基于改进的单纯形和微分进化的混合优化算法

在对微分进化算法DE进行分析的基础上,结合单纯形算法(NM),提出了一种基于DE和NM的混合算法DE-NM,该算法充分利用DE算法的全局搜索能力和NM算法的局部搜索能力,使得种群既保持了个体的多样性,同时也加快了收敛速度。通过与其他一些优化算法对比表明,DE-NM混合算法是求解优化问题的一种有效算法。

基于改进型萤火虫群优化算法泄漏源源强及位置反算研究

针对标准萤火虫群优化算法(GSO)在危化品泄漏源源强及位置反算中存在精度不高,容易陷入局部最优等局限,提出混合萤火虫-Nelder Mead单纯形算法(GSO-NM),并与基于步长的改进萤火虫群优化算法(MGSO)以及单纯形搜索混合协同进化萤火虫群优化算法(HCGSOSSM)进行比较分析,将3种改进型萤火虫群优化算法应用于泄漏源源强及位置反算中进行比较分析。研究结果表明:GSO-NM算法可以有效提高定位精度和稳定性,能较为精确地反算出泄漏源源强及位置,为泄漏源源强及位置反算研究提供1种新思路。

基于混合遗传-Nelder Mead单纯形算法的源强及位置反算

确定泄漏源的位置和强度,是进行群体疏散和应急决策的基础.将扩散模型得到的浓度值与传感器观测的浓度值进行比较并建立混合遗传-Nelder Mead单纯形算法模型,反算得到泄露源的位置和强度,进而利用浓度的模拟数据验证该算法的可行性.研究结果表明:混合遗传-NelderMead单纯形算法不受初值选取的影响,即使初值远离期望值,也能得到很好的结果,而且能以较小的误差和较快的速度反算出结果,更适合于多维变量的搜索.因此混合遗传-Nelder Mead单纯形算法能够快速准确地反算得到泄漏源的位置和强度,满足应急决策的需要.