双种群

摘要： 为了探索出更好解决机器人路径规划问题的方法,提出一种差异演化的寄生樽海鞘群算法.首先在领导者位置更新公式中加入对应的上一代领导者位置信息,加强全局搜索的充分性,同时引入自适应惯性权重,更好平衡领导者在不同进化阶段对于广度和深度搜索的不同需求,提高寻优精度.然后在算法结构中引入具有不同演化策略和寄生行为机制的寄生-宿主双种群及宿主群劣汰思想,增加种群的多样性,提高算法跳出局部极值的能力.理论分析证明了改进算法的时间复杂度与基本算法相同,6种对比算法在10个不同特征的标准测试函数上进行仿真对比测试,实验结果表明:该算法的寻优精度、收敛性能均有显著提高和改善.最后将改进算法与三次埃尔米特插值相结合,以路径上的节点组合为基础定义算法中个体位置的编码方式,以绕开障碍、最短路径为目标构造了适应度函数和约束条件,求解机器人路径规划问题.在不同复杂程度的障碍物场景和不同插值方法下进行的算例求解结果显示,该算法寻优结果的最佳值、平均值和方差整体上明显优于其他5种性能优越的代表性对比算法,也验证了融合埃尔米特插值方法对于求解机器人路径规划问题的优越性和有效性.

摘要： 针对差分进化算法差分策略优化问题上的不足,解决DE/best/1策略全局探测能力差, DE/rand/1局部搜索能力弱而带来的鲁棒性降低及陷入局部最优等问题,本文在差分策略上进行改进,并且加入邻域分治思想提高进化效率,提出一种基于双种群两阶段变异策略的差分进化算法(TPSDE).第一个阶段利用DE/best/1的优势对邻域向量划分完成的子种群区域进行局部优化,第二个阶段借鉴DE/rand/1的思想实现全局优化,最终两阶段向量加权得到最终变异个体使得算法避免了过早收敛和搜索停滞等问题的出现. 6个测试函数的仿真实验结果表明TPSDE在收敛速度、优化精度和鲁棒性方面都得到了明显改善.

摘要： 针对蚁群算法中存在的算法收敛速度慢、逼近最优解能力不足等问题,提出一种基于异构双种群全局视野的蚁群算法,并将其应用于移动机器人路径规划领域。首先,研究基于异构蚁群的并行结构,通过差异化种群的相互协作提高蚁群算法的收敛速度和规划最优路径的能力;然后,研究具有全局视野的自适应步长,解决蚁群算法因局部视野导致无法搜索到最优步长的问题;最后,研究信息素初始化以及信息素更新方式,改进传统蚁群算法运行初期搜索无序性以及信息素更新不合理等问题。实验结果表明,该算法在逼近最优解能力和提高收敛速度等方面较对比方法有着显著提高,在测试的几种仿真地图中,平均路径长度优化了12%,平均迭代次数和平均运行时间分别减少了67%和82%。

摘要： 基于传统粒子群算法(PSO)的微网调度模型存在收敛速度慢、精度低、初始化不均匀等问题。以综合运行、环境成本和大电网交易成本为优化目标,提出一种改进的基于双种群混沌的粒子群算法(DCPSO)微网优化调度模型。对比改进前后两种算法的优化结果可知,改进后的算法提升了系统优化精度和收敛速度,系统运行成本降低8.43%,优化速度提升44.54%,证实了改进算法的有效性和实用性。

摘要： 对于多约束条件的斜齿轮传动的优化设计,提出了一种遗传粒子群算法。为尽可能的避免粒子群算法出现粒子高度聚集在最优粒子的周围的情况,采用了结合遗传算法的改进策略,并采用了双种群的进化机制。为验证所提算法有效性,实施了多种算法的仿真,仿真结果表明,相同情况下,本文所提算法能寻到更精确的解。

摘要： 针对自抗扰控制器耦合参数过多,传统经验整定法难以整定的问题,提出一种改进的鲨鱼优化算法对参数进行在线整定.通过自适应控制因子、双种群寻优、位置废弃等策略改善传统鲨鱼优化算法易陷入局部最优和开发勘探能力不平衡的缺陷.将整定后的自抗扰控制器对机械臂进行轨迹跟踪实验.实验结果表明,优化后的自抗扰控制器有效降低了轨迹跟踪误差,提高了控制精度和抗扰动能力.

摘要： 对于多约束条件的斜齿轮传动的优化设计,提出了一种遗传粒子群算法.为尽可能的避免粒子群算法出现粒子高度聚集在最优粒子的周围的情况,采用了结合遗传算法的改进策略,并采用了双种群的进化机制.为验证所提算法有效性,实施了多种算法的仿真,仿真结果表明,相同情况下,本文所提算法能寻到更精确的解.

