一种含最优变异的多微粒群优化算法

针对微粒群优化算法中的固有缺点,提出了带有最优变异算子的多微粒群优化算法,采用多个微粒群对目标函数进行寻优,并在寻优过程中对子群中最优微粒引入了最优变异算子。通过这样的处理,算法可以预防早熟收敛并具有更快的收敛速度和更好的局部开发能力。对一组测试函数的模拟实验结果表明,带最优变异的多微粒群优化算法可以摆脱局部最优解对微粒的吸引,在较少的代数内就能够获得好的优化结果。     

进化规划中的变异与收敛

进化规划算法中变异是唯一的操作,因此变异算子对进化规划算法的性能有决定性的影响。文中以高斯变异算子为例,研究了变异算子在进化进程的作用,分析了进化规划算法不收敛的原因以及变异算子与进化代数、收敛精度间的关系。对传统进化规划算法和多群进化规划算法的性能进行了仿真研究,仿真结果表明了分析结果的正确性。     

一种新的进化规划算法

参考高斯变异算子和柯西变异算子,提出了基于学生概率分布变异的进化规划算法。学生概率分布能够衔接高斯分布和柯西分布,其性能通过改变参数n来获得。通过仿真得到了学生概率分布变异的规律。仿真表明,基于学生概率分布变异的进化算法具有较好的性能。     

基于自适应变异粒子群算法的火力分配方法研究

针对最优火力分配的特点,分析了火力分配优化问题的数学模型,设计了一种求解该类问题的自适应变异粒子群算法（Adaptive Mutation Particle Swarm Optimization, AMPSO）。该算法采用十进制编码方法和基于数值运算的个体更新方法;为平衡算法的局部搜索能力和全局收敛性能,设计了一种关键参数自适应调整方法;为增强种群在进化后期的多样性,提出了一种变异策略。仿真结果表明,所提AMPSO算法具有良好的寻优性能,是优化火力分配的一种有效算法。     

一种改进型PSO-BP算法在红外目标中的应用

为了降低伪目标引起的误检,提高系统在复杂环境中的目标识别能力,设计了一种改进型粒子群优化BP神经网络算法。改进型PSO-BP算法利用红外目标光谱特性设置粒子变异规则,从而调整粒子位置与速度,提高目标特征提取性能。同时,算法将权值变为权值可调函数,降低局部极值收敛的风险。实验采用Model-102F型成像光谱仪采集的目标区域图像作为样本与检测数据,与传统BP算法作对比,分别选取对不同特征波长位置及个数的形式对目标和伪目标进行识别分析。结果显示,改进型PSO-BP算法可以有效消除伪目标干扰,同时,其收敛速度明显优于传统算法。由此可见,该设计在复杂背景红外目标识别方面具有一定的应用价值。     

改进的遗传算法在图像边缘提取中的应用

提出了一种改进的遗传算法,采取了确定性采样选择算子对选择算子进行了改进;明确了非等概率融合单阈值单点交叉算子,对交叉算子进行了改进;同时还提出了一种新的变异算子,它依据一种新的判断群体"集中"与否的准则,根据群体的进化程度自适应地调整变异概率pm的值。将改进的遗传算法用于图像的边缘提取问题中,试验结果表明,与穷尽法和普通遗传算法相比,提出的算法在保证有效地提取出边缘的基础上,节省了运算时间。     

一种模拟退火伪并行遗传算法

借鉴模拟退火算法的局部搜索能力,结合并行计算的思想设计了一种采用模拟退火机制的实数编码自适应交叉、全概率变异伪并行遗传算法,最后用这种方法对典型的多峰值函数求极值,并和基本遗传算法进行比较,结果表明:该算法具有较强的全局搜索能力和局部搜索能力,能够更有效地克服早熟收敛问题。     

遗传算法在武警勤务中的应用研究

遗传算法是一种新的全局优化仿生算法。介绍了遗传算法的编码方法、选择算子、交叉算子和变异算子 ,以及适应度函数的设计 ,结合武警部队勤务的特点 ,探讨遗传算法在武警勤务中的应用。并以遗传算法在军事 (行军 )路线优化选择和智能排课系统中的应用为例 ,对遗传算法的建模等进行了探讨     

任务分配与调度中遗传算子的设计

应用遗传算法等进化方法进行任务分配与调度为越来越多的计算机学者们所关注。基于任务排列的知识表示 ,常规的标准遗传操作算子并不总是有效的。好的遗传算子对算法收敛性及收敛到好点是非常重要的。在列表编码的知识表示基础上 ,设计了三个有针对性的遗传算子 ,即改进的交配算子、内部交配算子和一种作为变异的迁移算子。模拟实验结果与分析表明这些算子对任务分配与调度是有效的。     

基于集中一体化遗传算法的协同航迹规划方法

针对线目标的多无人机协同侦察航迹时间代价较大、算法收敛较慢等问题,提出了一种基于集中一体化遗传算法的协同航迹规划方法.在考虑目标属性及任务要求的基础上,建立了基于时间代价的航迹模型.引入集中一体化方法,对标准遗传算法的编码方式进行了优化,保证了所有目标均被侦察一次,且无重复侦察.在种群迭代中对交叉操作和变异操作进行了改进,有效提高了算法的收敛速度.仿真结果表明,该方法可求解得到具有最小时间代价的任务航迹,且收敛速度较快.     

