基于反馈的精英教学优化算法
精英粒子群优化算法及其在机器人路径规划中的应用
第２ｌ卷 第１２期 ２Ｏ１３年１２月 光学精密工程 Ｏｐｔｉｃｓ ａｎｄ Ｐｒｅｃｉｓｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ Ｖｏ１．２１ Ｎｏ．１２ Ｄｅｃ．２０１３
文章编号１００４—９２４Ｘ（２０１３）１２－３１６０—０９
精英粒子群优化算法及其在机器人路径规划中的应用
颜雪松 ，胡成玉 ，姚 宏 ，伍庆华
（１．中国地质大学计算机学院，湖北武汉４３００７４；２．武汉工程大学计算机科学与工程学院，湖北武汉４３００７３）
摘要：针对标准粒子群优化（ＰＳＯ）算法容易陷入局部最优的缺点，提出了一种基于标准ＰＳＯ算法的新算法。该算法通 过引入新的更新函数和精英选择策略，可在保持较高收敛速度的同时，降低陷入局部最优的可能性。与标准ＰＳＯ算法 相比较，不仅扩大了搜索空间，并且复杂度也不高。研究结果证明该算法更容易引导，而且具有更高效的全局搜索能力， 展示了较高的效率和鲁棒性。将该算法用于解决机器人路径规划问题并进行了仿真实验，结果显示，与传统的方法相 比，新算法在机器人路径规划问题上能获得更加准确的路径，而且计算时间可以缩短１５ ，比其他算法更有效。 关键词：粒子群优化算法；机器人路径规划；标准测试函数 中图分类号：ＴＰ３０１．６；ＴＰ２４２．６ 文献标识码：Ａ ｄｏｉ：１０．３７８８／ＯＰＥ．２０１３２１１２．３１６Ｏ
Ｅｌｉｔｅ ｐａｒｔｉｃｌｅ ｓｗａｒｍ ｏｐｔｉｍｉｚａｔｉｏｎ ａｌｇｏｒｉｔｈｍ ａｎｄ
ｉｔｓ ａｐｐｌｉｃａｔｉｏｎ ｉｎ ｒｏｂｏｔ ｐａｔｈ ｐｌａｎｎｉｎｇ
ＹＡＮ Ｘｕｅ—ｓｏｎｇ ，ＨＵ Ｃｈｅｎｇ ｙｕ 。ＹＡＯ Ｈｏｎｇ ，ＷＵ Ｑｉｎｇ—ｈｕａ。
（１．Ｓｃｈｏｏｌ ｏｆ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ，Ｃｈｉｎａ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｇｅｏｓｃｉｅｎｃｅｓ，Ｗｕｈａｎ ４３００７４，Ｃｈｉｎａ； ２．Ｓｃｈｏｏｌ ｏｆ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ ａｎｄ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｗｕｈａｎ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，Ｗｕｈａｎ ４３００７３，Ｃｈｉｎａ）
(完整版)基于优化问题的多目标布谷鸟搜索算法毕业设计
基于优化问题的多目标布谷鸟搜索算法
关键字：布谷鸟搜索、元启发式算法、多目标、最优化
摘要：在工程设计方面，很多问题都是典型的多目标问题，而且，都是复杂的非线性问题。现在我们研究的优化算法就是为了解决多目标化的问题，使得与单一目标问题的解决有明显的区别，计算结果和函数值有可能会增加多目标问题的特性。此时，元启发式算法开始显示出自己在解决多目标优化问题中的优越性。在本篇文章中，我们构造了一个新的用于解决多目标优化问题的算法——布谷鸟搜索算法。我们通过一系列的多目标检验函数对其的有效性已经做出来检验，发现它可以应用于解决结构设计等问题中去，例如：光路设计、制动器设计等。另外，我么还对该算法的主要特性和应用做了相关的分析。
1.简介
在设计问题中经常会考虑到很多多重的复杂问题，而且这些问题往往都具有很高的非线性性。在实际中，不同的目
标之间往往会有分歧和冲突，有时候，实际的最优化解决方案往往不存在，而一些折中的和近似的方案往往也可以使用。除了这些挑战性和复杂性以外，设计问题还会受到不同设计目标的约束，而且还会被设计代码、设计标准、材料适应性、和可用资源的选择，以及设计花费等所限制，甚至是关于单一目标的全局最优问题也是如此，如果设计函数有着高度的非线性性，那么全局最优解是很难达到的，而且，很多现实世界中的问题经常是NP- ,为整数时，我们有
