分布估计算法

摘要： 针对进化算法在大规模供水管网优化设计过程中存在计算效率低,收敛速度慢的问题,提出一种基于择优排序选择策略分布估计算法.该方法采用择优排序选择策略引导种群向更好的方向进化,并提出了一种基于变异系数的收敛策略以避免计算过量或不足.以管网造价为经济性目标函数建立供水管网优化设计的数学模型,并采用BIN基准管网与实际管网DY管网加以验证.结果表明基于择优排序选择策略分布估计算法在保证管网运行经济性的要求下,可达到比差分进化算法更快的计算效率,更强的搜索能力与更高的收敛精度.

摘要： 热轧工序作为钢铁生产的核心环节,具有严格的生产连续性和复杂的产品工艺要求,而紧急订单的随机到达和紧急交货期要求会对生产连续性和质量稳定性产生不利影响。针对这类紧急订单插入的动态事件,提出一种热轧重调度优化方法。首先,分析了订单扰动因素对调度方案的影响,并以最小化订单拖期惩罚和板坯跳跃惩罚加权和为优化目标,建立了热轧重调度问题的数学模型。然后,设计了热轧重调度分布估计算法(EDA)。该算法针对紧急订单的插入式处理方式,提出一种基于插入位置的整数编码方案;结合模型特征设计了概率模型;并综合考虑目标与约束,定义了基于惩罚值的适应度函数。通过实际生产数据进行仿真实验,验证了模型和算法的可行性和有效性。

摘要： 结合分布估计算法的强全局收敛能力和差分进化算法的快速收敛性能,提出了一种带差分进化策略的多分布进化算法(multi-distribution evolutionary algorithm with differential evolution, MDEA_DE)。为了进一步提高算法的全局收敛性能,MDEA_DE采用了基于分布种群的多分布进化机制,并通过三种高斯分布模型生成具有较好多样性的高质量解种群。同时,利用搜索空间调整策略来提高高斯分布模型的精度,并执行解空间中的改进差分进化搜索以获得增强的局部开发能力。对基准测试函数的数值试验结果表明,MDEA_DE能够在全局探索和局部开发之间取得较好的平衡,能快速收敛到复杂优化问题的全局最优解。

摘要： 为了提高分布估计算法的性能,提出一种从选择方式和搜索机制出发的改进分布估计算法.首先,借鉴并改进粒子群种群更新策略,在构造优势群体时,引入精英选择策略替换经典的截断选择,提高算法向全局最优解的收敛速度;然后,引入二次反向反射搜索算子,从搜索机制上对分布估计算法进行改进,提高算法的全局搜索能力.仿真结果表明,所提出的改进分布估计算法能够有效的避免陷入局部最优值,在寻优精度、收敛速度以及算法的稳定性和鲁棒性上都有极大改善.

摘要： 文中提出一种基于分布估计算法(Estimation of Distribution Algorithm,EDA)的多目标优化算法,用于求解带序相关设置时间的绿色流水线调度问题,优化目标为最小化最大完工时间和总电价.首先,初始解均通过随机产生的方式以保持种群的多样性和分散性;其次,统计非劣解集中优良解的信息并通过概率矩阵对其进行学习并保留;同时,设计一种自适应学习速率来控制优良解信息在整个算法搜索过程中的引导作用;然后,构建自学习的局部搜索策略对非劣解进行深度探索;最后,仿真实验和算法对比表明,文中所提方法能够有效求解此问题,并具有良好稳定性.

摘要： 针对绿色零等待作业车间调度问题,本文提出一种基于分布估计算法(Estimation of Distribution Algo-rithm,EDA)的多目标优化算法,用于最小化最大完工时间和总能量消耗.采用双种群增加种群的多样性,并加入启发式操作NEH(Nawaz-Enscore-Ham,NEH)来提高初始解的质量.设计自适应学习速率来控制优良解信息在整个算法搜索过程中的引导作用.结合零等待作业车间调度问题的结构性质与解码方式,提出基于前端省略的快速评价方法,同时利用Insert操作构建两种局部搜索策略,进而加强算法的搜索效率和深度.通过仿真实验和算法对比验证所提算法的有效性.

摘要： 针对考虑零件构建方向的增材制造生产调度问题,提出了一种面向选择性激光熔融工艺的单机调度模型,该模型考虑了零件的构建方向、交货期等因素,以最小化所有零件的单位体积生产成本为优化目标.为解决分布估计算法容易陷入局部极值的问题,设计了一种引入邻域搜索策略的改进分布估计算法求解该模型.最后通过算例证明了模型的可行性和算法的有效性.

