车辆调度问题的全局—局部最优信息比粒子群算法研究

文章提出了一种新的改进标准粒子群算法即全局—局部最优信息比粒子群算法。该算法与标准粒子群算法和全局—局部最优最小值粒子群优化算法作了比较,仿真实验结果表明,该算法在收敛速度、解的质量和鲁棒性上都表现出了较优的性能,是求解车辆调度问题的一种较好方法。     

鸡群算法及相关研究简述

鸡群优化(Chicken Swarm Optimization,CSO)算法是一种基于鸡群觅食行为的随机优化算法。CSO算法能够简单、快速地解决科学研究领域中的各类数值计算问题,受到国内外学术界及工程优化领域学者的广泛关注。CSO算法具有收敛速度快和收敛效率高的优点,同时也趋于陷入局部最优解。阐述了CSO算法的基本原理以及流程,介绍了CSO算法在部分研究领域中的应用。     

区域多任务安全隐患排除的机器人调度策略

针对灰狼优化算法易陷入局部最优且单一算法不易解决障碍物空间多机器人隐患搜排的调度问题,提出了一种分步引导式多机器人安全隐患协同排除调度策略。首先引入非线性收敛因子调整策略和静态加权平均权重策略改进灰狼优化算法以避免算法陷入局部最优;随后通过改进的灰狼优化算法先后两次求解遍历顺序,引导机器人规划搜索路径与排除隐患点路径;最后在领航者-跟随者模型的基础上多机器人编队与队形变换避障,逐一到达隐患点位置实现多机器人的调度策略。通过国际通用6个基准函数进行测试,改进的灰狼优化算法在收敛速度、搜索精度及稳定性上均有明显提高,验证了区域多任务安全隐患排除的分步引导式多机器人协同调度策略的有效性。     

采用改进细菌觅食优化算法的无人机航迹规划

针对现有的无人机航迹规划方法收敛速度较慢、效率不高、易陷入局部最优等问题,构建了基于改进细菌觅食优化算法的无人机航迹规划结构,从三个方面改进算法：一是将固定步长改为自适应步长;二是游动时嵌入粒子群算法学习因子思想;三是将固定迁徙概率改为自适应迁徙概率。同时,提出了飞行代价目标函数,通过函数寻优进行无人机航迹规划,并由数字高程数据建立三维环境,对比基本细菌觅食优化算法和粒子群算法进行仿真。结果表明,基于改进细菌觅食优化算法优化的无人机航迹规划结构具有路径长度更短、路径更平滑和收敛速度更快的特点。     

基于新型的蚁群算法在路径安排的研究

蚁群优化算法作为一种新型的启发式算法,在解决组合优化问题如旅行商问题,中可以得到较好的次优解而备受重视,但蚁群算法的运算过程由于受各种参数设置以及信息素更新方式的影响,存在着早熟收敛,容易陷入局部最优的现象。本文在这方面应用蚁群系统来进行尝试解决,并将其应用到邮递员的路径安排中进行实证检验。     

一种新的基于粒子群密度的聚类算法

提出了一种新的粒子群密度聚类算法和对粒子群的初始化方法。该算法具有传统粒子群算法寻找最优解的特点,同时从密度的角度考虑了数据总体的分布,增强了寻找局部最优解的能力,并通过对粒子群的初始化加快了粒子群的收敛速度,得到了更好的聚类效果。对仿真数据和IRIS真实数据的实验结果证明,该算法聚类效果优于传统粒子群聚类算法和K均值算法。     

基于改进蚁群算法移动机器人的路径规划

针对基本蚁群算法的缺点,提出了蚂蚁回退、蚂蚁相遇、带交叉点的路径交叉的改进算法.通过随机数引入和状态转移概率的应用,平衡了各路径信息素,从而有效地进免陷入局部优化,使得算法在收效速度和执行效率上得到提高.     

多目标遗传算法探究及其工程案例应用

针对多目标优化问题,本文提出一种多目标遗传算法(MOGA)。该算法引入重启动策略,从而来避免进化种群过早的收敛到某一局部Pareto最优解。一旦进化种群早熟,则在设计变量空间中重新生成一个进化种群,同时提出一种探测算子在非支配解的设计空间中进行探测性的搜索,以提高收敛效率。采用非支配解排序,将每代中的非支配解集存入一外部种群中,同时为了保持外部非支配个体分布的均匀性,进一步根据个体拥挤距离进行同一非支配级个体的比较和选择。最后将该算法用于求解汽车被动悬架结构的多目标优化设计案例,求解结果表明其具有较强的求解工程问题的能力。     

基于蜜源优化策略的频率分配方法

为解决频率分配问题，提出了一种基于蜜源优化的频率分配方法。首先提出了评估干扰程度的计算方法，对传统人工蜂群算法的引领蜂搜索行为进行改进，并重新设计跟随蜂搜索行为，增加选择性变异操作，以达到增加蜜源多样性以及降低陷入局部最优解可能性的目的。仿真结果表明，所提算法在搜索效率和稳定性上具有明显优势，能够在有效时间内找到满足频率距离约束的频率分配方案。     

一种MB-OFDM系统中改进的盲自适应信道缩短算法

针对MB-OFDM(多频带正交频分复用)系统中Merry算法收敛速度慢的问题,提出一种改进的盲自适应信道缩短算法.利用RLS算法实现均衡器抽头的迭代计算,改善了算法的收敛性和鲁棒性.同时提出一种最优初始化算法,提高了算法的收敛速率.仿真结果表明对于具有很强时变性的超宽带信道,该算法在收敛性和稳健性方面都具有良好的性能.     

