摘要：传统启发式方法求解QoS组播路由问题复杂度高,收敛速率慢,无法满足实际需求。该文提出一种基于子节点编码的和声搜索算法以解决该问题。在和声搜索算法的基础上,该算法设计了新的初始解及新解生成方式,提升了算法执行效率;提出了参数动态调整方案,兼顾了全局搜索以及局部搜索能力;同时设计了一种基于子节点的组播树编码方式,加快了新解生成过程。通过理论分析仿真实验,证明了该文算法的低复杂度,表明该文算法在收敛速率和代价方面具有明显优势。

摘要：海工装备具有工件量极大、研制周期长、边设计边制造等特点,造成工件加工时间不确定、并行设备关联度低等现象,最终导致调度方案的实际完工时间与计划完工时间吻合度偏低。针对该问题,建立带有工件转移时间、特定设备约束和模糊时间的混合流水车间调度模型,提出一种用于求解海工装备制造车间调度问题的改进遗传—和声搜索算法。采用基于工件和设备的矩阵编码方式,提出新的Slope算法用于生成初始种群;基于线性排序和禁忌搜索策略对交叉算子进行改进,使用两种变异算子提高算法全局寻优能力;嵌入和声搜索算法用于增强局部搜索能力。通过性能测试及实例验证表明,相较于已有方法,所提算法具有更好的解和较好的实际应用价值。

摘要：针对物联网射频识别过程中存在的数据量过大、传统算法计算复杂度较高和识别准确率较低的问题,提出了自适应高斯遍历和声搜索(Gauss traversal and harmony search algorithm,GTHS)物联网射频识别优化算法.首先,基于和声搜索算法进行网络优化设计,针对标准HS在优化精度和计算复杂度等方面存在的问题,利用高斯函数的遍历特性对算法即兴创作过程引入控制参数,提高前后期搜索的针对性,并给出参数选取的理论分析;其次,对物联网射频识别优化模型进行研究,提出改进的自适应优化目标,实现性能指标的均衡优化;最后,将该算法与RPSOAS、CDE以及C-MC算法进行了实验对比分析,结果表明,所提GTHS算法在区域大小为1 000 m×1 000 m、标签数量为100 000的大型物联网RFID(radio frequency identification network)实验对象中,收敛精度为7.215 6,收敛精度提高29.6%以上.

摘要：和声搜索算法是最近出现的一种模拟音乐演奏过程的全局搜索元启发式算法,目前已经有许多改进版本,并被大量用于优化和工程实践问题中。首先描述了原始和声搜索算法的特点和流程,然后对和声搜索算法繁多的变种及其应用领域进行了梳理和分类,最后指出和声搜索算法的未来研究方向。

摘要：DBSCAN算法作为一种经典的聚类算法被广泛地应用于各领域,但由于其参数的自适应性较差,应用效果完全取决于参数的设置。基于此,提出了基于改进和声搜索的自适应DBSCAN算法,以提高DBSCAN算法的自适应性。算法采用K-平均最近邻算法优化初始种群,从而改善初始种群质量,为后续的进化计算提供优质解;设计了基于双差分的更新算子,提升算法的搜索能力;采用两种更新策略结构避免算法过早收敛,提高和声搜索算法的寻优能力进而全面提升DBSCAN算法的自适应性。采用多种数据集并设计对比实验验证提出的算法。实验结果表明,提出的算法具有更佳的识别能力和自适应性。

摘要：为了改进目前最小二乘支持向量机(LSSVM)参数选择的盲目性,将和声搜索(Harmony Search)算法引入到最小二乘支持向量机中来.利用具有全局优化功能的和声搜索算法对LSSVM中正则化参数γ和核函数参数σ的进行自动优选,提出了和声搜索最小二乘支持向量机(Harmony Search Least Squares Support Vector Machine,HS-LSSVM)算法.通过对丰满大坝位移的建模预测并和BP神经网络模型及传统统计回归模型的分析比较,表明HS-LSSVM模型具有更小的预测误差和更高的预测精度.

摘要：和声搜索具有不需要初始值,利用随机搜索代替梯度搜索,而无需更多信息的优点。以和声搜索算法为工具,建立管网优化的数学模型,以费用最小作为目标函数对配水系统管网设计进行管径寻优。并以Hanoi管网为例,将和声搜索算法同经典遗传算法进行比较。计算结果表明和声搜索算法在管网优化设计中有着很好的前景。

摘要：由于现有的聚类算法还存在一些问题,研究了如何用和声搜索算法快速寻找最优的聚类中心,对于和声搜索算法也进行了一些改进。为了获得最佳的类中心数,采用了半监督方式循环测试各种中心数情况下的聚类质量。考虑到各维特征属性对聚类效果影响不同,采用了维度加权的方法进行特征选择。所有这些措施都是为了达到一个更好的聚类效果。实验结果表明,该聚类算法性能优于其它同类算法。算法被应用于并行计算性能分析中,用于区分和识别并行机的各个处理器运行性能类别。

摘要：确定到达列车的解体顺序和出发列车的编组顺序(即列车解编方案)是技术站编组调机运用计划的核心问题.本文为解决该问题,构建相应的优化模型,利用结合邻域搜索的和声搜索算法进行求解,采用目标函数值评价新的和声,邻域搜索策略用于获取新的和声.最后利用算例对所设计算法的求解效率进行分析验证,表明:算法收敛速度较快,而与邻域搜索策略的结合,有利于扩展其搜索范围与提升全局搜索能力,降低对选择概率的依赖.通过对不同参数条件下计算时间的测试说明,所设计算法能够满足技术站编组列车解编方案编制的要求.

摘要：为了改善标准果蝇优化(fruit fly optimization,FFO)算法易陷入局部极优,收敛精度不高的不足,提出了一种结合群体协同(swarm collaboration,SC)与和声搜索(harmony search,HS)策略的新型果蝇优化算法FFO-SC+HS。该算法基于随机确定的单一维度和动态搜索半径得到果蝇个体的食物源位置,并在种群中心位置的逐代更新环节新增了两个可供选择的备选位置。两备选位置均出自按群体协同策略重构后的位置集合,其一为重构后位置向量集合中的最佳位置,另一则为借助和声搜索策略得到的新位置向量。为验证所设计算法的有效性,在10种测试函数上进行了大量的计算实验与性能对比分析,结果表明FFO-SC+HS在求解质量、收敛能力上优于其他4种已报道的FFO算法,并发现3个主要参数的不同取值组合对其优化性能具有显著影响,所采取的SC与HS策略缺一不可。