摘要：针对鸽群优化算法在求解非线性优化问题中,容易陷入局部最优,收敛精度不高的问题,提出改进的鸽群优化算法。采用混沌映射中的立方映射方法对鸽群位置进行初始化,增加种群的多样性;引入高斯变异算子,弥补鸽群算法容易陷入局部最优的不足,提高算法的全局搜索能力和搜索效率;在地标算子中添加递减因子,能够有效避免算法由于过早收敛而陷入局部最优,提高算法的收敛精度。测试19个基准函数和电力系统经济调度工程应用实验的结果表明,改进后算法与其它群智能算法相比,拥有更好的寻优能力。

摘要：在永磁同步电机模型预测转矩控制(model predictive torque control,MPTC)中,由于目标函数控制变量的量纲不同,为了在代价函数中选取最优的权重系数,提出一种改进高斯变异鸽群算法(Gaussian mutation pigeon-inspired optimization algorithm,GPIO)实现权重系数自整定。首先,基于代价函数最小化原则设计PIO的目标函数,用电流id、iq脉动误差均方根评价权重系数。其次,在传统高斯变异算子的基础上引入自适应调整动态参数实现变异。仿真和实验结果表明,将改进后的算法应用于永磁同步电机模型预测转矩系统,能在较少的迭代次数内整定出最优的权重系数,极大地降低了转矩误差和电流谐波畸变率。

摘要：提出了一种具有自适应搜索能力的快速收敛遗传算法 .在计算过程中 ,设计变量的搜索范围依据每代自变量的数学期望和方差自动进行调整 ,并且通过引入进化策略中的自适应高斯变异算子 ,对变异算子进行改进 ,加速了算法的收敛性 .为了验证算法的可行性和鲁棒性 ,对一个高维多峰函数的极小值搜索问题进行了求解 ,并将算法进一步应用于离心叶轮的形状优化问题 .计算结果表明 ,该算法克服了传统遗传算法中设计区间的给定具有一定盲目性的缺陷 ,在收敛性和鲁棒性方面均优于传统的实数编码遗传算法 .

摘要：在郭涛算法的基础上设计出了一种求解函数优化问题的高效混合演化算法。新算法的主要特点有两个:一是引入演化策略中的高斯变异算子,二是引入自适应搜索子空间。高斯变异算子对群体作正态分布微调,防止早熟;引入自适应搜索子空间使群体在演化至接近全局最优解时能自动缩小搜索范围,从而达到加速收敛的目的。测试函数表明,该算法正确高效,求解精度极高,指正了文献[3]中的错误,所求函数全局最小值优于文献[3]记录的最好结果。

摘要：在合作式协同演化(CCEA)的基础上,引入了使用高斯变异算子的郭涛算法,设计了一种求解函数优化问题的高效混合演化算法。通过求解复杂高维的函数优化问题的多个实例,并将该算法和CCEA与基本郭涛算法结合的方法——CCGT进行了对比。实验结果表明,新算法是高效的,其结果优于现存文献中的其它模型,但不及CCGT优秀。证明在该算法中引入的高斯变异算子的作用不大。

摘要：针对多扰动并发工况下无等待混合流水线生产调度问题,构建了多重约束下兼顾初始调度目标(最小化工件完工时间加权和)和扰动修复目标(最小化工件完工滞后时间加权和)的干扰管理调度模型,设计了搜索方向动态可变的多目标随机加权处理策略。并将基于高斯变异的全局寻优改进策略与基于随机邻域结构的局部精细搜索策略相结合,提出了一种混合微粒群优化求解算法。数值算例仿真实验结果表明,包含高斯变异算子和随机邻域结构的混合微粒群优化算法求解本文干扰管理调度模型是有效的。

摘要：在郭涛算法的基础上,设计出了一种求解函数优化问题的混合演化算法。测试函数表明,该算法计算过程简捷,寻优效果良好,能够快速可靠地求出函数的最优值,可有效地应用于多峰函数求最值问题,是一种较为理想的寻优方法,具有较大的实用价值。