混沌粒子群优化算法研究

针对粒子群优化算法稳定性较差和易陷入局部极值的缺点,提出了一种新颖的混沌粒子群优化算法。一方面,在可行域中应用逻辑自映射函数初始化生成均匀分布的粒群,提高了初始解的质量和增加了算法的稳定性;另一方面,采用两组速度-位移更新策略,即对全局最优粒子单独使用特定的速度-位移策略更新,而对其余粒子则使用常规的速度-位移进行更新,从而有效避免了算法陷入局部收敛的缺点。将该算法应用在4个基准测试函数优化中,仿真结果表明其能有效提高全局寻优的性能,且稳定性好。

基于Sigmoid惯性权值的自适应粒子群优化算法

针对粒子群优化算法存在的缺点,提出了基于Sigmoid惯性权值的自适应粒子群优化算法。一方面,引入粒子群早熟收敛的计算公式,以指导算法在进化过程中的具体执行策略,有效避免计算的盲目性,加快算法的收敛速度;另一方面,通过设定粒子群聚集程度的判定阈值,以使算法在线性递减惯性权值和基于Sigmoid函数思想的非线性递减惯性权值之间进行自适应地动态调整,从而有效减少了算法陷入局部最优的可能。测试函数仿真结果表明了该算法的可行性和有效性。

基于群体适应度方差的自适应粒子群优化算法

针对基本粒子群优化算法稳定性较差和易陷入局部收敛的缺点,提出了一种基于群体适应度方差的自适应粒子群优化算法。一方面,在可行域中采用混沌初始化生成均匀分布的粒群,提高了初始解的质量;另一方面,构造了基于群体适应度方差的惯性权重的自适应变换公式,增强了算法跳出局部最优解的能力。仿真实验结果表明了该算法的可行性和有效性。

IC优化设计及其成品率预测

IC成品率是与电路性能和制造成本及制造效益紧密相关的一个重要因素,在进行IC优化设计时,可将成品率与制造效益作为协调各性能指标的优化目标。针对这一问题,本文完善了IC成品率效益协调优化设计模型,提出了一种实现该模型的IC优化设计和成品率预测方法,并利用OrCAD/PSpice中的统计分析和电路性能分析的功能和特点,建立了相应的算法。实例表明,该方法及其实现算法是有效的。

基于Tent混沌序列的粒子群优化算法

针对粒子群优化算法易陷入局部极值和进化后期收敛速度缓慢的问题,提出基于Tent混沌序列的粒子群优化算法,应用Tent映射初始化均匀分布的粒群,提高初始解的质量,设定粒子群聚集程度的判定阈值,并引入局部变异机制和局部应用Tent映射重新初始化粒群的方法,增强算法跳出局部最优解的能力,有效避免计算的盲目性,从而加快算法的收敛速度。仿真实验结果表明,该算法是有效的。

非线性规划问题的极大熵多目标粒子群算法

结合非线性规划的约束条件构造了一个新的极大熵函数,利用该函数将问题转化成了两个目标的多目标优化问题。通过对违反约束动态的进行惩罚,提出了一种新的极大熵多目标粒子群算法。该方法能有效的保持群体中不可行解的一定比例,从而增加了群体的多样性,而且避免了传统的过度惩罚缺陷,使群体更好地向最优解逼近。计算机仿真表明,该算法对非线性规划问题求解是非常有效的。

融合PLSA和随机游走模型的自动图像标注

为了有效克服语义鸿沟问题,提出一种融合概率潜语义分析(PLSA)和随机游走(random walk,RW)模型的图像语义标注方法.从已标注图像的文本信息出发构建一个非对等模态的PLSA模型,以此计算未知图像的初始语义标注;,基于初始标注的语义信息和与之关联的图像的视觉信息构造标签相似性图,以有效避免图像标注过程中因多义词而引入的噪声数据;在所构造的相似性图上执行随机游走过程,进一步挖掘和分析初始标注之间的潜在语义关联,从而获得未知图像的精确化语义标注.通过在Corel5k图像集上的实验表明,本文方法(PLSA-RW)的性能明显优于若干经典的自动图像标注方法,而且具有更好的检索性能.

基于模糊控制器的粒子群优化算法

提出了一种2输入和2输出的模糊粒子群优化算法。将群体适应度方差和极值差均值作为模糊控制器的两个输入参量,分别用来度量群体在搜索空间分布的离散程度和群体中个体的多样性,从而自适应地控制PSO算法在进化过程中的惯性权重和扩展项的学习因子。测试函数仿真结果表明,该算法很好地平衡了"开发"与"探测",取得了比文献中已有的模糊粒子群算法更好的优化性能。

基于上下文相关模型的图像语义标注

针对现有标注算法精度不高的问题,提出一种基于上下文相关模型的图像语义标注方法.首先,根据语义概念在训练数据集中的共现频率,对每个概念构造马尔科夫随机场图结构;其次,从已标注图像的文本信息出发构建一个非对等模态的概率潜语义分析(PLSA)模型,计算图像和语义概念的联合概率,并将其作为马尔科夫随机场(MRF)中点的观察值.与此同时,基于PLSA设计马尔科夫随机场模型的点势函数和边势函数;最后,通过正则化最大伪似然估计学习MRF的模型参数,利用迭代条件模式进行模型推理,从而获得未知图像的精确化语义标注结果.实验表明,所提出方法的性能明显优于若干经典的自动图像标注方法,而且具有更好的检索性能.