摘要： 在半导体晶圆制造过程中,调整设备相关参数来提高晶圆质量的同时会造成换模时间的增加,从而影响生产效率.并且考虑到半导体晶圆制造可重入的特性,论文对带换模约束的可重入流水车间进行了研究,提出了混合蚁群分布估计算法.首先对该问题进行了问题描述,并以系统makespan最小化为目标建立数学规划模型,随后将分布估计算法融入蚁群算法,以提高蚁群算法的全局搜索能力.最后实验结果验证了所提出算法的有效性.

摘要： 为了提高基于正态分布模型的分布估计算法子代候选解的质量,防止早熟收敛,文中提出多种群伪正态分布估计算法.首先,采用佳点集方法进行种群初始化,将种群分为3个子群.然后,采用样本重心取代样本均值的方式,获得伪正态分布模型.最后,融合种群与子群伪正态分布模型,得到子群进化的概率模型.23个基准函数的对比测试表明,文中算法在求解质量和收敛速度上较优.针对多约束条件下的并行装配优化问题,提出工序池、员工池、罚函数等措施,将具有工序约束和人员约束的离散组合优化问题转化为无约束的多种群伪正态分布估计优化问题.工程应用结果表明,只需要将候选解的无限集合修正为有限集合,文中算法可方便地用于离散组合优化问题的快速求解.

摘要： 依据蚁群算法和分布估计算法的思想,提出一种混合优化算法,改进解旅行商问题的蚁群算法,在初始化时随机产生一些解,选择较优的路径留下信息素;蚂蚁每次周游结束后,挑选比较好的解才留下信息素,并且分析了选择较好个体的比例对算法的影响.通过实例,结果表明分布估计算法比模拟退火算法、遗传算法效果好.

摘要： 为解决橡胶轮胎硫化过程耗时长,能源消耗大,集中度较高的问题,提出了一种离散的分布估计算法(Estimation of Distribution Algorithm,EDA)来求解以最小化最大完工时间为优化目标的硫化车间调度优化问题.通过不同的算例来测试该算法的性能,并与遗传算法和和声搜索算法进行实验比较.实验结果表明,EDA算法在优化解的质量和收敛速度方面都要优于遗传算法和和声搜索算法,验证了该算法在求解硫化车间调度优化问题中的有效性和可行性.

摘要： 为了克服分布估计算法早熟收敛的缺点,本文提出一种多样性增强分布估计算法并将其用于优化多用户检测问题.改进算法在传统分布估计算法基础上,增加多样性判定及增强操作,采用独立个体密度评价种群多样性,并在独立个体密度低于多样性判定阈值时,随机变异实现多样性增强,避免算法早熟收敛.同时为了防止多样性增强导致优秀个体被消耗的现象,采样过程加入精英保留策略.仿真结果表明,该检测技术具有较快收敛速度,能有效避免早熟收敛,成功找到全局最优检测矢量,可实现与最优多用户检测技术相近的性能.

摘要： 最优多用户检测技术虽然理论上可以提供最佳检测性能,但它的计算复杂度随着用户数呈指数增长,是一个非确定多项式(Non-Deterministic Polynomial,NP)问题.分布估计算法是近年来发展起来的一种新型智能优化算法,它采用全新的进化模式实现优化问题的求解,通过概率分布模型对变量之间的相互关系进行建模.该文将最优多用户检测寻找最佳判决矢量的优化过程看作是分布估计算法寻找最优解的过程,得到了基于分布估计算法的多用户检测技术.仿真结果表明,所提技术在误码率性能和抗远近效应能力方面与传统检测技术相比,均有显著提高.

摘要： 背包问题经常应用在资源约束条件下的资源分配中,并在组合数学、计算机科学、复杂性理论和密码学中也有应用.本文给出了常见的几种背包问题,将分布估计算法应用于背包问题.分布估计算法提供了一个新的进化模式,它从有前途的候选解建立概率模型来引导搜索过程.分析个体种群数量、选择比例对算法的影响.仿真结果表明:分布估计算法求解背包问题是可靠有效的;此方法具有较好的可扩展性,修改此算法可解决其他背包问题.

