精英策略

摘要： 文中针对蚁群算法收敛速度较慢、容易陷入局部最优解的缺点,在蚁群算法中引入遗传算法的精英策略,在挑选出精英蚂蚁后对其信息素的更新规则进行了改进,建立了新的蚁群算法模型。对于AGV在栅格图环境中最优路径的搜索问题,改进后的蚁群算法有着更高的搜索效率和更优的路径结果。

摘要： 为提高传统蚁群算法求解柔性作业车间调度问题的效率,提出了一种改进蚁群算法。首先,均匀分布蚂蚁的初始位置;其次,多种方法结合进行机器选择,并按照改进的工序选择方式选择下一步即将遍历的工序;最后,采用带精英策略的蚁群算法结合最大最小蚂蚁系统的信息素更新方式,既赋予较优路径以额外的信息素,同时又对路径上的信息素进行限定、从而避免算法“早熟”,进而提高解的质量。通过三个柔性作业车间调度实例进行仿真分析和与其他算法的对比,结果表明改进蚁群算法在求解柔性作业车间调度问题具有较好的优化效果和求解效率。

摘要： 为提升换电站的运营效率,本文首先根据换电站中换电室离散分布的特点,建立以所有车辆在站时长最小为目标的数学模型。其次,提出一种基于改进式多种群遗传算法(IMPGA)的换电服务调度方法。最后,为验证方法的有效性,运用计算机模拟数据对方法进行测试。测试结果表明,该方法可获得更优的调度方案,其相比于基本遗传算法(SGA)、改进式自适应遗传算法(IAGA)以及先到先服务规则(FCFS)所得方案分别缩减了60.2%、54.2%、70.6%,且具有较强的鲁棒性,能够为换电站制定合理安排车辆接受服务提供有力支撑。

摘要： 针对航空发动机管路布局目前存在的问题,提出一种基于改进多目标萤火虫算法(improved multi-objective firefly algorithm,IMOFA)的航空发动机管路多目标优化布局方法.在该方法中,首先以管路长度最短、弯头数最少以及能量值最小为优化目标,建立了航空发动机管路多目标优化布局数学模型.然后,结合自适应扰动策略和精英策略,提出了一种应用于航空发动机管路多目标优化布局的改进多目标萤火虫算法,从而实现了航空发动机管路的多目标优化布局.最后,通过实例验证了所提出方法的可行性和有效性.

摘要： 针对麻雀搜索算法(sparrow search algorithm,SSA)存在收敛速度慢、稳定性差和易陷入局部最优等问题,提出融合差分进化和混合多策略的麻雀搜索算法(DEH-SSA)。引入反向学习初始化以增加种群的多样性,避免陷入局部最优;加入非线性权重因子改进麻雀发现者的位置更新公式以平衡算法的局部和全局搜索能力,使算法的收敛速度加快;融合差分进化和精英策略增强SSA算法的全局搜索能力并提高算法的收敛精度。在10个基准测试函数上与其它群智能算法进行比较实验,其结果表明,DEH-SSA具有更高的收敛精度、更快的收敛速度和更好的稳定性,通过Wilcoxon秩和检验方法也验证了DEH-SSA算法具有更好的显著性差异。

摘要： 命名数据网络采用由内容请求者驱动的通信机制,针对转发过程中路由准确性问题现有研究并没有给出具体解决方案。本文提出了一种多因素综合考虑的蚁群路由优化算法。借鉴传统蚁群生态行为和遗传算法中的精英策略,综合考虑了各节点之间路径上的信息素浓度、邻居节点间路径长度以及请求节点与转发节点间的内容相似度等因素,采用可选下一跳方法将兴趣蚂蚁往高概率节点进行转发方式来确定最佳的兴趣蚂蚁路由路径;利用内容聚合和节点转换控制的方法进行拥塞控制保证网络传输的稳定性。仿真实验结果表明,在有限网络空间资源条件下,兴趣蚂蚁请求数量增加到一定阈值时,本算法对比蚁群算法平均路由命中率提高了14%,平均路由时延降低了25%,可以更有效避免网络拥塞。

摘要： 针对遗传算法中存在个体进化停滞的问题,提出了一种基于高斯函数和自适应精英策略的遗传算法。该算法采用自适用精英种群选择策略,以避免丢失非最优解中一些有价值的信息,并引导停滞的个体继续进化。通过在交叉操作算子中引入高斯函数以实现种群的多样性,从而平衡开发和探索能力。在CEC 2014基准函数和两个实际优化问题的实验中,证明了本文算法比其他相关算法具有更高的求解精度和更好的收敛性。

