摘要：生活中存在大量的动态多目标优化问题,应用进化算法求解动态多目标优化问题受到越来越多的关注,而动态多目标测试函数对算法的评估起着重要的作用.在已有动态多目标测试函数的基础上,设计一组新的动态多目标测试函数. Pareto最优解集和Pareto前沿面的不同变化形式影响着动态多目标测试函数的难易程度,通过引入Pareto最优解集形状的变化,结合已有的Pareto最优解集移动模式,设计一组测试函数集.基于提出的测试函数集,对3个算法进行测试,仿真实验结果表明,所设计的函数给3个算法带来了挑战,并展现出算法的优劣.

摘要：几乎所有多目标进化算法(multi-objective optimization evolutionary algorithm,MOEA)都是针对Pareto最优面为均匀分布问题而言.然而现实中很多问题Pareto最优面是非均匀分布的,决策者希望得到一个与Pareto最优面分布类似的解集.现存算法并不能有效解决该问题.对此,提出一种针对于非均匀分布多目标优化问题的维护方法(non-u-niformly diversity maintenance method,NUDMM).该方法定义一个反映个体分布"规则"程度的指标——杂乱度,并设计一种降低种群杂乱度的方法,在未知Pareto最优面分布规律情况下有效剔除造成种群混乱的个体.通过与NSGA-II和SPEA2在不同维数下8个非均匀函数上对比实验,表明NUDMM在有效保持问题真实分布的同时,具有良好的收敛性.

摘要：针对萤火虫算法(Firefly Algorithm,FA)在寻优中容易出现早熟现象、收敛不稳定的缺点,基于中国阴阳学说的内涵,提出一种新颖的阴阳萤火虫算法(Yin-Yang firefly algorithm,YYFA).首先,为了降低算法时间复杂度,设计一种新型随机吸引模型;其次,根据深度学习思想,采用阴阳萤火虫深度学习策略对当前最优萤火虫进行有效信息深度挖掘来引导萤火虫种群向更优方向移动.利用13个典型全局优化测试函数对阴阳萤火虫算法进行仿真实验,并与不同组合策略算法进行对比分析,实验结果表明YYFA算法表现出较好的全局寻优能力和稳定性,Friedman检验方法显示阴阳萤火虫深度学习策略是一种有效的改进方法.最后将YYFA算法应用到黄甫川站年径流预报问题中,利用其优选支持向量回归模型(Support Vector Regression,SVR)的超参数,构建YYFA-SVR预报模型.应用结果表明YYFA-SVR模型预报效果优于BOA-SVR模型、WOA-SVR模型和ESDA-SVR模型,预报精度较高,可为相关预报工作提供新思路.

摘要：针对麻雀搜索算法面对具有强约束、非凸性和不可微特征的复杂问题所存在的开发与探索能力不平衡、易陷入局部最优、过早收敛和种群多样性较低等不足,提出一种求解复杂约束优化问题的多策略混合麻雀搜索算法.首先,利用反向学习策略构建双向初始化机制,以达到获得分布更优的初始种群的目的;其次,设计一种基于交叉与变异算子的位置更新公式,扩大搜索范围,丰富搜索机制,以平衡算法探索和开发能力,同时提高算法的收敛精度和速度;最后,使用社区学习策略对种群进行精炼,强化开发能力与跳出局部极值的能力,并保持种群的多样性.分别在CEC2017的28个实数约束优化问题和1个工程优化问题上进行了性能评估,实验结果表明,所提出的算法对比其他优化算法具有寻优能力强、收敛精度高、收敛速度快等优势,可有效解决复杂约束优化问题.

摘要：针对天鹰优化算法搜索效率不足,容易陷入局部最优的缺点,提出多策略改进天鹰优化算法(MIAO).引入广义正态分布优化算法(GNDO),将该算法得出的结果与天鹰优化算法第1阶段得出的结果进行比较,筛选出这2种优化算法下的最优值.该操作扩大了搜索空间,提高了解的质量.引入相量算子,将第2阶段变为自适应的非参数优化,提高算法的高维优化能力.针对天鹰优化算法在迭代后期存在种群多样性降低、局部开发能力不足的问题,在天鹰算法的第3阶段引入流向算子,使信息可以在每个个体间相互传递,提高种群信息的利用率,增强天鹰优化算法的开发性能.通过对16个测试函数寻优对比分析以及Wilcoxon秩和检验可知,MIAO的寻优能力和收敛速度都有较大的提升.为了验证MIAO算法的实用性和可行性,采用所提算法求解减速器设计问题,通过实际工程优化问题的实验对比分析可知,MIAO算法在处理现实优化问题上具有一定的优越性.

摘要：对多极值函数的全局优化问题 ,采用十进制浮点数对遗传算法进行编码 ,综合设计出相应的选择、交叉与变异遗传操作 ,得到浮点数编码的遗传算法 (Float encodingGeneticAlgorithm ,FGA) .应用FGA对 3个著名的优化方法测试函数进行优化计算 .仿真结果表明FGA不易陷入局部极值 ,收敛速度快 ,并能得到较高的优化精度 .

摘要：针对简单的遗传算法稳定性较差 ,容易发生早熟收敛的不足之处 ,提出了将均匀设计和遗传操作相结合的遗传算法 ,通过编码在问题的解空间和算法的搜索空间之间建立一个映射 ,对其进行交叉操作、变异操作和均匀设计操作。用典型的测试函数进行测试 ,证明了该算法是可行的 ,与单纯遗传算法相比 ,计算精度和收敛速度更高。

摘要：汽车前桥结构是汽车的核心部件之一,在汽车设计中具有举足轻重的地位。为提高汽车前桥轻量化优化的收敛速度和精度,提出一种基于蝠鲼自身防卫策略改进的蝠鲼算法。采用六个经典的测试函数对改进蝠鲼算法进行性能测试验证,结果表明改进的蝠鲼算法具有良好的收敛速度和收敛精度。在此基础上,运用改进的蝠鲼算法对汽车前桥进行轻量化优化设计,优化结果表明经过94次迭代之后可以获得最优解,汽车前桥优化后的总质量从51.95 kg降低为43.24 kg,降低了16.75%。通过分析经典测试函数和汽车前桥案例的结果可知,改进的蝠鲼算法是一种高效的优化算法,对以后的工程优化问题和算法改进具有参考意义。

摘要：文章通过对优化设计数学模型的分析,得到模型变换和线性化技术可以加速优化设计的收敛速度和提高计算过程稳定性的结论;同时对当前流行的优化方法做了系统的评价,给出选择优化方法的一般规律。这些结论对优化设计具有一定的指导价值。

摘要：在求解具有多个局部最优或多目标问题时,灰狼优化算法(GWO)及其一些改进算法以及其他常见的启发式算法的优化性能有待进一步提高,因此,文章提出一种具有制导机制的灰狼优化算法(GWOGM):制导机制由引导机制和控制机制组成,根据灰狼代际关系,建立引导狼接近猎物的概率模型;根据灰狼适应度和位置变迁趋势,设计控制机制的勘探控制算子和领地控制算子,动态调整灰狼搜索范围和搜索方向。结果表明,制导机制提高了GWO的开发能力和勘探能力。最后,采用14个基准测试函数和4个自建测试函数验证所提算法的优化性能发现,与GWO及其次优的改进算法相比,GWOGM优化精度分别提高22.6%和11.0%,收敛速度分别提高70.4%和58.1%,平均误差分别减小80.1%和35.1%。