检索结果

Select

1. 求解约束优化问题的改进灰狼优化算法

龙文, 赵东泉, 徐松金

计算机应用 2015, 35 (9): 2590-2595. DOI: 10.11772/j.issn.1001-9081.2015.09.2590

摘要（2195）

PDF （842KB）（1045）

针对基本灰狼优化(GWO)算法存在求解精度低、收敛速度慢、局部搜索能力差的问题,提出一种改进灰狼优化(IGWO)算法用于求解约束优化问题。该算法采用非固定多段映射罚函数法处理约束条件,将原约束优化问题转化为无约束优化问题,然后利用IGWO算法对转换后的无约束优化问题进行求解。在IGWO算法中,引入佳点集理论生成初始种群,为算法全局搜索奠定基础;为了提高局部搜索能力和加快收敛,对当前最优灰狼个体执行Powell局部搜索。采用几个标准约束优化测试问题进行仿真实验,结果表明该算法不仅克服了基本GWO的缺点,而且性能优于差分进化和粒子群优化算法。

参考文献 | 相关文章 | 多维度评价

Select

2. 求解约束化工优化问题的混合布谷鸟搜索算法

龙文陈乐

计算机应用 2014, 34 (2): 523-527.

摘要（514）

PDF （677KB）（458）

针对布谷鸟搜索算法存在收敛速度慢和易陷入局部最优等缺陷，提出一种基于Rosenbrock搜索和柯西变异的混合布谷鸟搜索算法用于求解约束化工优化问题。该算法首先采用佳点集方法对鸟窝位置进行初始化，为全局搜索的多样性奠定基础；然后利用Rosenbrock搜索算法对当前最优位置进行局部搜索，以提高算法的收敛速度；最后对当前最优解进行柯西变异以避免算法陷入局部最优。两个约束化工优化问题的实验结果表明了该混合算法的有效性。

相关文章 | 多维度评价

Select

3. 基于组合遗传算法的反应动力学模型参数估计

龙文焦建军徐松金

计算机应用 2012, 32 (06): 1704-1706. DOI: 10.3724/SP.J.1087.2012.01704

摘要（945）

PDF （624KB）（484）

通过构造一个适当的适应度函数，将渣油加氢精制反应动力学模型的参数估计问题转化为一个多维优化问题，然后提出一种组合遗传算法来求解该优化问题。该算法利用混沌序列初始化种群以保证其均匀分布在搜索空间中。在每次迭代过程中随机组合不同的交叉策略和变异以产生若干个新的子代个体。对四个标准数值优化问题进行了仿真实验，仿真结果表明了组合遗传算法的有效性。以石油炼制工业中典型装置催化裂化为例，对渣油加氢精制反应动力学模型的参数进行了优化，获得了满意的结果。

相关文章 | 多维度评价

Select

4. 动态调整子种群个体的差分进化算法

徐松金龙文

计算机应用 2011, 31 (11): 3101-3103. DOI: 10.3724/SP.J.1087.2011.03101

摘要（1363）

PDF （607KB）（455）

提出一种新的动态调整子种群个体数目的并行差分进化算法。基于种群个体的适应度值，该算法将种群个体分为三个子种群，分别用于全局搜索、局部搜索及二者的结合。在进化过程中，根据不同的搜索阶段自适应动态调整各子种群个体的数目。另外，不同子种群分别采用不同的变异策略，以协调算法的勘探和开采能力。数值实验结果表明该算法具有较好的寻优效果。

相关文章 | 多维度评价

Select

5. 基于动态随机搜索和佳点集构造的改进粒子群优化算法

梁昔明陈富龙文

计算机应用 2011, 31 (10): 2796-2799. DOI: 10.3724/SP.J.1087.2011.02796

摘要（1143）

PDF （589KB）（596）

针对粒子群优化算法局部搜索能力不足和易出现早熟收敛的问题,提出一种基于动态随机搜索和佳点集构造的改进粒子群优化算法。该算法通过引入动态随机搜索技术,对种群当前最优位置进行局部搜索;采用佳点集构造对陷入早熟收敛的种群重新初始化;引入负梯度方向直线搜索来加速算法寻优。仿真实验结果表明,与标准粒子群优化(SPSO)算法和耗散粒子群优化(DPSO)算法比较, 提出的改进算法具有快速的收敛能力而且能有效地跳出局部最优, 优化性能得到明显提高。

相关文章 | 多维度评价

Select

6. 含维变异算子的连续域蚁群算法

梁昔明李朝辉龙文董淑华

计算机应用 2010, 30 (12): 3204-3206.

摘要（1399）

PDF （735KB）（1116）

针对在连续优化中，蚁群算法(ACO)存在的收敛速度慢和易陷入局部最优的问题，提出了一种新的含维变异算子的连续域蚁群算法(DMCACO)。该算法采用动态随机抽取的方法来确定目标个体，引导蚁群进行全局的快速搜索，同时在当前最优蚂蚁邻域内进行小步长的局部搜索。在定义了维多样性概念的基础上，引入维变异算子对维多样性最差的维进行变异：让所有蚂蚁在该维上的位置重新均匀分布在可行区域上。对测试函数所做的仿真实验表明，该算法具有优良的全局寻优能力和快速的收敛能力。

相关文章 | 多维度评价

Select

7. 基于梯度信息指导交叉的遗传算法

梁昔明肖伟龙文秦浩宇

计算机应用 2010, 30 (10): 2582-2584.

摘要（1384）

PDF （610KB）（945）

针对基本遗传算法在解空间中盲目选取交叉个体,导致算法在后期搜索能力差、收敛速度慢的缺点,提出了一种基于梯度信息指导交叉的遗传算法。该算法通过确定当前种群中目标个体的最速下降方向,选取该方向下的一个有效范围,在该有效范围内选择个体与目标个体进行交叉操作,使交叉后的子代不断向最优解靠近,有效地保证了交叉操作的目的性和可行性。四个典型测试函数的仿真实验表明,该算法显著加快了遗传算法的寻优速度,提高了遗传算法定位最优解的精度。

相关文章 | 多维度评价

Select

8. 动态调整惯性权重的粒子群优化算法

龙文梁昔明董淑华阎纲

计算机应用 2009, 29 (08): 2240-2242.

摘要（1623）

PDF （477KB）（2073）

针对高维复杂优化问题，提出一种改进适应度函数和动态调整惯性权重的粒子群优化算法。首先考虑了搜索点的函数值及其变化率，并将该信息加入适应度函数。利用维惯性权重矩阵自适应动态调整惯性权重，较好地平衡了算法的全局探索和局部开发，并分析了惯性权重随种群多样性的变化关系。在算法后期计算每一维的收敛度，以一定的概率对收敛度最小的维进行变异，以加快算法的收敛速度。对高维测试函数的实验表明，算法提高了全局搜索能力。

相关文章 | 多维度评价