摘要： 随着经济的发展,物流配送等路径规划问题的重要性逐渐凸显。旅行商问题作为此类问题的经典之一,具有极高的研究价值。本文使用遗传算法研究这一问题的求解算法,重点聚焦于对于遗传算法中的精英选择策略的研究分析。实验表明,遗传算法是解决此类路径规划问题的有力手段,同时实验结果显示了精英选择策略是遗传算法中的关键环节,在实际应用中需要谨慎选择。

摘要： 针对灰狼优化算法(GWO)存在的求解精度较低、后期收敛速度较慢、易陷入局部最优的缺点,提出一种改进灰狼优化算法(EGWO).该算法引进两种改进策略:用以平衡算法全局搜索性和局部开发性的非线性收敛因子调整策略和用以降低陷入局部最优风险的精英个体重选策略.通过在9个基准测试函数上的实验与标准GWO算法,以及文献提出的5种改进灰狼算法和4种其他算法进行对比,从算法寻优的精确性和鲁棒性两个方面验证两种算法改进策略的有效性.实验结果表明,两种改进策略都能提升算法性能,综合使用两种策略的EGWO在收敛速度和求解精度都明显优于其他比较算法.

摘要： 故障恢复作为智能配电网自愈能力的重要保障,对系统运行可靠性至关重要.针对含分布式光伏并网的配电网故障恢复问题,计及故障期间光伏出力和负荷水平变化建立光伏型配电网动态故障恢复方法.以当前时段系统失电负荷量最小为目标函数,计及网络辐射状约束、功率平衡约束、节点电压约束、开关状态集约束等必要约束条件建立光伏型配电网动态故障恢复方法.所建立的模型通过故障期间改变系统开关状态集使得故障恢复方案对于运行工况进行适应从而减少失电负荷量.采用种群的精英策略和混沌搜索对基本萤火虫算法进行改进,采用改进萤火虫算法对所建立的模型设计求解流程.最后通过仿真算例验证了所建立模型的有效性.

摘要： 网络重构不仅是配电系统运行和控制的重要手段,也是配电管理系统的重要组成部分。任何一个配电网,理论上都存在一个最优的网络结构,在这个最优结构下,各负荷点的运行电压、网络损耗和负荷平衡的协调都优于其它可行方案。本文采用精英策略改进遗传算法,用随机选取父代的个体来取代进化过程中产生的不可行解,应用节点度的概念进行网络拓扑分析,以及针对配网的特点采用前推回代法进行潮流计算,由于采用了节点度的概念,从而有效避免矩阵运算和节点编号需要考虑潮流方向的缺点,最后通过IEEE33节点算例与其他方法对比,证明了该算法更好的收敛性。

摘要： 在工程化应用中伴随超导储能系统容量越来越大,磁体线圈采用单根带材的载流量已经无法满足大容量储能的要求,为解决大型储能磁体高场下的大载流问题,本文提出一种螺旋内冷的复合超导体技术,应用带精英策略的遗传优化算法,建立基于复合超导体技术的高温超导储能磁体的优化设计模型,提出3MJ高温储能磁体优化设计方案.最后,首次采用自主研制的单根百米级复合超导体,构造完成一个超导储能磁体单元线圈样机,并进行液氮迫流和浸泡冷却下的临界电流特性测试实验,结果表明,该单元线圈临界电流达到650A@77K,超过了预期通流目标,证明了复合超导体技术在储能磁体应用中的可行性.对面向工程化应用的超导储能系统磁体设计提供了重要参考.

摘要： 针对风电并网给电力系统运行带来的安全经济性问题,以及弃风严重的现象.本文基于NSGA-Ⅱ带精英策略的遗传算法,在考虑经济效益,提高风电利用率的同时,另外兼顾电力系统运行的安全经济性与可持续性,建立了一种多目标风电-抽水蓄能联合优化日运行模型.通过动态分层对比机组特性的方式,确定抽蓄机组与常规机组工况,以最大化抽蓄机组调峰填谷的效益,安排抽蓄机组和常规机组出力,寻求最优运行方式.通过算例对比三种不同的运行方式,证明该模型能够有效地减少弃风功率,提高电力系统的经济稳定性,与传统模型相比,考虑了环境和弃风因素,能够更加真实地反映电力系统运行规律.

摘要： 随着无线通信系统的快速发展，可重构天线因其多功能性和灵活性受到了越来越多的关注。本文基于带有精英策略的快速非支配遗传算法(NSGA-Ⅱ)和全波电磁仿真分析,设计了一款具有方向图可重构性能的多尺寸像素天线.相对于传统均匀尺寸的像素天线来说,此天线复杂度较低.通过改变像素贴片间开关的通断状态,此天线能够在六个方向(θ=±15°,±30°,±50°)实现波束扫描,且六个方向上具有5％的重叠的阻抗带宽(S11＜-10dB).在实现波束扫描能力和天线带宽要求的情况下,此款天线在六个工作模式下增益都能达到超过6dB.

