PSO算法的改进及应用研究

文章为PSO算法提供了一种新机制,使其在陷入局部最优时,以更大概率跳出局部最优位置,进入解空间的其他区域进行搜索,可大大增强PSO算法的全局搜索能力。     

基于具有量子行为的离散粒子群算法的作战飞机分散式加油车辆调度优化问题研究

针对战时情况下多机种综合保障基地作战飞机分散式加油车辆调度优化的实际问题,基于设备设施能力的约束,以最小化加油车最大完工时间为目标函数,建立了符合实际情况的数学模型.在问题求解方面,将量子行为引入基本PSO算法,构建出一种性能更好的QDPSO算法.实验表明,该算法能弥补基本PSO算法易陷入局部最优和早熟收敛的不足,在全局和局部解空间搜索效率和质量上表现更优,能够很好地懈决所研究的问题.     

基于混合微粒群算法的带时间窗的车辆路径问题研究

本文在基本微粒群算法（PSO）的位置更新中引入了模拟退火算法思想，并改进了模拟退火算法（SA）中的降温操作该算法结合了基本PSO的快速寻优能力和SA的慨率突跳性，避免了基本PSO易于陷入局部最优的缺点，提高了进化后1期算法的收敛精度.把该算法用于解决有时间窗的车辆路径问题（VRHTW），它可以有效地求得有时间窗车辆路径问题的优化解。     

遗传算法在SPLP问题上的应用

就遗传算法在SPLP问题上的应用进行了总结和归纳、并用局部搜索能力很强的爬山算法来优化产生下一代群体,从而使得群体迅速逼近最优,避免陷入局部最优解。     

基于混合DE算法的改进海豚群算法

为了提高海豚群优化算法的优化能力,针对基本海豚群算法搜索阶段易陷入局部最优和早熟收敛的缺陷,将DE入算法,提出了一种改进的海豚群算法。算法通过DE的交叉和变异机制避免局部最优。测试结果表明,改进的算法在收敛速度和寻优精度方面有更好的表现。     

基于分层遗传算法的一类非线性规划问题的新解法

关于非线性规划的问题的诸多传统解法中都存在效率较低、容易达到局部最优、甚至找不到最优解的局限性。而基本遗传算法也常常由于本身算法的局限性,在搜索最优解的过程中易早熟,局部搜索能力弱,后期收敛过慢。源于这些缺陷,本论文提出使用分层遗传算法来求解一类非线性规划问题,并通过数值实验,结果表明基于分层遗传算法求解一类非线性规划问题是非常有效的。     

配电网重构算法的研究

文章对以网损最小为目标函数的配电网重构算法进行了研究,提出一种改进的进化算法进行重构.算法改进了用遗传算法或者差异进化算法进行重构时产生大量不可行解的不足,根据梯度的概念和配电网络的结构特点,对可行解进行加速操作,使之迅速靠近并最终成为一个局部最优解,然后进行移民操作,以保持种群的多样性.最终选择所有局部最优解当中最优的个体为全局最优解.算例结果证明了此算法的优越性,表明该算法有较好的搜索效率.     

配电网重构算法的研究

文章对以网损最小为目标函数的配电网重构算法进行了研究,提出一种改进的进化算法进行重构。算法改进了用遗传算法或者差异进化算法进行重构时产生大量不可行解的不足,根据梯度的概念和配电网络的结构特点,对可行解进行加速操作,使之迅速靠近并最终成为一个局部最优解,然后进行移民操作,以保持种群的多样性。最终选择所有局部最优解当中最优的个体为全局最优解。算例结果证明了此算法的优越性,表明该算法有较好的搜索效率。     

物流配送路径优化问题的模型及改进混合算法

在建立带有时间窗的物流配送路径优化问题数学模型的基础上．构造了求解该问题的遗传模拟退火混合算法。该混合算法利用了遗传算法较强的全局搜索能力和模拟退欠算法较好的局部搜索能力,克服了两种算法各自在寻优方面的不足,使其在全局最优搜索和计算速度方面都有了很大的提高。最后经仿真试验证实了混合算法解决物流配送路径优化问题的优越性。     

求解多目标TSP问题的离散粒子群优化算法

文章通过分析多目标TSP问题的性质,在Pareto最优解的基础上提出了偏离度,将多目标转化为单目标;然后针对利用离散粒子群算法(DPSO)求解,只考虑排斥算子时,结果会过早的陷入局部最优的不足,将惯性权值保留能起到平衡局部搜索能力和全局搜索能力,适当的设置惯性权值能促进全局搜索;最后,通过计算机仿真验证了用DPSO解决多目标TSP是有效的。