摘要： 针对约束多目标优化算法存在难以有效地兼顾收敛性和多样性的问题,提出一种基于协同进化的约束多目标优化算法.第一阶段,通过基于稳态演化的可行解搜索方式得到一个具有一定数量可行解的种群;第二阶段,将这个种群拆分为两个子种群,并通过双子种群协同进化的方式实现对收敛性和多样性的兼顾;最后采用标准约束多目标优化问题CF1～CF7、DOC1～DOC7和实际工程问题进行仿真实验,以测试所提算法的求解性能.实验结果表明,与基于约束支配准则的非支配排序遗传算法(NSGA-Ⅱ-CDP)、两阶段算法(ToP)、推拉搜索算法(PPS)和约束多目标优化的双存档进化算法(C-TAEA)相比,所提算法在反向世代距离(IGD)和超体积(HV)两个指标上均取得了良好的结果,说明所提算法可以有效地兼顾收敛性和多样性.

摘要： 基于传统粒子群算法(PSO)的微网调度模型存在收敛速度慢、精度低、初始化不均匀等问题.以综合运行、环境成本和大电网交易成本为优化目标,提出一种改进的基于双种群混沌的粒子群算法(DCPSO)微网优化调度模型.对比改进前后两种算法的优化结果可知,改进后的算法提升了系统优化精度和收敛速度,系统运行成本降低8.43％,优化速度提升44.54％,证实了改进算法的有效性和实用性.

摘要： 基于非线性优化算法的联合反演具有全局寻优、无需求偏导数、便于先验信息融入等优点.人工蜂群(ABC)算法是一种较新颖的非线性优化算法,具有独特的角色转换机制,在求解优化问题上有较强的寻优性能,但该算法也存在着搜索效率不高、局部搜索能力弱等问题.基于双种群架构可有效提高优化算法全局寻优能力.基于此,笔者提出一种双种群架构ABC算法,将交叉变异操作和最优解邻域搜索融入不同种群,选择典型的测试函数验证了改进ABC算法的有效性,并将其应用于大地电磁测深(MT)和重力数据的联合反演.模型试验和实测数据处理结果表明,双种群ABC算法具有较高的寻优能力和一定的实用性.

摘要： 针对QoS组播路由问题,本文提出了一种基于蚁群搜索可行路径的双种群差分进化算法,结合差分进化算法的实数编码特点,组播树个体采用了路径编码的方式,通过蚁群算法搜索出代价相对较低的路径作为备选路径,然后将一种双种群差分算法应用到了QoS组播路由问题中。在不同规模的嘲络环境下,将该算法与几种常见的智能优化算法在路由请求成功率和算法执行时间方面进行了比较,结果对比表明新算法具有更好寻优性能。

摘要： 本发明涉及含两个种群的基于氯乙烯的聚合物颗粒的胶乳，其平均直径分别为0.9-1.3μm之间和0.15-0.3μm之间，其比例为较小平均直径的种群与较大平均直径的种群的重量比是0.4-0.7之间。本发明的其它目的是制备所述胶乳的方法及其在流体增塑溶胶和具有非常优良的微孔质量的泡沫中的应用。

摘要： 本发明涉及含两个种群的基于氯乙烯的聚合物颗粒的胶乳,其平均直径分别为0.9—1.3μm之间和0.15—0.3μm之间,其比例为较小平均直径的种群与较大平均直径的种群的重量比是0.4—0.7之间。本发明的其它目的是制备所述胶乳的方法及其在流体增塑溶胶和具有非常优良的微孔质量的泡沫中的应用。

摘要： 本发明涉及一种多种群优化算法的双资源约束柔性作业车间调度方法及装置，针对时间和成本的双资源约束多目标柔性作业车间调度问题，即考虑调整时间和成本下机器和工人约束对柔性作业车间调度问题的影响。以最大完工时间、总调整时间和总成本为优化目标，提出三种初始化规则产生初始种群，并利用设计的种群交流方法使种群质量不断提高，此外，为提高种群的多样性提出聚类排序法，其根据解空间个体的分布将其归一化至多个象限，并计算个体到原点的距离进行筛选，从而实现种群间的寻优功能，能够有效求解考虑时间和成本的双约束多目标柔性作业车间调度问题。