摘要： 空间机器人的本体基座不固定，系统的线动量和相对系统总质心的角动量守恒。角动量守恒方程不可积，系统为非完整系统。针对这一特点，提出了用分布估计算法（EDA）对空间机器人进行运动规划。推导了空间机器人位姿运动学模型，把系统的非完整运动规划转化为最优控制问题，并用EDA求出系统的最优控制率，解决了非完整系统的运动规划。仿真表明了方法的有效性。

摘要： 克里金插值法在矿藏仿真研究领域应用广泛,最佳线性无偏估计是其重要特点.但当区域化变量不满足二阶平稳假设,即存在漂移时,克里金插值法中的变异函数参数估计就变得困难且不准确.分布估计算法是进化计算领域的新兴算法,他利用统计学习的手段建立解空间个体的分布概率模型,然后根据该模型实现解空间的群体进化.本文根据分布估计算法特点,为普通克里金插值法中的参数建立分布概率模型,进行智能优化,提出了基于分布估计算法的克里金插值法.实验结果表明该算法明显优于普通克里金插值法.

摘要： 提出一种结合Bayesian统计推断理论和分布估计思想的混合遗传算法,利用这种算法进行配电网络的优化调整,给出了一种新的配网重构方法.工作原理为:以有功网损最小作为目标函数,随机产生一定规模种群,通过优势群体及群体中的最优个体提供的信息,不断更新先验概率和条件概率,并用更新后的先验概率模型和条件概率模型通过贝叶斯推理得到后验概率模型,通过后验概率模型不断的采样产生新的适应度更好的个体,最终得到全局最优解.最后,通过算例仿真证明了这种混合遗传算法能够找到全局最优解,通过和单纯的分布估计算重构结果比较,表明该算法在计算速度、寻解的准确性方面更有效.

摘要： 研究了多无人飞行器(unmanned aerial vehicle, UAV)对多目标执行打击、任务评估等多任务的自主任务规划问题.将自主任务规划分为两阶段进行求解：各UAV基于分布估计算法的独立任务分配阶段及基于相邻通信的分布式任务冲突消解阶段,在一致性的任务协调阶段,考虑时序约束及任务效能,提出多优势个体协调机制,以充分提高系统的整体效能,减少通信消耗,仿真结果表明了任务分配模型的正确性及求解方法的有效性.

摘要： 针对当前交叉口信号灯模糊控制器结构参数固定的缺陷，提出了一种新的分级模糊控制器用于交叉路口交通流的控制与优化。该控制器能有效地减少规则数，易于提取模糊规则，能够显著改善交叉路口的通行能力。仿真实验结果证明该模型是有效的。

摘要： 针对当前交叉口信号灯模糊控制器结构参数固定的缺陷，提出了一种新的分级模糊控制器用于交叉路口交通流的控制与优化。该控制器能有效地减少规则数，易于提取模糊规则，能够显著改善交叉路口的通行能力。仿真实验结果证明该模型是有效的。

摘要： 本发明公开了一种基于分布式估计算法的楼宇负荷优化调度方法。首先对楼宇住户负荷分类并建立各类负荷与新能源数学模型和约束条件，进一步明确楼宇渡河优化调度的目标函数为降低住户总用电费用、总用电峰谷差和新能源丢弃率。通过分支配改进分布式算法应用于多目标优化，多目标分布式估计算法应用在非线性离散化的楼宇住户负荷模型中易陷入局部最优，因此根据分时电价建立分时电价概率模型改进多目标分布式估计法，增强种群的多样性和全局收敛能力。采用改进后多目标分布式估计算法对楼宇负荷用电进行优化调度，在保证住户用电的一定舒适度的条件下，降低楼宇住户总用电费用、总用电峰谷差和新能源丢弃率。

摘要： 本发明公开了一种云计算环境下基于分布式估计算法的工作流执行优化方法，包括以下步骤：获取执行优化所需信息；计算任务的层次值；初始化当代种群；解码改进当代种群计算其适应度值并进行最优个体保存；构建精英种群、更新概率模型，采样概率模型生成新的当代种群，直到满足终止条件输出执行优化结果；相对于传统方法本发明采用了基于拓扑排序和连续有偏的编码、基于层次和效益比的初始个体生成、基于插入模式的串行个体解码、基于向前向后的个体改进、基于采样生成新个体，最优个体保存等方法和策略，提高了算法的寻优能力和搜索效率。

摘要： 本发明实施例提供一种锂电池SOC估计算法的修正方法和SOC估计算法及存储介质，属于电池容量校准领域。所述修正方法包括：获取锂电池组的所有单体电压；根据所有的所述单体电压计算所述锂电池的第一平均电压；获取所述锂电池组中首个或最后一个单体电池的单体电压；计算所述首个或最后一个单体电池以及与所述首个或最后一个单体电池相邻的单体电池的第二平均电压；判断所述第一平均电压是否位于预设的第一阈值范围。该修正方法能够舍弃掉问题单体电池，采用没有问题的单体电池的单体电压平均值进行计算，优化动态校准和静态校准策略。

