摘要：在计算机辅助几何设计和计算机图形学中,Bézier曲线是一种常用的参数曲线,如何方便地设计和修改Bézier曲线是一个重要研究课题.研究了基于几何约束的B閦ier曲线的优化的形状修改,提出一种基于修改曲线控制顶点的约束优化方法.该方法通过修改初始Bézier曲线的控制点来满足给定的约束,并理想地修改曲线的形状.同时给出了一些实例.

摘要：分析和设计了一种基于进化规划的文化算法,并研究了该算法在解决复杂约束优化问题中的应用.该研究的主要新特征是采用进化规划来对群体空间建模,并根据相应的群体空间,对信仰空间在进化过程中如何提取、存储和更新各种知识源进行了详细的分析和设计,并将所得到的新知识用来指导群体的进化过程.为验证算法的有效性,使用了一个典型的基准测试函数进行了仿真实验,并与目前其他较好的约束优化处理算法进行了详细比较,仿真结果表明,该算法具有更好的优化性能以及更低的运算代价.

摘要：结合数论中佳点集理论和多目标优化技术,提出了一种求解约束优化问题的新算法。该算法首先把约束优化问题转化为两个目标的多目标优化问题;接着结合佳点集理论重新设计了交叉算子,新的交叉算子能够生成具有代表性的子代个体以更好地搜索空间;采用BGA变异算子增加子代个体的多样性;最后根据当前子代群体的进化信息,利用联赛选择算子或Pareto优超关系选择优胜个体进入下代群体,通过4个标准测试函数验证了算法的有效性。

摘要：为提高约束优化模型的求解精度,提出一种改进的水波优化算法。设计主-从异构种群,结合ε约束处理技术使主群实现探索可行解,从群利用可行解搜寻全局最优解。为加快收敛速度和增强信息交互,主群中个体可以依概率进行个体间学习,设计水波波长函数,使其随着水波的适应度值和违反约束度及时调整。为避免早期收敛,从群采用自适应学习策略以平衡群体的探索和利用。设计随迭代次数变化的放松约束度,提高算法收敛精度。对比实验结果表明,该算法可以获得高质量的可行解。

摘要：B样条曲线广泛应用于计算机辅助几何设计(CAGD),并且与Bézier曲线等其它著名曲线相比,在形状设计方面有其更独特的性质。对曲线的设计和形状的修改是一个重要的课题,也是计算机图形学、CAD/CAM和数控技术领域最重要的研究主题之一。论文运用约束优化的方法,修改均匀B-样条的控制点,使B样条曲线通过调整的控制点,使修改前后曲线的距离范数达到最小,并给出相应的实例说明算法的有效性。

摘要：提出一种用于求解约束优化问题的自适应佳点集进化算法.新算法利用佳点集原理设计多点交叉算子,该交叉算子能够根据父代个体的相似度自适应调整交叉点的位置和子代个体的数目,产生具有代表性的子代个体.在约束处理技术上,改进了Deb的三条比较准则,提出一种新的适应度函数用于比较个体优、劣的比较准则.通过对13个标准测试函数的试验比较验证了新算法的有效性和稳健性.

摘要：Bézier曲线和曲面广泛应用于CAGD(计算机辅助几何设计)和计算机图形学,对Bézier曲线或者曲面的设计和形状修改是一个重要的问题。研究了基于几何约束的Bézier曲面优化问题,对单点和多点约束的问题,提出了一种通过修改控制点的约束优化方法。用这种方法,通过修改原Bézier曲面的控制点来修改曲面的形状并满足给定的约束条件,同时给出了数值实例,其结果表明,用拉格朗日方法能有效地解决Bézier曲面的形状修改问题。

摘要：为了提高复杂约束优化问题的收敛精度,提出了基于ε约束的骨干粒子群优化算法(Bare-bones Particle Swarm Optimization basedεconstrained简称ε-BPSO).首先,设计了时变的约束放松参数ε,使算法前期充分利用不可行解的有效信息;其次,为了避免早期收敛,提出动态学习BPSO算法,算法中粒子可以随机地向群体的优秀个体学习,并通过自适应学习权重使群体从全局勘探转向局部利用.最后,依概率采用梯度突变策略,将不可行域中的粒子引入可行域,加快搜索可行域的效率.在36个测试函数上测试并将本文算法与多种进化算法进行对比,实验结果和统计分析表明本文算法在求解约束优化问题上具有优越性.

摘要：差分进化算法处理复杂高维优化问题时存在收敛速度慢和精度不高的缺陷,为此提出了分区交叉差分进化算法。利用柯西分布随机数设计两个动态算子,分别生成缩放因子和交叉因子用于进化中,并对进化进行合理的分区,不同区段根据不同的配置利用算子生成相应的交叉因子。同时为了加快收敛速度,采用了新的变异策略,对寻优的方向加以引导。对经典Benchmark函数进行了仿真测试,结果显示,本算法的收敛速度与优化准确率均有显著提高。同时提供了算法处理约束问题的解决方案,并检验了方案的可行性。

摘要：结合数论中的佳点集理论和多目标优化方法,提出一种求解约束优化问题的进化算法。将约束优化问题转化为多目标优化问题,引入佳点集理论,以确保所构造的个体在搜索空间内分布均匀,设计变异算子增加个体多样性,采用分群局部搜索方式,并根据Pareto非支配关系选择群体中的优势个体。实验结果表明,该算法具有较好的稳定性。