摘要：为了提高MIMO雷达发射信号多相序列的正交性能,提出了基于改进生物地理学优化的雷达正交波形设计算法(POBBO)。该算法首先对生物地理学优化算法(BBO)进行改进,直接采用个体的栖息地适宜度指数(HSI)值来确定迁入迁出率,对其原始确定机制进行大幅简化,在实时反映个体优劣程度的同时,缩短由排序带来的时间损耗。另外,引入分段Logistic混沌映射改进原变异机制,实现对新个体的有效开采。POBBO算法利用改进后BBO算法的栖息地间物种迁移和变异进行信息交互,改善栖息地的HSI值,从而得到具有较好正交性能的多相序列波形。仿真试验结果表明:POBBO算法比其他多相序列波形设计算法在整体上具有明显优势,可以有效地兼顾搜索精度和速度。

摘要：离散型非线性极小极大问题本质上为一个传统的梯度类算法难以求解的不可微优化问题.针对每个分量函数都是凸函数的此类问题,利用熵函数法将其转化为一个光滑的无约束凸优化问题,并将具有并行搜索机制的生物地理学优化算法和具有全局收敛性的邻近点算法相混合,设计了一种具有全局收敛性的混合算法.为了充分发挥生物地理学优化算法的并行搜索机制和无需使用初始点的优点,该混合算法采用生物地理学优化为内层算法邻近点算法为外层算法.数值仿真结果表明,所提算法是求解此类非线性极小极大问题的一种有效算法.

摘要：为提高基于优化方法的网络社团结构识别算法的有效性,设计一种利用小世界效应加速生物地理学优化过程的网络社团结构识别算法.首先基于矩阵随机编码建立网络社团识别生物地理学优化框架,在栖息地中全局进化地搜索对应于最大化模块度的网络社团划分.然后,给出基于小世界效应的生物地理学迁移策略,可以加速进化算法的信息交换过程.最后,运用该算法在现实网络和人工合成网络上进行实验.结果表明:引入小世界效应能够降低网络社团结构识别算法的收敛时间;在典型现实网络与人工合成网络上运行该算法能够获得较高的模块度值与标准化互信息值;信息交换的拓扑结构能够优化进化算法效率.应用小世界效应加速生物地理学优化的网络社团识别算法具有较好的可行性与有效性.

摘要：基于混沌控制的方法,建立了离散混沌系统参数估计问题的非线性方程组模型.将此方程组模型转化为多峰连续函数优化问题并设计相应的生物地理学优化算法进行求解.通过对两个典型的离散混沌系统进行仿真实验,数值结果表明该方法具有测量数据少、参数估计精度高的优点.

摘要：针对生物地理学优化算法(biogeography based optimization,BBO)容易陷入局部最优解的缺点,提出一种基于微分进化(differential evolution,DE)改进BBO算法的混合生物地理学(BBO-DE)优化算法。通过有机结合BBO算法的利用能力和DE算法的搜索能力,实现利用能力与搜索能力的平衡;引入基于可行性的约束处理机制,解决传统BBO算法无法求解约束优化的问题。通过选定的8个标准测试函数对改进算法进行仿真测试,测试结果验证了改进算法的可行性和有效性,与基本BBO和DE算法相比,其在最终解的质量和收敛速度上具有明显优势。

摘要：为提高路径覆盖测试效率,提出采用融入自适应迁移的生物地理学优化算法自动生成满足目标路径覆盖的测试用例。首先,根据路径覆盖难易,在分支距离法中引入加权因子并转换为栖息地适应指数;然后,综合最优栖息地和迁出地相关因子优化迁入地适应度指数变量,同时对满足条件的种群进行以个体当前值为中心、适应值为幅度的变异操作。对经典基准程序进行生成测试用例的对比实验结果表明,算法不仅能满足目标路径覆盖要求,而且速度和稳定性均有明显优势。

摘要：Dan Simon用生物地理学的方法和机制来解决工程优化问题,提出了生物地理学优化算法(Biogeography Based Optimization,BBO)。该算法因其独特的搜索机制和较好的性能在智能优化算法领域得到了广泛的关注。为了进一步提高生物地理学优化算法的全局和局部收索能力,提出了一种基于动态选择迁出地与混合自适应迁入的优化策略,对生物地理学优化算法进行改进,形成一种新的改进型BBO算法。该算法根据进化阶段动态选择待迁出地,并综合当前迁出地和随机迁出地优化迁入策略;同时,设计与适应度相关的变异机制,以增加算法的全局搜索能力。仿真实验结果表明,该算法在全局搜索、收敛速度和收敛精度上均优于对比算法。

摘要：针对废旧产品再生过程中常用的选择性拆卸规划方法无法全面考虑所有零部件再生收益的问题,提出了考虑不定拆卸程度的选择性异步并行拆卸序列规划方法。通过拆卸混合图表达产品零部件之间的连接关系和优先约束关系,在此基础上,以目标件逆向搜索出的最小必拆零件集合为拆卸程度下限,获取不同拆卸程度集合;以拆卸时间最小、拆卸利润最大为优化目标建立了数学模型,提出了一种改进的生物地理学优化算法进行求解优化;结合拆卸序列规划问题特点,设计了基于三层链表的编码方式,采用随机拓扑结构以提高算法的搜索能力;最后以机械臂与二级圆柱圆锥齿轮减速器为实例,验证了所提模型和方法的可行性和有效性。

摘要：为提高软件定义无线传感器网络(software defined wireless sensor network,SDWSN)的寿命并降低数据传输能耗,设计一种基于萤火虫算法(fireflyalgorithm,FA)和生物地理学优化(biogeography-based optimization,BBO)的混合优化算法,并基于该混合优化算法,设计一种分布式高效熵节能分簇路由算法(distributed high-efficiency entropy energy-saving cluster routing algorithm,DHEEC),将能量熵和混合优化算法用于簇头选择。仿真结果表明,混合优化算法在标准函数上的表现优于其他算法,DHEEC的10%节点死亡轮数比IFCEER提高了约41.05%,比DEEC-FA提高了约13.89%,并提高了能量利用率。