一定代数引入到现有的鱼群算法中取代原来大量聚集在非极值点附近的人工鱼,有效改善个体质量,提高局部搜索精细度,进而提高算法的寻优精度。采用典型算例对算法性能进行了验证分析,研究结果表明,该算法在解决鱼群算法后期优化精度低问题时可以获得更好的效果。

单纯形和人口迁移的混合全局优化算法

针对基本人口迁移算法具有易早熟和精度不高等缺陷,利用人口迁移算法随机产生的点采用单纯形法进行优化,提出了一种基于单纯形法和人口迁移算法的混合全局优化算法。通过典型的测试函数Shaffer,验证了改进后算法的性能,并与10种类型的粒子群优化算法进行比较,结果表明,该文算法能获得比较好的解,收敛成功率高达100%。

基于单纯形算子的混合遗传算法

通过遗传算法 (GA)与传统单纯形搜索法相结合 ,并基于对遗传算法算子计算结构的调整 ,提出一种针对非线性规划问题的新算法——基于单纯形算子的混合遗传算法 (HGA) ,仿真结果验证了这种新算法的有效性和合理性 .

非线性单纯形的修改算法

提出了非线性单纯形算法的修改算法。在原单纯形算法的基础上增加了一种新的反射方向的计算方法 ;用“映射单纯形”方法代替“单纯形顶点代换”方法 ;有选择地采用“单纯形压缩”计算。修改单纯形算法对初值的适应范围更亮、能有效加快收敛速度。

单纯形模拟退火算法反演地下水污染源强度

基于单纯形模拟退火混合算法(SMSA混合算法),结合污染物迁移问题的解析解反演地下水污染源的强度变化历时曲线.SMSA混合算法结合了单纯形法的确定性搜索和模拟退火算法的全局概率搜索机制,是一种高效的混合优化算法;同时采用Yeh提出的解析解,它具有可靠性强、易于编程实现和扩展性强的特点.计算结果显示,1维、2维、3维情形下点污染源的反演浓度均较好地再现了真实的污染物释放过程,这表明基于SMSA混合算法和Yeh解析解的反演方法是一种有效的地下水污染源重建方法.

单纯形法的改进萤火虫算法及其在非线性方程组求解中的应用

萤火虫算法(FA)是一种基于群体搜索的启发式随机优化算法,其模拟自然界中萤火虫利用发光的生物学特性而表现出来的社会性行为。针对萤火虫算法存在着收敛速度慢、易陷入局部最优、求解精度低等不足,利用单纯形法局部搜索速度快和萤火虫算法全局寻优的特点,提出一种基于单纯形法的改进型萤火虫算法(SMFA)。通过对标准测试函数以及非线性方程组的实验仿真,并与其他算法进行的对比分析表明,改进后的算法在函数优化方面有较强的优势,在一定程度上有效地避免了陷入局部最优,提高了搜索的精度。

应用单纯形-模拟退火混合算法估计河流水质参数

将由单纯形法(SM)与模拟退火(SA)两种算法构成的混合算法(SMSA),应用于求解分析瞬时投放示踪剂情况下的一维河流水团示踪试验数据,估计河流水质参数的函数优化问题。分别就不同的降温指数、内循环次数与新状态产生函数中的扰动系数等算法控制参数对混合算法和改进模拟退火法的收敛速度的影响,进行了数值实验。结果表明,SMSA混合优化算法对于求解估计河流水质参数的函数优化问题是非常有效的。在实验条件下,与单一具有记忆功能的改进模拟退火法的水质参数计算结果相比较,SMSA混合算法具有:①混合算法的收敛速度明显优于改进模拟退火法;②降温指数和内循环次数对SMSA混合算法的收敛速度影响非常微弱;③新状态产生函数中的随机扰动幅度大小对算法收敛速度具有较为明显的影响等特点。