基于缺陷均匀分布的集成电路制造成品率与可靠性之间的关系模型

在集成电路可制造性设计研究中,成品率与可靠性之间的关系模型备受人们关注.缺陷对成品率和可靠性的影响不仅与出现在芯片上的缺陷粒径大小有关而且与缺陷出现在芯片上的位置有关.本文主要考虑了出现在互连线上的金属丢失物缺陷对互连线的影响,分析了同一粒径的缺陷出现在互连线不同位置对互连线有效宽度的影响,给出了基于缺陷均匀分布的互连线平均有效宽度,结合已有成品率和可靠性估计模型,提出了基于缺陷位置信息的集成电路制造成品率与可靠性之间的关系模型.在工艺线稳定的情况下,利用该工艺线的制造成品率可以通过该关系式有效地估计出产品的可靠性,从而有效地缩短新产品的研发周期.

改进的AGA及其在约束函数优化中的应用

提出了一种改进的基于自适应惩罚函数的AGA。一方面,采用分裂选择算子,增加了潜在优良个体的生存概率;另一方面,引入基于优势遗传的交叉概率和变异概率,防止了算法的早熟收敛。此外,应用改进的最优保存策略,保证了算法的收敛性和收敛解的有效性。通过对约束函数优化的仿真计算,证明该算法具有快速收敛和鲁棒性好的特点。

基于Tent映射和Logistic映射的粒子群优化算法(英文)

粒子群优化算法是一种基于群体智能的随机优化算法,针对粒子群优化算法稳定性较差和易陷入局部收敛的缺点,作者提出了一种基于tent映射和logistic映射的粒子群算法,一方面,分别应用tent映射和logistic映射初始化均匀分布的粒群提高了初始解的质量;另一方面,设定粒子聚集程度的量化计算公式和判定阈值,并引入自适应高斯变异策略,增强了算法跳出局部最优解的能力.通过对基准测试函数的仿真计算,证明该算法具有稳定性好和收敛速度快的特点.

基于群体适应度均值商的自适应遗传算法

在系统分析和研究自适应遗传算法特点的基础上,提出一种基于群体适应度均值商的自适应遗传算法。一方面,算法设计了群体早熟收敛的定量计算公式和引入了早熟收敛的判定阈值;另一方面,算法采用了改进的交叉和变异策略,即对陷入局部收敛的群体,依据平均适应度值将其一分为二:对性能优于平均适应度者实施先变异后交叉,而对性能劣于平均适应度者实施先交叉后变异。该算法应用在函数优化中,仿真结果表明其能有效提高全局寻优的性能,且鲁棒性好。

非线性约束规划的极大熵多目标进化算法

解非线性约束规划的困难在于如何处理问题的约束,从问题的约束条件出发构造了一个新的极大熵函数,利用此函数将原非线性约束规划问题转化成了两个目标的多目标优化问题。通过对搜索操作和参数的合理设计给出了一种新的极大熵多目标进化算法。计算机仿真表明该算法对带约束的非线性优化问题求解是非常有效的。

P算子与非线性微分积分方程的周期边值问题

利用部分逆算子理论就一阶非线性微分积分方程的周期边值问题(PBVP)x′=f(t,x,Tx),x(0)=x(2π),讨论了解的存在性,并利用上、下解方法给出其求近似解的迭代程序。

基于一维搜索和动态调节的非线性规划PSO算法

对非线性规划问题的处理通常采用罚函数法,使用罚函数法的困难在于参数的选取。本文提出了一种解非线性规划问题的新PSO算法(NSDPSO),该方法融入了一维搜索和动态调节技术,使NSDPSO很好地克服了标准PSO算法在前期收敛较快而在后期易陷入局部最优的缺陷。另外,文中还给出了一种新的适应度函数及选择算子,使算法在选择下一代时保持群体中不可行解的一定比例,这样不但能有效地增加群体的多样性,而且可以避免传统的过度惩罚,使群体向最优解逼近。最后的数据实验表明该算法对非线性规划问题求解是非常有效的。

基于k-均值的自适应PSO优化算法

提出了一种新的基于k-均值聚类的自适应PSO优化算法(KCMPSO).首先通过k-均值聚类方法把粒子群分成若干个子群体,从而在迭代过程中每个粒子根据其个体极值和所在子群体中的最好个体更新自己的位置和速度,其次引入自适应变异算子,有效地增强了粒子群之间信息交换和PSO算法跳出局部最优解的能力.几个典型函数的测试结果表明,该算法是非常有效的.