摘要：对模拟退火算法用于函数优化时的计算流程、状态产生函数的设置原则、离散变量的优化、计算终止准则等问题进行深入分析,在此基础上提出一种适用于求解各类数学规划问题全局最优解的有记忆功能、带返回搜索的模拟退火算法,用可视化程序设计语言Visual Basic6.0开发相应的模块化计算机程序,并给出YT型电动滚筒优化设计的应用实例。该程序不仅使用方便,而且对各类数学规划问题具有普适性。

摘要：将正交试验设计引入到克隆选择操作中,设计出基于正交试验的克隆选择操作(clonal selection operation based on orthogonal experiment design,简称CSO-OED),并将其加入到典型的克隆选择算法中,设计出并联式的CSO+CSO-OED(Ⅰ)算法和串联式的CSO+CSO-OED(Ⅱ)算法.将新设计的算法用于9个经典的测试函数和6个复杂的测试函数进行对比测试,实验结果表明,CSO-OED能够有效地保持种群的多样性,避免算法不成熟收敛.CSO+CSO-OED(Ⅰ)和CSO+CSO-OED(Ⅱ)将全局搜索和局部搜索分开进行优化,对比实验表明,这种搜索策略不但能够保证算法的收敛性,还能有效地提高搜索解的精度,增强算法的鲁棒性.

摘要：基于生物免疫系统的自适应学习、记忆、监视等功能,设计适用于高维动态函数优化的自适应免疫算法.算法设计中,利用抗体的学习功能设计抗体动态进化模块;利用基因漂移促成抗体群中非优越抗体重构;利用记忆特性和记忆池动态维持功能,设计由记忆子集合构成的动态记忆池,并经由 Average linkage 保存优秀的记忆细胞;利用动态监视功能建立环境判别规则和初始抗体群的生成规则.该算法结构简单、灵活,以及在不同环境下寻优时间可以动态调节.数值实验比较显示出其优越性和在执行效率、执行效果中寻求权衡的有效性,并且对复杂的高维动态环境优化问题具有较大应用潜力.

摘要：为克服经典人工免疫算法(AIA)在函数优化过程中存在的计算量大、收敛精度不高和收敛速度较慢等不足,引入多个自适应免疫算子,提出了一种改进自适应人工免疫算法(IAAIA)。在经典人工免疫算法中,引入迭代次数对抗体激励度计算算子进行自适应设计,引入种群抗体平均激励度与抗体激励度对免疫选择算子、克隆算子、变异算子与克隆抑制算子进行自适应设计,提升人工免疫算法的收敛速度、收敛精度和稳定性。选择9个典型测试函数作为实验对象,同时选择4种典型人工免疫算法作为对比算法优化实验函数,对比实验结果表明了改进的自适应人工免疫算法在求解函数优化问题的有效性和优越性。

摘要：为了提高免疫算法的搜索能力,根据生物免疫机制及生物进化的周期性,设计了一种周期变化变异算子。为了避免仅仅以亲和度作为免疫选择评价标准,低亲和度抗体过度抑制,提出了将抗体浓度引入到亲和度中作为评价指标,设计了一种改进的免疫选择算子。基于马尔科夫链,分析了改进免疫算法的收敛性。为了测试该算法的有效性,将算法应用于函数优化问题中。仿真结果表明,改进的免疫算法具有更高的搜索速度和精度。

摘要：基因表达式编程(GEP)算法在解码时常存在未表达的基因内区,在解决函数优化问题时存在缺陷,使得对简单函数的优化性能不如遗传算法(GA),而对复杂函数优化收敛速度较慢。为了改善基因表达效率和提高优化性能,做了下列工作:提出了新的基因解码方法,形成了内嵌基因表达式编程算法EGEP;设计了适合优化问题的个体编码方案;分析了个体的表达空间。实验表明,EGEP对简单函数优化的性能优于传统遗传算法;EGEP提高了对复杂函数的优化能力,即使在运行辈数降低200倍时,得到的性能仍然优于传统GEP和遗传算法。

摘要：针对遗传算法求解精度低以及蚂蚁算法求解速度慢的问题,提出一种基于遗传算法和蚂蚁算法的混合算法.该混合算法利用了遗传算法快速随机的全局搜索能力的优点,设计了编码与适应度函数,进行了种群生成与染色体的选择,并通过设定交叉算子和变异算子,生成了信息素分布.该混合算法利用了蚂蚁算法正反馈以及具有分布式并行全局搜索能力的优点,通过确定吸引强度的初始值,建立了强度更新的模型,从而求得精确解.并将该算法应用于求解函数优化问题.结果表明,该混合算法与遗传算法和蚂蚁算法相比,收敛速度快,寻优性能好.

摘要：为了提高量子免疫克隆算法(quantum-inspired immune clone algorithm,QICA)对函数全局寻优的精确性和稳定性,引入了内分泌激素的调节规律,根据当前个体适应度值和上一代种群的平均适应度值重新设计克隆规模,按照种群多样性和Hill函数的上升规律对其进行自适应调整,使进化各代中优秀个体的克隆得到扩增,同时减少不良个体的规模,从而提出了一种基于内分泌激素调节的量子免疫克隆算法(hormone adjustmentbased QICA,HAQICA)。利用标准测试函数对算法进行了验证,50次随机独立实验结果表明,HAQICA算法的收敛速度与QICA算法相当,最优解的均值与方差等数据,证明了HAQICA算法在提高函数全局寻优性能上的有效性。

摘要：将模拟退火算法用于函数优化进行系统的研究,介绍了一种适用于求解约束非线性规划问题全局最优解的通用算法,给出了计算流程、状态产生函数的设置原则、计算终止准则以及离散变量优化的实现方法。在深入分析的基础上建立了钳盘制动器优化设计的数学模型,给出了用上述方法进行优化设计的实例。表明该方法是有效的。

摘要：进化算法在求解全局优化问题时易陷入局部最优且收敛速度慢.为了解决这一问题,设计了一个基于下降尺度函数的杂交算子,利用下降尺度函数与种群的关系来寻找实值函数的下降方向.为了提高非均匀变异算子在进化后期的搜索能力,通过均衡算子的局部搜索和全局搜索能力使其在算法后期仍能跳出局部最优.在此基础上给出了一种新的进化算法.最后将其与9个现有的算法进行了比较,数值实验表明新算法快速有效.