多策略改进的麻雀搜索算法及其应用

针对麻雀搜索算法解决复杂问题时存在收敛过早、全局寻优能力不足等问题,提出一种改进的麻雀搜索算法(ISSA).首先,引入麻雀个体方向信息和种群方向信息对追随者位置更新,提高算法全局搜索能力;其次,动态调整警戒者数量来扩大麻雀搜索范围,采用二元锦标赛选择策略选择警戒者个体,增加麻雀种群多样性;最后,加入固定扰动项,为其提供跳出局部最优的机会.在CEC2013测试集中,将ISSA与其他5种优化算法在相同维度上进行仿真实验,比较各算法的Friedman检验和Wilcoxon秩和检验.结果表明,ISSA在收敛性能和稳定性等方面均具有显著优势,适用于解决复杂问题.

基于改进遗传算法的城市电网负荷调度策略研究

随着城市化的快速发展,电力系统的稳定和高效运营变得尤为重要。文章旨在研究一种基于改进遗传算法的城市电网负荷调度策略,建立包含数据采集与处理、负荷预测、优化调度决策以及调度执行与监控的城市电网负荷调度总体框架。随后,对传统遗传算法进行改进,提高算法的搜索效率和解的质量。文章利用PJM电力市场的数据对提出的策略进行实际测试,验证改进遗传算法在电力负荷调度中的应用效果和实际性能。

基于高斯-柯西混合变异的多目标粒子群算法

针对MOPSO优化算法在解决复杂的多目标优化问题上收敛表现差,搜索全局能力不足与易于陷入局部最优的缺陷,提出了一种基于高斯-柯西混合变异的多目标粒子群算法(GC-MOPSO)。该算法使用一种混合高斯变异与柯西变异的变异扰动机制来提升粒子在局部与全局的搜索能力,在外部档案中采用锦标赛选择机制选取全局最优个体的策略来增加种群的多样性。通过与六项其他算法在反世代距离(IGD)上进行比较,验证了该算法的优势。

中国象棋计算机博弈系统评估函数的自适应遗传算法实现

使用自适应遗传算法解决中国象棋计算机博弈问题.将博弈问题分解为搜索引擎、走法生成、评估函数和开局库四大模块,然后将自适应遗传算法引入到评估函数中,通过锦标赛算法对评估函数中的参数组合进行自动调整和优化.设计并开发了基于上述方法的离线自学习系统,实验结果证明提高了程序的棋力.

Pareto遗传算法在气动外形优化中的应用

Pareto方法作为一种多目标优化方法,能够一次性获得优化问题对应的不同权重分配情况下的所有最优解集。它与遗传算法结合产生的Pareto遗传算法,是求解多目标优化问题的Pareto最优解集合的一种有效手段。本文将两种常用的Pareto遗传算法,MOGA方法和两支联赛遗传算法应用到气动外形优化中,针对具体算例进行气动外形的优化设计,得到了满意的优化设计结果。

有容量约束车辆路径问题的多目标遗传算法

针对有容量约束车辆路径问题,提出了基于Pareto方法的多目标优化遗传算法.该算法引入基于擂台法的Pareto锦标赛选择算子,避免了求解非凸解的困难.采用最邻近算法和扫描算法构造初始种群及引入启发式交叉算子来加快算法的收敛速度.通过E-n30-k3算例实验表明:应用该算法得到的Pareto解集,为决策者提供了多种途径有效解决有容量约束车辆路径问题.