摘要： 本发明公开了一种基于UPF中建议分布函数的凸组合轨道融合估计方法，将每个传感器获得的观测值分别引入重要性密度函数，并将每个观测值对应所得的均值和方差进行融合，融合后的均值和方差用于下次采样新的粒子，从而获得最优估计。本方法适用于在更复杂空间环境的多类型航天器的轨道多源融合计算，适用范围、适用对象、轨道计算精度均得到较大程度的改善。

摘要： 本发明属于动态系统的状态跟踪与预测技术领域，具体为一种非线性或非高斯分布系统的贝叶斯动态估计算法。本发明首先对待估计目标建立状态模型与观测模型；然后，利用上述模型对该目标做最大似然估计，得到当前时刻目标状态的估计值；再将估计结果及其对应的克拉美劳限作为中间量，代入至下一时刻的状态模型中，从而完成一轮估计与预测；通过上述迭代过程；实现了对于目标的动态估计。该算法适用于非线性信号模型或非高斯噪声。仿真结果表明，该算法能够有效地对于处在非线性状态的目标进行跟踪，且在估计精度上优于标准的扩展卡尔曼滤波和粒子滤波算法。

摘要： 本发明公开了一种基于混合分布估计算法的地理大数据传输方法，包括：分别构造数据传输过程的安全风险最小以及数据传输效率最高的多目标函数，从计算和传输两个层面来构造相应约束条件；基于分布估计和基因表达式编程算法理论，采用孤岛并行模式设计混合分布估计算法；采用迁移机制互换分布估计算法和基因表达式编程算法的适应度值最高的个体，通过若干代的概率进化选择后，求解出地理时空大数据传输优化解。本发明构造多目标多约束函数、事件触发机制、设计混合分布估计算法并行优化求解的方法保证在地理空间大数据传输通道遭受网络攻击时，既能保障地理大数据传输的安全性，又能保障传输的高效性，具有广泛的应用前景。

摘要： 本发明提出了一种基于分布估计算法的公共交通车辆调度方法。首先收集站点，车场和时刻表信息并以此获得单程集合，接着生成初始种群，考虑车辆成本与单程连接成本，对种群中个体进行适应度评价选取其中部分优势个体组成优势种群，使用优势种群更新贝叶斯网络，之后重新构建后代种群，反复迭代直到达到迭代终止条件。相比以往公共交通车辆调度方法，本发明所提出的方法可以利用解空间的全局信息和进化过程中的历史信息，具有更强的全局搜索能力和更快的收敛速度，能够快速且高质量的生成车辆调度方案。

摘要： 本发明公开了一种基于分布估计算法的连续型分布式约束优化问题求解方法(EDA‑CD)，在EDA‑CD中，一组解被刻画为一个个体，通过对解的各个维度构建概率模型来刻画智能体(Agent)取值的分布，从宏观的角度出发捕获解集的全局统计信息。智能体首先构建分布式种群，分别计算其变量的均值与方差以并行构建概率模型；然后所有智能体通过在广度优先搜索(Breadth First Search,BFS)伪树上的协同通信来评估个体的适应度；最后智能体基于个体的评估更新概率模型。在四类基准问题上的广泛实验结果表明，相较于最先进的C‑DCOP求解算法，EDA‑CD的求解质量有20％左右的提升。

摘要： 本发明提供一种光通过散射介质聚焦的分布估计算法调制方法，包括：初始化种群：在解空间中，按照均匀分布随机产生M个个体组成初始群体，每个个体有N个掩膜，然后计算每个个体的适应值，即对应个体掩膜加载在调制器上后目标位置的光强值，并初始化概率模型；选择优势群体：按适应值大小比较选取适应值较高的h个个体作为优势群体(h≤M)，即选取目标位置处的光强值较大的个体作为优势群体；构建概率模型；生成新群体：由概率模型通过随机采样的方法产生新的种群，并重新对每一个新的个体进行适应值计算。本发明相较于粒子群算法和遗传算法，其调制速度更快，抗噪性能更好，聚焦效果更好，在光学捕获、生物成像等领域有广泛应用前景。

摘要： 本发明提出了一种基于分布估计算法的定制公交线路规划方法。首先收集乘客需求，生成初始种群与初始概率矩阵，对种群进行评价，选出优势种群并更新概率矩阵，然后根据更新后的概率矩阵进行采样生成新种群，之后采用局部搜索策略更新种群，重复100次后输出最优解。本发明提出的方法能够在满足求解时间要求的前提下，得到一组满意的定制公交线路。