摘要： 针对云制造环境下的制造资源优化配置问题,在深入分析云制造的运行模式和制造资源配置过程的基础上,充分考虑云制造环境下制造服务过程中的不确定因素和各个参与方的利益,提出了包括QoS指标和柔性指标的云制造资源服务组合评价指标体系,建立了云制造环境下的制造资源优化配置非合作博弈决策模型,并采用带精英策略的快速非支配排序遗传算法(NSGA-II)对模型进行求解,实验结果表明了该模型和算法的可行性和有效性.

摘要： 配电网重构是优化配电系统运行的重要手段。本文主要在基本蚁群算法的基础上,通过加入模拟退火算法和精英策略对基本蚁群算法做出了改进,并应用到配电网重构问题上。通过加入模拟退火算法,改善了蚁群算法初始信息素分布和迭代过程中的寻优质量。运用精英策略,又加快了算法本身快速求取全局最优解的速度。最后通过对IEEE33 节点系统算例的仿真,取得了较好的效果,证明了该混合算法的有效性和可行性。

摘要： 带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ)是一种的求解多目标优化的算法,该算法求得的Pareto最优解分布均匀,收敛性和鲁棒性好。本文在传统的目标函数基础上加入限制设备操作次数的目标函数,提出将NSGA-Ⅱ应用于多目标无功优化,该算法一次运行可以获得多个Pareto最优解,决策者可根据系统的实际要求选择最终的满意解,为各目标函数之间的权衡分析提供了有效的工具。

摘要： 基于群体的增量学习算法(PBIL)是一种将遗传算法和竞争学习相结合的新型进化优化算法。本文针对PBIL算法仍然存在的问题,将精英策略引入PBIL算法,提出了一种对当前种群最优解集和至今算法最优解同时进行学习的改进PBIL算法。通过对测试函数的实验表明,改进算法具有比标准PBIL算法更好的优化性能。

摘要： 蚂蚁群优化算法(antcolonyoptimization,ACO)是一种元启发式方法,其中一群相对简单的Agent(人工蚂蚁)相互合作,求解离散优化问题.对第1个蚂蚁算法(antsystem)进行扩展的大量研究表明,采用精英策略可以较好地改善算法性能.探讨了全局最优解和局部最优解间的平衡与解空间搜索的intensification,exploration的关系,及其对ACO算法性能的影响.实验结果表明,合理利用全局和局部最优解,可以显著提高ACO算法的性能.

摘要： 本发明提供一种基于改进的精英保留策略遗传算法的闸坝群联合调度方法及系统，能够有效提高闸坝群多目标联合调度模型求解中的寻优效率和收敛速度。闸坝群联合调度方法的特征在于，包括：步骤1.建立模型，1、确定目标函数，2、设置约束条件，并将涉及到的各相关变量均设置为非负；步骤2.从闸坝群的历史资料和实测资料中获取模型涉及的各参数的数据；步骤3.带入步骤2获取的数据，对模型采用改进的精英保留策略遗传算法进行求解；步骤4.根据步骤3对步骤1模型的求解结果进行闸坝群联合调度。

摘要： 本发明提出一种约束性知识引导精英个体策略遗传算法的作物生育期模型参数优化方法，属于作物模型品种参数优化的最优化方法领域。其步骤：作物生育期模型品种参数优化的数据准备；作物生育期模型品种参数初始范围的等级划分；确定对模型品种参数具有关键约束性的物候期；关键约束性物候期实测数据范围的估算；设置改进型遗传算法控制参数的初始值；生成初始种群；构造适应度函数；构造个体的基因位方向因子；采用轮盘赌方法构造选择算子；构造方向引导交叉算子；构造方向与精英个体引导的变异算子；基于精英个体的局部搜索。本发明克服了效率低、优化结果不符合品种生物学含义等问题，增加了参数优化的准确性和效率，具有科学意义和实用价值。

摘要： 本公开提供了一种了基于精英竞争策略的桥梁维护多目标优化方法及系统，所述方案以多目标粒子群优化算法为基础，在桥梁维护多目标优化求解过程中引入跨代精英竞争引导机制和高效精英引导机制，利用上一代和当代的精英粒子来指导粒子的学习，同时加入了新的引导方向，利用基于全局多样性的高效精英引导粒子，兼顾了粒子的收敛性和多样性；使得桥梁维护多目标优化进化过程中具有更快的收敛速度和更高的处理效率。

摘要： 本发明提供一种基于改进的精英保留策略遗传算法的闸坝群联合调度方法及系统，能够有效提高闸坝群多目标联合调度模型求解中的寻优效率和收敛速度。闸坝群联合调度方法的特征在于，包括：步骤1.建立模型，1、确定目标函数，2、设置约束条件，并将涉及到的各相关变量均设置为非负；步骤2.从闸坝群的历史资料和实测资料中获取模型涉及的各参数的数据；步骤3.带入步骤2获取的数据，对模型采用改进的精英保留策略遗传算法进行求解；步骤4.根据步骤3对步骤1模型的求解结果进行闸坝群联合调度。