一种改进的量子粒子群算法

量子粒子群算法是将量子计算与粒子群算法相结合的一种新的优化方法。首先利用相位角进行实数编码，将动态量子旋转门引入到粒子群算法中，采用自适应变异，提出了一种改进的量子粒子群算法。然后运用Pe-nalized函数和Ackley函数测试了该算法的性能。最后将该算法应用到武器目标分配模型中，获得了最优的分配方案。仿真研究表明，该算法具有收敛速度快、搜索能力强和稳定性高的特点。     

基于差分进化算法的运输直升机人员装载问题

针对空中突击作战中运输直升机资源有限、人员装载需求较大的特点,在满足装载原则约束的前提下,建立了以空间利用率最大化为目标的运输直升机人员装载模型,并提出了一种动态的差分进化算法对模型进行求解.该算法对传统差分进化算法的控制参数进行调整,同时加入个体适应度参数,设计了动态精英变异算子和动态二项式交叉算子,仿真实验证明,该算法可对运输直升机人员装载问题进行有效求解.     

基于多群体改进萤火虫算法的装配序列规划

为了解决机械产品装配序列优化问题,提出了一种基于多群体改进萤火虫优化算法的装配序列规划方法。建立了装配序列规划的数学模型,针对萤火虫算法收敛效率低的不足,借鉴混合蛙跳算法族群划分思想对萤火虫算法进行了改进,引用局部搜索与全局信息交换机制提升了算法性能;根据装配序列规划问题离散型的特点,定义了新的离散编码方式和粒子更新策略。通过实例仿真结果表明,改进后的萤火虫优化算法简单有效、稳定性好、求解精度高,能够稳定快速地给出装配序列最优方案。     

开关磁阻电机模型参数新辨识算法

将混沌变异粒子群(CMPSO)应用在磁链数学模型的参数辨识可以得到精确的开关磁阻电机磁链模型.针对标准PSO收敛慢、易于早熟的缺点,CMPSO通过混沌优化后粒子群分成两个子群和混沌粒子群,然后通过精英粒子的适应度方差和最优解变异算法保证了改进算法的收敛.磁链辨识结果证实这种参数离线辨识算法收敛速度快,参数精度高的特点.     

改进鸽群算法的复杂信号盲源分离

由各类侦察、干扰、探测、通信信号构成的复杂信号盲源分离是侦干探通一体化系统接收信号处理的第一步,对盲源分离准确度要求更高。传统独立成分分析的盲源分离方法,存在容易求得局部最优解、分离性能较差等缺陷。针对这些问题,提出了一种改进鸽群算法的复杂信号盲源分离方法,通过在鸽群算法的地图和指南针算子中添加位置因子,以及在地标算子中添加压缩因子2种方式,平衡了算法前期全局探索能力以及后期局部搜索准确度,解决了易陷入局部最优以及早熟收敛的问题,提升了算法的寻优能力,同时该算法在收敛速度上也有所提升。仿真实验结果表明,该算法在低噪声和高噪声情况下均能较好地分离出复杂信号,对比传统独立成分分析的方法,具有更好的分离性能和收敛速度。     

一种改进的优化支持向量机参数的萤火虫算法

针对人工萤火虫群优化(GSO)固定步长带来的收敛速度不快且容易陷入局部寻优的问题,对步长因子进行改进,提出一种基于S型变步长的萤火虫算法(S-VS-GSO),步长随着迭代次数的增加而改变,并利用改进后算法对支持向量参数C和g进行优化,并利用优化后的算法对空中机动目标进行分群聚类。仿真结果表明,改进后的算法相比较标准算法,收敛速度和全局寻优能力都有所改善,算法耗时相对于标准算法也有所减少,在战场目标分群应用中准确率也高于传统算法。     

基于改进萤火虫优化算法的BP神经网络目标群威胁判断

以舰艇防空作战目标选择决策和规划需求为背景,针对萤火虫算法求解精度不高且收敛速度较慢的问题,提出可动态调整步长的改进萤火虫优化算法。在改进萤火虫优化算法的基础上,建立基于改进萤火虫优化算法的BP神经网络目标群威胁判断结构模型。通过改进萤火虫算法优化BP神经网络的初始权值和阈值,能够更好地预测测试集。实验结果表明,该方法可快速、准确地实现目标群威胁判断。     

引入变异算子的SAA求解数据关联问题

将遗传算法中的变异算子引入模拟退火算法,来求解雷达数据处理过程中的数据关联问题。与传统的遗传算法和传统的模拟退火算法相比,新算法在解的质量,寻优速度和CPU占用时间等方面有较大的优势,更贴近实际应用的要求。     

一种基于混合算法的火力规划方法

针对战场上火力单元与目标数量较多的具有多约束的火力规划问题,提出一种采用贪心策略和改进遗传算法的混合算法求解不同复杂程度的火力规划方法。贪心策略用于优化初始种群以加快遗传算法收敛及在短时间内求解较复杂的火力规划问题。采用改进编码方式、杂交与变异算子的遗传算法处理约束条件,提高搜索效率,加快算法运行速度。仿真实验结果表明,混合算法可以在平衡求解时间与结果满意度的情况下求解不同复杂程度的火力规划问题。     

基于改进遗传算法的油料调拨优化

为实现油料快速调拨运输，利用改进的遗传算法求解油料调拨优化问题，采用了一种受贪婪算法启发的新的交叉算子和变异算子，对比模拟退火算法等其他算法而言，具有较好的鲁棒性，能很好地解决油料调拨运输过程中多任务多地点的油料调拨运输问题。