基于混合粒子群算法的铅锌烧结过程产量质量优化

建立铅锌烧结过程的产量质量预测模型及其数学优化模型,利用混合粒子群优化算法对其进行优化。将质量约束的产量优化问题转换为两个目标函数的优化问题,即产量目标函数和违反质量约束条件的程度函数。采用联赛选择算子比较粒子群算法所搜索到的解。当粒子群算法收敛停滞时,沿着当代全局最优解和前一个不同的全局最优解矢量之差的方向进行线性搜索,将搜索到的更优解作为粒子群的当代全局最优解,从而保持粒子群算法的活性。针对工况波动,利用专家规则修正优化参数。实际运行结果表明,该优化方法能在保证质量的情况下在一定程度上提高产量。

基于锦标赛选择变异策略的改进差分进化算法及函数优化

针对差分进化算法传统变异策略在全局收敛鲁棒性和搜索效率上不能达到一个很好的折衷,并且算法的操作算子固定,导致搜索效率低、易早熟收敛等问题,文中在差分进化算法变异策略性能分析的基础上,提出了一种基于锦标赛选择的变异策略。该策略采用"锦标赛选择"对随机选取的变异向量排序选出基向量,差分向量选择有利于搜索的方向并对其"强化",以提高收敛速率和维持种群多样性;同时操作算子采用随机正态缩放因子F和时变交叉概率因子CR,以平衡局部搜索和全局搜索;最后,利用4个典型Benchmarks测试函数对改进算法进行测试。实验结果表明,该改进型差分进化算法能有效避免早熟收敛,较好地提高算法的全局收敛能力和搜索效率。

改进微粒群算法在梯级电站长期优化调度中的应用

微粒群算法是一种简洁高效的智能优化算法,但基本算法容易陷入局部最优,并且搜索精度不高。本文在基本算法的基础上引入锦标赛选择机制和自适应惯性权重因子,提出了改进微粒群算法(MPSO)。将MPSO算法应用到黄河上游梯级电站的长期调度中,并与动态规划法和基本算法的调度结果相比较。实例表明了MPSO算法的有效性和可靠性,从而为梯级电站水库(群)长期优化调度提供了一种新的、有效的优化方法。

基于ISSA-LSSVM模型的短期电力负荷预测

精确的短期电力负荷预测对电力系统的调度与调峰等有着重要的影响。为了提高预测精度提出了基于改进麻雀搜索算法(improved sparrow search algorithm,ISSA)优化的最小二乘支持向量机(least squares support vector machine,LSSVM)预测模型ISSA-LSSVM。麻雀搜索算法的改进过程首先采用Sobol序列产生初始种群,提高初始解质量;其次通过结合锦标赛排序算法避免原算法由于后期种群数量减少导致的种群多样性下降问题;最后引入柯西-高斯双变异提高算法全局搜索能力与重点区域搜索能力,帮助算法跳出局部限制。最后通过实际民用负荷数据对ISSA-LSSVM预测模型进行验证,结果表明ISSA-LSSVM模型的预测精度更高,预测结果更稳定。

锦标赛选择交互式遗传算法及其应用

基于两个体比较的交互式遗传算法(Interactive Genetic Algorithm based on paired comparison,PC-IGA)允许用户在每次评估过程中比较两个个体并从中选择一个优胜者,以代替传统的用户评分方式,从而减轻用户的精神压力.但是,PC-IGA中用户比较次数太多,加重了用户的生理疲劳.为此,本文提出一种新的用户评估方式——锦标赛选择,并给出锦标赛选择交互式遗传算法(Interactive Genetic Algorithm Based on Tournament Selection,TS-IGA)的关键技术和实现步骤.将该算法应用于服装色彩优化系统,研究了种群规模和子种群规模的选择对算法性能的影响.最后,将该算法与PC-IGA进行对比实验,结果表明本文提出的算法在选择合适的子种群规模的情况下,能有效减少用户的比较次数和算法收敛时间,从而减轻用户疲劳.