摘要： 本发明公开了基于双种群粒子群法的闪电三维定位方法，涉及闪电定位领域，包括S1获取各个测站的闪电电场信号；S2对闪电电场信号进行去噪过滤获得预处理后的电场信号；S3每个测站预处理后的电场信号与其他测站电场信号进行脉冲匹配获得脉冲组合；S4将所有匹配好的脉冲组合进行解算得到初始的闪电三维定位结果；S5采用双种群粒子群法优化拟合初始的闪电三维定位结果获得最优的闪电三维定位结果作为最终定位结果；采用混沌分布的全局搜索种群协同多样性搜索粒种群对闪电定位初始结果进行优化拟合，能够降低对初始解精度的依赖，避免结果“早熟”，甚至结果发散的情况；同时也可以提高计算效率，提升计算精度。

摘要： 本发明涉及一种工控网络中基于双种群遗传算法的深度学习入侵检测方法，所述深度学习入侵检测方法通过构建的新型工控网络入侵检测模型来实现对工控网络是否存在入侵行为进行预测。本模型结合双种群遗传算法、退火算法、基于种群交流的选择策略、哈希字典存储策略以及精英主义策略，有机整合各类算法和优化策略的功能，进而得到改进的深度神经网络模型，本方法通过使用新型工控网络检测模型能够实现对工控网络中的入侵行为更快速、更准确的检测，本发明所述的检测方法具有较低的漏报率和误报率，且能够满足工控网络实际场景的需求。

摘要： 本发明提供的低压电力载波通信的双种群遗传蚁群路由算法，该算法利用双种群的快速适应性和独立并行搜索能力，在动态范围内寻找最优解，采用定期交换彼此种群的优良解的方法，扩大全局解搜索空间，降低算法容易陷入局部最优的可能性，最终找出全局最优。该算法能快速适应动态变化的低压电力线网络，提高全局收敛性与鲁棒性。

摘要： 本发明公开了基于双种群粒子群法的闪电三维定位方法，涉及闪电定位领域，包括S1获取各个测站的闪电电场信号；S2对闪电电场信号进行去噪过滤获得预处理后的电场信号；S3每个测站预处理后的电场信号与其他测站电场信号进行脉冲匹配获得脉冲组合；S4将所有匹配好的脉冲组合进行解算得到初始的闪电三维定位结果；S5采用双种群粒子群法优化拟合初始的闪电三维定位结果获得最优的闪电三维定位结果作为最终定位结果；采用混沌分布的全局搜索种群协同多样性搜索粒种群对闪电定位初始结果进行优化拟合，能够降低对初始解精度的依赖，避免结果“早熟”，甚至结果发散的情况；同时也可以提高计算效率，提升计算精度。

摘要： 本发明涉及一种基于对偶搜索的双种群协同进化方法及应用，该方法维持了两个对偶互补和协同进化的种群，分别为：分别拥有独立互补的进化范式的面向收敛性优化种群CP和面向多样性优化种群DP；其中CP采用面向收敛性进化方向的交叉和突变算子进行种群繁殖，并结合收敛性优先环境选择机制来维持种群的收敛性；DP采用面向多样性进化方向的交叉和突变算子进行种群繁殖，并结合多样性优先环境选择机制来维持种群多样性；所述CP和DP通过限制交配选择、信息共享和信息补偿三种协同交互机制来实现进化信息的互补。与现有技术相比，本发明具有适配性强，采用的对偶搜索理念可以利用对偶中心点的互补效应来处理具有凹或凸形状的PF问题等优点。

摘要： 本发明涉及一种工控网络中基于双种群遗传算法的深度学习入侵检测方法，所述深度学习入侵检测方法通过构建的新型工控网络入侵检测模型来实现对工控网络是否存在入侵行为进行预测。本模型结合双种群遗传算法、退火算法、基于种群交流的选择策略、哈希字典存储策略以及精英主义策略，有机整合各类算法和优化策略的功能，进而得到改进的深度神经网络模型，本方法通过使用新型工控网络检测模型能够实现对工控网络中的入侵行为更快速、更准确的检测，本发明所述的检测方法具有较低的漏报率和误报率，且能够满足工控网络实际场景的需求。

摘要： 本发明公开了一种基于双种群混合算法的裁剪分床方法，具体按照以下步骤实施：1、算法初始化；2、确定裁剪分床方案的目标函数，在多个维度上设定目标，处理得到最终算法的目标函数；3、根据步骤1得到的裁床数量最大值和最小值区间，以及步骤2得到模型的目标函数，选择最小的裁床数量M，进行混合算法的初始化；4、混合算法中普通种群的进化；5、精英种群的进化；6、比较多个裁床下的最优方案的最终优秀性；7、最终根据指定的裁剪分床需求和目标，输出一组或多组优秀的裁剪分床方案。