一种全局优化算法:遗传算法-单纯形法

针对遗传算法搜索效率不高和早熟的缺点，本文提出了将遗传算法和单纯形法组合的一种全局优化算法，并用七个典型检验函数验证了此方法的有效性．

单纯形免疫算法及其在高维非凸函数优化中的应用

许多工程问题都可以归结为优化问题,而且其目标函数往往是局部最优点的复杂高维非凸函数,传统单一算法一般难以求得全局最优解。在深入分析免疫算法和单纯形法的基础上,将两种算法有机结合,提出单纯形免疫算法。免疫记忆、抽取疫苗、接种疫苗和自适应等免疫机制的引入有助于优良个体和基因的保留和利用,提高算法收敛性;通过反射、扩展、内缩、缩边等操作来改良劣解而调整邻域结构,不断逼近最优解。典型函数优化Benchmark问题的仿真试验表明,提出的单纯形免疫算法比单一算法性能更优,适合于存在许多局部最优点的复杂高维非凸函数优化。

解析法-Nelder Mead单纯形算法确定太阳电池参数

光伏发电系统的设计计算、性能评估及优化控制要求快速、准确的确定太阳电池模型参数。针对太阳电池单、双二极管模型参数辨识问题,该文提出一种基于解析法和Nelder Mead单纯形法重启策略的A-bcNM混合算法。先用实测I-V曲线上的部分关键点计算合成参数,再以单二极管模型近似解析式快速定位搜索始点,最后在边界范围内利用Nelder Mead单纯形算法的重启策略最小化实测数据与模拟结果之间的均方根误差,以提高拟合精度及参数解的质量。MATLAB环境下,利用2种典型太阳电池的实测数据对A-bcNM算法的有效性进行了测试和验证。与已有的其他算法相比,A-bcNM算法收敛速度快,计算量小,辨识精度高,可快速、准确的确定单、双二极管模型参数,为识别太阳电池的工作特性提供了一种有效方法。

土钉结构稳定验算的经验遗传–单纯形算法

针对基坑开挖的土钉支护问题,提出将经验遗传–单纯形算法应用于支护结构的稳定性验算,并与一般遗传算法的结果进行了比较。比较结果表明:本文建议的方法更有效和准确。文中还对一个具体的工程实例使用本文建议的方法进行了验算分析,并与商业软件的分析结果做了比较。结果表明:该商业软件未能搜索到最危险滑裂面,其结果对稳定性评价是偏于不安全的。此外,在土钉支护的稳定性验算过程中,一些优化程序在求解安全系数时将土层看作或是转化为均质土,而本文方法考虑了土体的分层。

单纯形—模拟退火混合算法反求水文地质参数及其并行求解

本文利用单纯形法局部搜索速度快和模拟退火算法全局寻优的特点,同时为了克服各自算法的弊病,提出采用单纯形—模拟退火混合算法(SMSA)进行水文地质逆问题的求解。论文详细描述了SMSA算法的具体操作算子的实现,并将该算法应用于一个大型水源地的地下水模拟反演。计算结果表明,SMSA算法在水文地质参数反演计算具有求解速度快,精度高的特点,而且易于实现并行运算。

基于单纯形法的量子粒子群优化算法

针对粒子群优化算法容易陷入局部极值点,进化后期收敛慢和优化精度较差等缺点,提出了将单纯形搜索法与量子粒子群算法混合的改进算法,更好的平衡了全局搜索和局部搜索能力.仿真结果表明,该算法效率高、优化性能好,其性能远远优于一般的粒子群算法与量子粒子群算法.

基于遗传单纯形算法与RBF网络的地应力场反演方法

为提升RBF神经网络性能,采用遗传单纯形算法优化RBF神经网络隐含层节点中心值,利用FLAC3D软件建立区域的数值计算模型来进行正分析计算,以若干测点的正应力值作为训练样本,用优化的RBF网络反演模型区域的岩体力学参数及初始地应力场。依据沙溪铜矿区的地质资料进行算例分析,该方法的反演计算值、实测值及其他RBF网络反演计算值对比表明:所采用的遗传单纯形算法优化RBF网络的反演方法是可行的,改善了计算精度,对类似工程有一定的参考价值。