摘要： 本发明提出一种约束性知识引导精英个体策略遗传算法的作物生育期模型参数优化方法，属于作物模型品种参数优化的最优化方法领域。其步骤：作物生育期模型品种参数优化的数据准备；作物生育期模型品种参数初始范围的等级划分；确定对模型品种参数具有关键约束性的物候期；关键约束性物候期实测数据范围的估算；设置改进型遗传算法控制参数的初始值；生成初始种群；构造适应度函数；构造个体的基因位方向因子；采用轮盘赌方法构造选择算子；构造方向引导交叉算子；构造方向与精英个体引导的变异算子；基于精英个体的局部搜索。本发明克服了效率低、优化结果不符合品种生物学含义等问题，增加了参数优化的准确性和效率，具有科学意义和实用价值。

摘要： 本发明公开了一种基于非持久精英保留策略的趋向型紧凑GA方法，构造一条与染色体编码长度L一样的概率向量P，并使概率向量的每一位值为0.5，然后由概率向量随机产生两条染色体；分别计算产生的两条染色体适应度值，并比较这两个适应度值来决出胜者和败者；比较产生的两条染色体的每一位，根据其适应度值来更新概率向量；判断算法执行结果是否达到收敛条件；若未达到收敛条件，则对染色体进行变异操作；引入非持久的精英保留策略及参数α，并判断精英保留的代数；若达到收敛条件，则算法结束。本发明提高了算法的收敛效率，搜索能力强且占用资源少，在硬件演化中取得了良好的应用效果。

摘要： 本发明公开了一种基于M精英协同进化策略的网络社区检测方法，克服了现有技术中收敛速度慢，易陷入局部最优以及无法多分辨分析网络结构的问题。其实现步骤为：(1)载入网络数据；(2)初始化网络社区种群；(3)划分网络社区种群；(4)组建网络社区团队；(5)检测候选网络社区划分；(6)更新网络社区种群；(7)检测局部网络社区；(8)更新网络社区种群；(9)判断是否终止迭代；(10)输出网络社区检测结果。本发明在网络中的社区结构检测时，将扩展的模块密度函数作为适应度函数，以不同分辨率分析网络结构，并通过引入局部检测加快收敛速度，且不易陷入局部最优值。

摘要： 本发明公开一种基于精英鸽群智能的无人机分布式编队控制方法，包括：步骤一：建立无人机非线性动力学模型；步骤二：将非线性无人机模型转换为导航粒子模型；步骤三：利用非奇异快速终端滑模干扰观测器估计干扰值，利用输入进行补偿得到无干扰的飞机模型；步骤四：判断是否存在与障碍物相撞的危险，若是则利用避障策略得到避障速度；步骤五：建立无人机单机分布式代价函数；步骤六：利用精英鸽群智能算法求解无人机输入序列；步骤七：将求解的时间序列的第一个输入代入无人机模型，更新无人机状态；步骤八：根据该时刻输入确定是否需要更新下一时刻的输入。本发明采用启发式优化算法求解分布式优化问题，以解决分布式模型预测控制难以求解的问题。

摘要： 本发明提供一种基于记忆精英种群的灾变自适应大邻域搜索方法及装置，属于人工智能技术领域。所述方法包括：构建任务分配优化模型；该模型包括目标函数和多个约束条件，目标函数用于表征最小化机器人的最大完工时间，多个约束条件包括任务分配约束条件和任务优先级约束条件；初始化搜索种群和精英种群；通过迭代执行以下步骤来求解该模型，直至迭代次数大于终止迭代次数：针对搜索种群中的每个解，采用自适应大邻域搜索算法对当前解进行邻域搜索，并检测当前解是否被更新；若是，则对精英种群进行相应更新；若否，则在满足灾变条件时从当前的精英种群中随机选择一个解对当前解进行更新，可以弥补自适应大邻域搜索过程的无记忆性和提高搜索深度。

摘要： 本发明提供一种带精英策略的非支配排序的遗传算法改方法，包括步骤：S1：利用Matlab软件将一算数交叉算子替代一NSGA2遗传算法的SBX交叉算子；S2：利用Matlab软件将一基于质心的变异算子替代所述NSGA2遗传算法的多项式变异形式的变异算子；S3：利用Matlab软件对所述NSGA2遗传算法的一扰动向量权重λ进行改进。本发明的一种带精英策略的非支配排序的遗传算法改方法，可改善NSGA2算法的搜索功能较弱，收敛性不足，容易出现局部最优和进化过程不稳定的情况。