摘要：针对目前多峰函数优化问题较难找到全部局部最优解的情况,提出了改进的免疫优化求解方法。借鉴免疫系统的受体编辑操作、Baldwin效应,设计了相应的算子,增强了算法的学习能力,提高了算法的收敛速度。实验结果表明,本算法求解精度较高,提高了多峰函数寻优的精度。

摘要：针对求解多峰函数优化问题全局最优解的特殊困难,提出一种区域性两阶段演化算法(RT-EA),详细介绍了该算法的作用机制、算法策略和算子设计,深入分析了该算法具有能避免“早熟”、一次运行可获得全部最优解等特性.实验结果表明,RTEA用于求解较低维的多峰函数优化问题是高效的,具有较高的求解质量和较快的收敛速度.

摘要：为了提高粒子群优化算法的性能,设计了优化粒子带停滞信息的年龄结构网,并利用这种年龄结构网信息自适应地更改粒子群优化算法的3个关键参数.构建了一种带停滞信息的自适应粒子群优化方法,给出了该方法的具体优化步骤.采用4个经典的低维及高维Benchmark测试函数验证该优化方法的求解性能,并同引力搜索算法以及传统的不带停滞信息的粒子群优化算法进行求解对比.通过对比可知,该方法在低维多峰函数优化时,其搜索效率均2倍于其他文献中的方法,对于维数高于2维的高维函数,该方法的优化效率同其他文献中的方法基本相同,但在获得全局解及局部解的能力以及所求解的精度方面均远高于其他文献中的方法.

摘要：将均匀设计方法、多智能体系统与遗传算法相结合,提出了一种多智能体遗传算法.设计了基于均匀设计表的均匀种群初始化方法和均匀交叉算子,并将其引入算法中.算法通过智能体与智能体环境间的相互作用,以及智能体自学习提高自身能量,实现了复杂问题的全局优化目标.实验表明,该算法对于高维函数优化问题,尤其是高维多峰函数,具有很好的全局搜索能力和较快的收敛速度,能够避免陷入局部最优.

摘要：介绍了一种基于新的变异算子多种群的新遗传算法 ,该算法可用来解决复杂的多峰函数优化问题 .解决这些问题的传统遗传算法经常陷入局部最优 ,新算法引入一种新的基于主群、附属子群的结构可避免传统遗传算法难以克服的早熟收敛 .在该结构中 ,主群采用新的变异算子来保持良好的群体分布 ,并促使较优模式的快速增长 ,附属子群设计在有限区域内获取局部最优 .用搜索历史记录及主子群体通讯能减少搜索空间 ,以获取全局最优和几个局部最优 .搜索局部最优和全局最优可用于多人脸检测以及路径寻优问题 .实验表明 。

摘要：运用MonteCarlo非线性反演方法中的遗传算法进行抗震结构优化设计,通过对整个参数空间进行搜索,得到了抗震优化设计的主要参数,结果令人满意.