Chaotic migration-based pseudo parallel genetic algorithm and its application in inventory optimization

Considering premature convergence in the searching process of genetic algorithm, a chaotic migration-based pseudo parallel genetic algorithm (CMPPGA) is proposed, which applies the idea of isolated evolution and information exchanging in distributed Parallel Genetic Algorithm by serial program structure to solve optimization problem of low real-time demand. In this algorithm, asynchronic migration of individuals during parallel evolution is guided by a chaotic migration sequence. Information exchanging among sub-populations is ensured to be efficient and sufficient due to that the sequence is ergodic and stochastic. Simulation study of CMPPGA shows its strong global search ability, superiority to standard genetic algorithm and high immunity against premature convergence. According to the practice of raw material supply, an inventory programming model is set up and solved by CMPPGA with satisfactory results returned.

船舶动力学性能及结构特性的综合优化方法

建立船舶动力学性能及结构特性综合优化的数学模型;基于并行算法、遗传算法和混沌算法,构造一种并行遗传混沌算法,并将其应用于求解此类综合优化计算问题;编制了界面友好的vc++软件。对于船舶动力学性能及结构特性综合优化问题,进行单目标或多目标条件下的遗传算法或混沌算法及其并行或复合算法的大量优化计算。计算结果表明:该算法不但能有效地克服遗传算法的早熟问题,而且耗时少、计算可靠、效率高;船舶动力性能及结构特性综合优化结果较同类优化设计的综合性能指标高。

并行混沌粒子群优化研究及应用

粒子群优化算法(PSO)是进化计算领域中的一个新的分支,其源于鸟群和鱼群群体运动行为的研究。针对粒子群优化容易陷入局部极值点的问题,该文提出并行混沌粒子群算法,该算法保持了群体多样性从而避免了早熟,经过计算机仿真实验这是一种高效的优化算法。针对转炉提钒过程是一个多元非线性反应过程而难以建立终点控制模型的问题,提出了并行混沌粒子群RBF算法的方法建模。克服了RBF中心个数选择的随机性。试验表明,用该算法预测冷却剂加入量误差较小,具有工程实用性。

并行混沌与和声搜索的多目标混合优化算法

针对传统的混沌优化算法对初始值敏感、搜索精度低和收敛速度慢,以及和声搜索收敛不稳定、处理多目标优化问题时适应性差等不足,研究了一种多目标并行混沌与和声搜索混合优化算法(MOCOHSA).MOCOHSA利用并行混沌优化的全局搜索能力与和声搜索算法的局部搜索能力,并在和声搜索中引入自适应操作,在解决多目标优化问题时表现出良好的搜索速度和收敛性能.对8个多目标优化测试函数的优化计算中,该算法表现出比其它多目标优化算法更好的性能.算法最后用于解决卫星热管设计问题.

基于CAFSA的水库发电优化调度双层并行计算

应用于水库发电优化调度的人工鱼群算法(AFSA)后期搜索能力较弱,易陷入局部求解困境,并且运行时间相对较长;增加单体鱼的混沌优化搜索功能后,虽可提高最优求解精度,但计算耗时有所增加的问题也随之而出。依托互联多核计算机群,对水库发电优化调度中的混沌人工鱼群算法(CAFSA)展开双层并行计算架构设计,水库实例仿真的计算结果表明该并行策略能够有效保持CAFSA较高质量寻优的同时,可以大幅减少计算耗时,为提高调度模型求解效率提供了一定方向。

一种新的伪并行遗传算法(英文)

利用混沌序列的伪随机性,将混沌引入伪并行遗传算法,提出了伪并行混沌遗传算法。对3个检测函数的仿真实验表明该算法能较好地克服早熟现象及收敛速度慢的问题,优于伪并行遗传算法、显著优于标准遗传算法。

吃水受限内河船舶航行性能综合优化的分层并行混沌算法

船舶航行性能综合优化设计分析是一项非常重要的工作。基于分层思想、并行算法和混沌算法,建立了吃水受限内河船舶性能综合优化的数学模型,设计了一种求解此类问题的基于敏感变量分段的分层并行混沌复合算法,编制了界面友好的VC++软件。对于吃水受限内河船舶快速性和操纵性综合优化问题,进行了遗传算法、混沌算法、并行混沌算法和分层并行混沌算法的大量优化计算,结果表明:该复合算法计算可靠、效率高;为吃水受限内河大型船舶综合优良船型设计奠定了良好基础。