基于BP网络学习算法的英文字符识别

介绍了BP神经网络的基本原理,指出了BP算法收敛速度慢、易陷入局部及小值等缺陷,在标准BP算法的基础上引入了几种优化BP算法的方法。针对模式识别应用领域,通过实例,运用Matlab编程对各种较好的网络学习算法的性能进行比较,给出了一个三层BP网络识别含噪声的字母的实例。实验结果表明,改进的BP算法有效地提高了BP算法的收敛速度。     

一种改进的非合作目标定位方法及其应用验证

针对传统非合作目标定位方法对回波信号的群路径误差敏感和性能不稳定的缺陷,提出了距离信息遗传迭代算法来实现非合作目标的定位。详细介绍了距离信息的遗传迭代算法,并构建了一发三收的多基地探测系统,开展了以电离层不均匀体作为非合作目标的定位试验。通过试验,成功获得了非合作目标的经度、纬度和高度信息。研究表明：该方法具有自我反馈机制,能够避免定位结果陷入局部最优解和算法性能的不稳定,为非合作目标定位的研究提供了一种新的思路。     

改进混沌遗传算法寻优敏捷供需链动态调度时段

本文面向敏捷供需链动态调度时段优选方案设计,构建以最低总成本为目标的动态调度模型;基于传统遗传算法的常见缺陷以及启发式算法的局限性,提出面向敏捷供需链时段资源动态调度全局寻优的改进混沌遗传算法。首先设计分节式编码,再利用随机法与贪心法产生更优良初始种群,提高染色体可行性及遗传效果;选用优先保留交叉以及贪心机制下的目标导向变异,确保优良基因继承,改善遗传操作;实施局部邻域搜索以及混沌搜索以加快收敛;提出最优解判别法。最后,实例验证算法有效性,不但取得全局最优解,而且子体更加收敛,离散度更低。     

同步卫星转发器二维时频资源蚁群调度算法

针对地球同步卫星转发器多任务时频资源调度问题，考虑任务执行时间和占用带宽需求，建立了以卫星系统总收益为目标的多约束规划模型，提出了基于任务频率时间窗口更新的蚁群调度算法。该算法综合考虑了任务优先级和时间灵活度，以增强蚁群在状态转移规则下的搜索能力；同时设计了虚拟任务、伪随机状态转移规则和信息素参数，保证算法向最优解逐步收敛。实例仿真表明，该算法相对于传统蚁群算法、遗传算法和启发式算法，在算法结果、寻优能力和稳定性方面具有显著优势。     

基于改进K-means聚类和量子粒子群算法的多航迹规划

针对在复杂环境下需要通过多航迹规划以实现武器协同的问题,利用排挤机制产生K-means聚类的初始聚类中心,并将改进K-means聚类与量子粒子群算法（QPSO）相结合应用于无人机的三维多航迹规划。改进算法解决了K-means聚类易陷入局部最优、聚类准确率低的问题。根据产生的初始聚类中心,将粒子划分成多个子种群,利用QPSO算法对每个子种群进行优化,使得每个子种群可以产生一条可行航迹。仿真分析证明了改进算法可以有效保证子种群之间的多样性,生成较为分散的多条可行航迹。     

MIMO系统中改进的二进制粒子群天线选择算法

在多输入多输出系统中,发射端和接收端的多天线配置提高了信道容量和传输可靠性,而天线选择技术能在保持系统优点的同时有效地降低运算复杂度以及硬件成本。为了能在时变的信道条件下快速地选择出一组最优的天线子集,提出了一种基于二进制粒子群算法的改进的天线选择算法。推导出了二进制粒子群联合收发端天线选择的信道容量公式,并将其作为粒子群算法的适应度函数,使天线选择问题转换成二进制编码串的组合优化问题。通过改进模糊函数提高粒子群算法的收敛性,让二进制粒子群尽可能地收敛于全局最优位置。仿真结果表明,改进的算法能在降低运算复杂度的同时提高收敛性,且系统信道容量趋近于最优算法。     

复合形遗传算法求解功率优化分配研究

传统遗传算法存在过早收敛及局部搜索能力差的缺点,在求解无线网络协作通信功 率优化分配等NP难问题时难以求得最优解。通过小生境策略解决遗传算法过早收敛问题,引 入复合形法提高局部搜索能力,构造了兼顾广度搜索与深度搜索的高性能混合算法,并对上 述问题进行求解。实验结果表明,所提算法与已有算法相比有一定优势,有效延长了协作网 络寿命,稳定性较好,分配的功率波动范围小。     

基于改进遗传算法的农产品配送路径优化研究

以第三方物流企业为视角,在保证配送质量最高的情况下,将配送成本最低作为优化目标,构建多目标农产品配送路径优化模型。针对此类NP问题,结合改进的遗传算法,在Matlab2015环境下设计仿真实验。结果表明,改进的遗传算法在解决此类问题时,可行解能够快速收敛到帕累托最优,同时证明了模型和算法的科学性。     

基于DNA进化算法的多目标物流配送路径优化

本文基于建立一种多目标物流配送车辆调度模型的基础上,采用DNA进化算法求解该问题,克服传统算法的求解速率低,易陷入局部最优的问题,为进一步研究物流配送优化调度问题提供参考。     

全域优化的一些实验

大多数非线性规划算法,当应用于含有多个局部最优解的问题时,在求得第一个局部解后便结束了。有几种方法能扩大搜索以便求解这样的非线性规划的全域最优解。本文介绍了一些数值试验结果,其目的在于比较各种寻找全域最优解的策略的性能。