摘要：针对采用扰流片控制的旋转稳定弹道修正弹,为寻求合理、高效的控制方案设计,必须尽可能准确地获取扰流片气动参数,故有必要开展该类修正弹的扰流片气动参数辨识研究.在设计及扰流片附加力和力矩的飞行动力学模型基础上,利用最小二乘准则建立目标函数,以扰流片的轴向力系数、法向力系数、静力矩系数为待辨识参数,以带自适应变异算子的差分进化算法为全局优化工具,构建了扰流片参数辨识的总体方案及流程.仿真结果表明:所构建辨识方案可有效辨识扰流片的气动参数;测量数据噪声对参数辨识精度有一定的影响.

摘要：针对智能优化算法在解空间搜索时忽略问题特征导致搜索效率无法进一步提升的问题,从柔性车间调度问题的特征入手,引入关键机器和搜索过程学习概念,提出一种基于关键机器的改进学习型遗传算法。首先,针对柔性车间调度问题解表达中的机器选择设计知识体,通过搜索过程得到的解更新知识体,并反馈到求解过程的引导;其次,使用了一种自适应的变异算子改善遗传算法早熟收敛的问题;然后,基于变换加工机器和加工顺序以及关键机器的思想设计了3种邻域结构;最后,引入关键机器的概念,并将其引入到知识体更新以及邻域搜索的过程中。仿真结果表明,较其它方法而言,本文提出的算法在不同规模的标准算例上找到最优解的能力更强。

摘要：针对现有的基于蚁群优化思想求解分布式约束优化问题的算法收敛较慢、容易陷入局部最优等问题,提出了一种基于多种群的随机扰动蚁群算法(random disturbance based multi-population ant colony algorithm to solve distributed constraint optimization problems,RDMAD)来求解分布式约束优化问题。首先,RDMAD提出了一种分工合作机制,将种群按比例划分为采用贪婪搜索的子种群和采用启发式搜索的子种群,同时构建分级更新策略,提高算法收敛速度和求解质量;然后对采用贪婪搜索的子种群设计自适应变异算子和奖惩机制,防止算法陷入局部最优;最后在算法陷入停滞时触发随机扰动策略,增加种群多样性。将RDMAD与七种最先进的非完备算法在三类基准问题上的寻优结果进行了实验对比,结果表明RDMAD在求解质量和收敛速度上优势明显,且稳定性较高。

摘要：容量约束p-中位问题(Capacitated P-Median Problem,CPMP)已被证明是一类计算机难以求解的具有NP-hard特性的组合优化问题.本文提出一种多阶段粒子群优化算法(Multi-Phase Particle Swarm Optimization,MPPSO)及在算法设计中应用模式有关理论和方法.所提MPPSO在标准PSO基础上,考虑CPMP结构特征信息,采用一种以字符编码为基础的结构体编码结构,重新定义粒子速度与位置更新方式.它将CPMP优化求解分为种群粒子初始化阶段及两个优化阶段.在优化求解第一阶段,分析了惯性因子对所求问题编码结构粒子搜索的局限性,设计一种保留粒子最优特征中位点信息的变异算子.以粒子全局搜索算子操作为重点,期望从整个搜索空间搜索到好的模式结构分布特性的粒子.在优化求解第二阶段,对高适应性粒子执行一种改进的迭代局部搜索操作,达成对粒子精度的进一步提升.迭代局部搜索分为基本局部搜索和深层次局部搜索.基本局部搜索侧重对粒子需求点和中位点提炼用于发现候选粒子相邻的局部最优解.在深层次局部搜索中,采用对粒子执行扰动算子操作,使得算子操作在更大邻域范围内搜索粒子新的模式结构,从而发现蕴含高适应性模式结构的潜在更好解.文中提出模式范数及模式结构距离等概念,并将它们用于扰动算子设计.实验测试表明:MPPSO对4大类CPMP用例问题进行求解得到的实验数据,与4种文献对比算法提供的数据相比有一定优势,且能发现3个大数据集用例新的最好解.