改进的布谷鸟算法在结构损伤识别中的应用

布谷鸟算法受自然界中布谷鸟寻找鸟窝产卵过程启发而提出,其参数设置简单且效率高。为了平衡布谷鸟算法的求解速度和精度,提高算法的全局搜索能力,本文应用动态步长和锦标赛选择策略对原算法进行性能改进,并将其应用于结构损伤识别。在数值模拟中,选取频率等系统参数建立用于结构损伤识别的目标函数。基于改进的算法求解目标函数。最后分析得出结构损伤情况。数值结果显示,改进后算法准确识别损伤单元,并对噪声不敏感;验证了其有效性和实用性,可进一步应用于工程。

基于锦标赛选择遗传算法的随机微粒群算法

以保证全局收敛的随机微粒群算法SPSO为基础,提出了一种改进的随机微粒群算法——GAT-SPSO。该方法是在SPSO的进化过程中,以锦标赛选择机制下的遗传算法所产生的最优个体来代替SPSO中停止的微粒,参与下一代的群体进化。通过对三个多峰的测试函数进行仿真,其结果表明:在搜索空间维数相同的情况下,GAT-SPSO的收敛率及收敛速度均大大优于SPSO。

遗传算法选择方法的比较分析

本文基于改进的基本遗传算法实验，对选择方法进行了比较分析的研究，测试了四种不同选择方法：轮盘赌选择法、锦标赛选择法、随机遍历选择法以及一种新的基于种群交流的选择方法，分析比较这四种不同选择方法封种群发展及最佳适应值的影响。结果表明各种选择方法各有特点。最後为了防止陷入局部收敛，而对轮盘赌选择方法进行了改进，并比较了改进前後的结果，发现改进后的结果要好一些。

遗传算法的自适应代沟的替代策略研究

遗传算法的替代策略对遗传算法的性能具有重要意义 .提出自适应代沟的替代策略 .仿真表明 ,与现有的其他替代策略相比 ,该方法在不损失解的质量的情况下 。

加强的混合遗传算法求解能力约束弧路径问题

为了在可接受的时间里求解具有NP-hard性质的能力约束弧路径问题(CARP),提出了加强的混合遗传算法(EHGA).该算法是在遗传算法框架里嵌入加强的局域搜索算子来强化搜索,充分发挥了遗传算法的全局搜索能力和加强的局域搜索算子的局域搜索能力.同时,在进行种群替代时,二元锦标赛替代被提出,并使用了种群管理来保持种群的多样性.测试了标准CARP算例,并给出了算法效果比较.结果表明,加强的混合遗传算法胜出一般的Memetic算法,是有效的求解CARP的方法.

贝叶斯优化算法的选择策略分析

针对贝叶斯优化算法的选择策略问题,对变量无关,双变量相关,多变量相关等3类典型函数分别用锦标赛选择、截断选择和比例选择以及自适应比例选择进行了实验。建立了相应的贝叶斯网络概率模型,并分析指出锦标赛选择策略能有效保持样本的多样性,并能建立起准确的网络模型。与比例选择策略和截断选择策略相比较,该选择策略更适用于贝叶斯优化算法。

6子棋启发式搜索算法的优化与设计

将6子棋计算机博弈分为数据表示、界面、搜索引擎和评估函数4大模块予以实现,引入并优化了启发式搜索算法.提出了6子棋棋形的一种新的表示方法,为应用遗传算法奠定基础.仿真试验和实际比赛结果证明:该方法有效、可行.

人工鱼群算法的非线性约束优化

人工鱼群算法(AFSA)是一种新型的寻优策略,它具有鲁棒性强,全局收敛性好,以及对初值的不敏感性等优点。本文引入了半可行域的概念,并结合人工鱼群算法本身的特点,设计了基于竞争选择和惩罚函数的适应度函数,从而得到了一个利用AFSA算法求解约束优化问题的新进化算法。数值计算证明了算法的有效性。

求解约束优化问题的人工鱼群算法

在利用人工鱼群算法求解约束问题时,处理好约束条件是取得好的优化效果的关键。引入了半可行域的概念,并结合人工鱼群算法(ArtificialFish-SwarmAlgorithm,AFSA)本身的特点,设计了基于竞争选择和惩罚函数的适应度函数,从而得到了一个利用ASFA算法求解约束优化问题的新的进化算法。实验证明了算法的有效性。