基于并行混沌优化算法的永磁同步电机多参数辨识

为提高永磁同步电机(PMSM)系统多参数辨识的精度,实现PMSM的高性能控制,研究了一种并行混沌优化算法。针对一些PMSM多参数辨识方法由于数学模型欠秩问题而导致辨识结果的不确定性以及混沌优化算法对初始值敏感的缺陷,将并行混沌优化算法应用到PMSM多参数辨识中。分别采集在实际PMSM模型i d=0和i d≠0控制条件下的数据,从而构建PMSM四阶d,q模型,解决了状态方程辨识电机多个参数时存在的欠秩问题;确定合适的并行数,从多个初始值同时出发进行全局搜索,克服了混沌优化算法对于初始值敏感、易陷入局部最优的缺陷;根据目标函数值,得到PMSM参数辨识的最优结果。该方法可满足在同一PMSM四阶模型中对定子电阻、d,q轴电感和永磁体磁链进行辨识。通过仿真实验进行验证,该算法相比较混沌优化算法具有稳定性好,收敛速度快,辨识效率、精度较高的优点。

基于并行遗传混沌方法的UUV性能综合优化分析

从船舶快速性、操纵性和能源系统等角度出发,建立分析UUV性能的综合优化数学模型;基于遗传算法、混沌算法、分层并行思想,构造一种分层并行遗传混沌方法,并将该方法应用于求解此类综合优化问题。利用此方法,分析数学模型中的目标函数类型及性能指标权重对该优化计算问题的影响。计算结果表明,该分层并行遗传混沌方法能较好的解决此类优化问题,其计算结果稳定可靠、约束满足程度好、效率高。同时,目标函数类型的不同及性能指标权重的改变均对该优化问题有较大影响。该UUV性能综合优化方法提供了一种优化设计思路,综合性能指标较高。

基于并行混沌遗传混合算法的多用户检测

基于传统遗传算法的多用户检测器易陷入局部最优解且收敛较慢,影响实时性。本文利用混沌优化算法的优势来弥补遗传算法的这一缺陷,使两种算法优势互补,同时采用具有“迁移策略”的并行搜索机制,提出了一种新的次优多用户检测方法———并行混沌遗传混合算法(PCGA),并在同步CDMA系统中对其性能进行了研究。仿真结果表明,我们提出的这种算法能有效克服传统遗传算法易陷入局部极小的问题,计算量小,收敛速度快,在抗干扰与克服“远-近”效应方面均有明显的优势。

基于PCOS-ELM的室内指纹定位算法

针对传统室内指纹定位算法存在定位精度低、对环境适应能力差的问题,提出了一种基于并行混沌优化的在线连续极限学习机(PCOS-ELM)定位算法。离线阶段,通过并行混沌优化算法(PCOA)对极限学习机的隐含层节点参数进行寻优并构建高精度初始定位模型;在线阶段,利用在线连续极限学习机(OS-ELM)使新增位置指纹数据对定位模型进行动态调整,以适应室内环境的变化。结果表明:提出的PCOS-ELM定位算法具有更高的定位精度和更好的环境适应性。

主尺度受限船舶性能及结构特性综合优化方法研究

本文建立了主尺度受限船舶性能及结构特性综合优化的数学模型,基于并行算法、遗传算法和混沌算法思想,构造了一种基于敏感变量分段的并行遗传混沌复合算法,并将其应用于求解此类综合优化计算问题,编制了界面友好的VC++软件。对于主尺度受限船舶性能及结构特性综合优化问题,进行了遗传算法或混沌算法及其并行或复合算法的大量优化计算。结果表明:该复合算法不但能有效地克服遗传算法的早熟问题,而且计算可靠、效率高,为主尺度受限船舶设计方案的综合评估及其综合优良船型设计准备了前提条件。

基于并行混沌和复合形法的桁架结构形状优化

针对多工况下受应力、位移和局部稳定性约束的桁架形状优化问题,提出了基于并行混沌优化算法和复合形法的混合优化算法。该算法综合利用了并行混沌的全局搜索能力,复合形法的快速局部搜索能力和混沌细搜索。首先,利用并行混沌优化算法快速搜索到全局最优解附近,然后应用改进复合形法以并行混沌的优化解为初始复形进行搜索,提高了最优解的搜索速度,最后应用混沌细搜索策略提高最优解的精度。两个典型数值算例验证了该混合优化方法对桁架形状优化问题的有效性和稳定性。

基于并行混合差分进化算法的梯级水库群优化调度研究

以差分进化算法(DE)为基本框架,结合混沌算法(CA)和蛙跳算法(SLFA)各自局部搜索优势以及多核并行计算技术(PC),提出一种新的并行混合差分进化算法(PHDE),即将DE与CA、SLFA进行有机融合,分别对精英个体进行混沌局部搜索和对较差个体进行蛙跳局部更新,且差分进化运算、混沌局部搜索和蛙跳局部更新均采用PC,以有效缩短计算时间。PHDE具有三点优势:一是保留了DE简单易行、收敛迅速的特点;二是继承了CA、SLFA的遍历性,能够避免早熟收敛现象;三是通过合理的并行模式,有效降低了计算时间。典型测试函数表明了PHDE的可行性、高效性和鲁棒性。实例研究表明,PHDE具有较好的优化性能和计算效率,为高效求解水库群优化调度问题提供了一种可行途径。