摘要：为解决轴承故障检测领域中异常样本数据不易收集的现实应用问题,提出一种基于实值阴性克隆选择算法(Real-valued negative clone selection,RNCS)的一类轴承故障检测模型。该模型只需要正常样本数据进行训练,利用改进的RNCS生成故障检测器集合以此实现轴承故障检测。该算法通过引入自适应变异算子和克隆成熟度判定算子。能够提高原有算法抗体的检测能力并加快算法收敛速度。为解决因高阶统计特征(Higher order statistics,HOS)信息繁多而无法有效实现智能检测的不足,模型利用HOS特征矩阵分解的奇异值谱为特征进行检测,该方法不仅有效地减少了数据维度及训练时间,同时还降低了噪声影响提高了检测性能。试验中对不同参数选择及不同正常训练样本个数情况下的检测器性能进行了分析。不同检测器个数之间的性能比较也在试验中给出。将建议的方法同原有算法进行比较,试验结果验证了设计思想的正确性和算法的高效检测性能。

摘要：针对传统路径规划算法收敛速度慢、稳定性差、易陷入局部极值的问题,提出一种基于梯度统计变异量子遗传算法的车辆路径规划方法.首先在依据染色体适应度值动态调整旋转角步长的基础上,引入梯度下降思想对量子旋转门调整策略进行改进;根据染色体变化趋势的统计特性,设计基于梯度统计的变异算子实现变异操作,提出基于量子位概率密度的自适应变异策略;以路径最短为指标建立车辆路径规划模型,通过仿真实验验证改进算法在车辆路径规划中的有效性,与其他优化算法相比,本文改进算法所规划路径长度更短,搜索稳定性更好,能有效控制算法陷入局部最优.

摘要：对于土钉支护结构优化这样一个二重优化问题,采用改进遗传进化算法调整土钉设计参数,并利用复合形法搜索支护结构的临界滑面,从而得出保证工程安全可靠且造价最低的最优设计方案。

摘要：为每个服务节点选择一个服务实例,形成在满足全局QoS限制的条件下,具有综合QoS最优的执行计划是服务选择的关键问题.本文分析了优化目标,提出了基于自适应变异遗传算法(self-Adaptive Mutation Genetic Algorithm,AMGA)求解服务选择的组合优化问题.在算法中,适应度函数设计采用对执行计划聚合QoS属性值与约束条件的偏差量作为惩罚约束,变异算子设计采用对服务实例的优良程度自适应的变异概率,提高了基因改良的效率,并引入指数衰减函数保证了算法的收敛性.实验结果表明,基于AMGA算法的服务选择策略比现有基于其它遗传算法的策略能够获得更优的解.

摘要：针对关联规则挖掘问题,给出一种基于文化免疫克隆算法的关联规则挖掘方法,该方法将免疫克隆算法嵌入到文化算法的框架中,采用双层进化机制,利用免疫克隆算法的智能搜索能力和文化算法信念空间形成的公共认知信念的引导挖掘规则。该方法重新给出了文化算法中状况知识和历史知识的描述,设计了一种变异算子,能够自适应调节变异尺度,提高免疫克隆算法全局搜索能力。实验表明,该算法的运行速度和所得关联规则的准确率优于免疫克隆算法。

摘要：针对快递车物流配送效率低、行驶路线不规范的问题,提出了自适应精英遗传算法实现对快递车的路径规划。通过搭建车载定位系统,实时对车辆位置进行监督以确保行驶在规定路线上。在实际快递位置分布的基础上建立了路径规划模型,设计了基于经纬度坐标的适应度函数,以地表距离作为种群评价标准更加贴合实际运输需求;引入自适应交叉算子和自适应变异算子,根据个体基因的适应度值自适应地调节交叉和变异概率,并将精英个体进行遗传保留,更好地平衡了算法的局部搜索能力和全局优化性能。通过与其他4种智能算法的对比实验,来验证改进算法的有效性及可行性,实验结果表明改进算法的收敛性最快且解的精度明显优于其他4种算法。