当图2表明他们在100步之内的飞行路线时，图1则表示他们飞行100个步长所遵循的levy分布图。这一情况指出levy飞行比布朗随机游动在发现事物方面的能力要有效的多，以内其有着较大的搜索范围。对于他的有效性，又很多原因可以作为解释，其中一种是由于levy的方差比布朗运动的线性关系有着更快的增长率。
（10）
2.3 多布标布谷鸟搜索算法
在最初由杨新社教授和Deb教授提出的单一目标的布谷鸟优化算法中使用了三条基本的准则：
一种基于精英种子策略的多目标遗传算法
第２４卷第４期 ２０１１年ｌ２月 湖南理工学院学报（自然科学版） ＪｏｕｒｎａｌｏｆＨｕｎａｎＩｎｓｔｉｔｕｔｅｏｆＳｃｉｅｎｃｅ ａｎｄＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅｓ） ＶｂＩ．２４ Ｎｏ．４ Ｄｅｃ．２０１１
一种基于精英种子策略的多目标遗传算法
李文彬，杜若川，李雄略，尹 呈，郭观七
（湖南理工学院信息与通信工程学院，湖南岳阳４１４００６）
摘 要：在工程实践的多目标优化问题中，当已知目标空间中的一个或几个最优解时，往往需要在某一特定的区域搜 索到比较稠密的Ｐａｒｅｔｏ解集合．本文提出了基于精英种子策略的多目标遗传算法，把已知的最优解信息加到优化过程中， 利用最近邻方法来识别进化个体的所属的Ｐａｒｅｔｏ支配性类别，引导优化方向．仿真实验结果表明，该算法在特定区域内表 现了比ＮＳＧＡ．ＩＩ更优的局部搜索能力，并且能够搜索到零散分布的Ｐａｒｅｔｏ最优解子集． 关键词：多目标优化：Ｐａｒｅｔｏ支配性；最近邻方法；分类；精英种子 中图分类号：ＴＰ３９１ 文献标识码：Ａ 文章编号：１６７２．５２９８（２０１ １）０４．００２９．０４
Ａ Ｍｕｌｔｉ・－ｏｂｊ ｅｃｔｉｖｅ Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍ Ｂａｓｅｄ ｏｎ
Ｅｌｉｔｅ Ｓｅｅｄ Ｓｔｒａｔｅｇｙ
ＬＩ Ｗｅｎ．ｂｉｎ，ＤＵ Ｒｕｏ．ｃｈｕａｎ，ＬＩ Ｘｉｏｎｇ—ｌｕｅ，ＹＩＮ Ｃｈｅｎｇ，ＧＵ０ Ｇｕａｎ．ｑｉ
（Ｃｏｌｌｅｇｅ ｏｆＩｎｆｏｒｍａｔｉｏｎ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｈｕｎａｎ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ，Ｙｕｅｙａｎｇ ４１４００６，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｗｈｅｎ ｏｎｅ ｏｒ ｍｏｒｅ ｏｐｔｉｍａｌ ｓｏｌｕｔｉｏｎｓ ａｒｅ ｋｎｏｗｎ ｉｎ ｍｕｌｔｉ．ｏｂｊｅｃｔｉｖｅ ｏｐｔｉｍｉｚａｔｉｏｎ ｉｎ ｅｎｇｉｎｅｅｒｉｎｇ ｐｒａｃｔｉｃｅ．ｉｔ ｉｓ ｏｆｔｅｎ ｒｅｑｕｉｒｅｄ ｔｏ ｏｂｔａｉｎ ｓｏｍｅ ｈｉｇｈｌｙ ｄｅｎｓｅ Ｐａｒｅｔｏ ｏｐｔｉｍａｌ ｓｏｌｕｔｉｏｎｓ ｉｎ ｓｏｍｅ ｓｐｅｃｉｆｉｃ ｒｅｇｉｏｎｓ．Ｔｈｉｓ ｐａｐｅｒ ｐｒｏｐｏｓｅｓ ａ ｍｕｌｔｉ－ｏｂｊｅｃｔｉｖｅ ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｔｈｅ ｅｌｉｔｅ ｓｅｅｄ ｓｔｒａｔｅｇｙ．Ｔｈｅ ｓｔｒａｔｅｇｙ ｉｎｃｏｒｐｏｒａｔｅｓ ｋｎｏｗｎ ｅｌｉｔｉｓｔ ｓｏｌｕｔｉｏｎｓ ｉｎｔｏ ｏｐｔｉｍｉｚａｔｉｏｎ ｐｒｏｃｅｓｓ ａｎｄ ｕｔｉｌｉｚｅｓ ｔｈｅ ｎｅａｒｅｓｔ ｎｅｉｇｈｂｏｒ ｍｅｔｈｏｄ ｔｏ ｒｅｃｏｇｎｉｚｅ ｔｈｅ Ｐａｒｅｔｏ ｄｏｍｉｎａｎｃｅ ｂｅｔｗｅｅｎ ｓｏｌｕｔｉｏｎｓ，ｃｏｎｓｅｑｕｅｎｔｌｙ ｇｕｉｄｉｎｇ ｔｈｅ ｏｐｔｉｍｉｚａｔｉｏｎ ｄｉｒｅｃｔｉｏｎ．Ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈｅ ａｌｇｏｒｉｔｈｍ ｉＳ ｍｏｒｅ ｅｆｆｅｃｔｉｖｅ ｔｈａｎ ＮＳＧＡ．ＩＩ ｉｎ ｌｏｃａｌ ａｒｅａｓ．ａｎｄ ｉｔ ｉｓ ａｌｓｏ ｃａｐａｂｌｅ ｏｆ ｆｉｎｄｉｎｇ ｏｕｔ ｔｈｅ ｄｉｓｐｅｒｓｉｖｅｌｙ ｄｉｓｔｒｉｂｕｔｅｄ Ｐａｒｅｔｏ ｏｐｔｉｍａｌ ｓｕｂｓｅｔｓ． Ｋｅｙ ｗｏｒｄｓ：ｍｕｌｔｉ．ｏｂｉｅｃｔｉｖｅ ｏｐｔｉｍｉｚａｔｉｏｎ；Ｐａｒｅｔｏ ｄｏｍｉｎａｎｃｅ；ｎｅａｒｅｓｔ ｎｅｉｇｈｂｏｒ ｍｅｔｈｏｄ；ｃｌａｓｓｉｆｉｃａｔｉｏｎ；ｅｌｉｔｅ ｓｅｅｄ
基于精英迁移的主从式双种群动态遗传算法
第３３卷第６期 ２０１３年１１月 湖北工程学院学报 ＪＯＵＲＮＡＬ ＯＦ ＨＵＢＥＩ ＥＮＧＩＮＥＥＲＩＮＧ ＵＮＩＶＥＲＳＩＴＹ Ｖ０ Ｌ．３３ Ｎ０．６ ＮＯＶ．２Ｏ１３
基于精英迁移的主从式双种群动态遗传算法
申鼎才
（湖北工程学院计算机与信息科学学院，湖北孝感４３２０００）
摘 要：针对０—１编码的动态优化问题，提出了一种基于精英迁移的主从式双种群动态遗传算法。主种 群采用记忆机制，把从种群获得的最优个体替换主种群中较差的个体，同时参与到与记忆个体的演化操作。通 过一组动态优化函数进行实验，仿真结果表明，本文提出的算法在各变化周期和变化强度下均能很好的跟踪环 境的动态变化。 关键词：精英迁移；遗传算法；动态优化 中图分类号：ＴＰ１８ 文献标识码：Ａ 文章编号：２０９５—４８２４（２０１３）Ｏ６—００４３—０５
在现实生活中，很多优化问题是动态的，即目
标函数、约束条件和环境参数会随着时间的变化
而改变。与静态优化问题相比，由于动态优化问 题增加了问题求解的不确定性，因而在一定程度
上增加了动态优化问题的求解难度。
近年来，动态环境下优化问题越来越得到研 究人员的关注，研究出了很多ＧＡ的变体算法应
用于动态环境下的优化，取得了很好应用效果。 如在ＧＡ中引入超变异策略＿１］、随机移民策略＿２］、
自组织随机移民策略口 等等。在上述策略中，维
持或增加种群多样性是引入相关策略的一个重要
目标。为了增加种群多样性，同时减少多个种群
交换信息从而导致算法复杂度的增加，本文提出
一种多种群的简化模式，采用主从式双种群策略， 根据不同种群在演化过程中功能的不同，分别采
用不同的操作策略，使算法能保持较好的种群多
样性，从而提高跟踪动态环境的能力。
１相关研究工作
在动态环境下，增加种群多样性是一种常见 的进化策略。Ｇｒｅｆｅｎｓｔｅｔｔｅ［２ 采用随机移民策略，
即在算法执行过程中，通过在每一代引入新的个
基于多样性反馈的自适应粒子群优化算法
Ｊｏｕｒｎａｌ ｏｆ Ｃｏｍｐｕｔｅｒ Ａｐｐｌｉｃａｔｉｏｎｓ 计算机应用，２０１３，３３（１２）：３３７２—３３７４，３３８４ ＩＳＳＮ １００１—９０８ｌ ＣＯＤＥＮ ＪＹＩＩＤＵ ２０１３一ｌ２—０１ ｈｔｔｐ：／／ｗｗｗ．ｊｏｃａ．ｃｎ
文章编号：１００１—９０８１（２０１３）１２—３３７２—０３ ｄｏｉ：１０．１１７７２／ｊ．ｉｓｓｎ．１００１—９０８１．２０１３．１２．３３７２
基于多样性反馈的自适应粒子群优化算法
汤可宗 ，吴 隽 ，赵嘉
（１．景德镇陶瓷学院信息工程学院，江西景德镇３３３４０３； ２．南昌工程学院信息工程学院，南昌３３００２９） （￥通信作者电子邮箱ｔａｎｇｋｅｚｏｎｇ＠１２６．ｃｏｌｎ）
摘要：为了进一步提高种群多样性在粒子群优化执行中的效率，提出一种基于多样性反馈的自适应粒子群优
化算法（ＡＰＳＯ）。ＡＰＳＯ采用一种新的种群多样性评价策略，使惯性权值在搜索过程中随多样性自适应性地调整，从 而均衡算法的勘探和开发过程。此外，最优粒子采用精英学习策略跳出局部最优区域，从而在保证算法收敛速度的
同时能够自适应地调整搜索方向，提高解的精确度。通过一组典型测试函数的仿真结果，验证了ＡＰＳＯ的有效性。
关键词：粒子群优化；多样性；熵；变异
中图分类号：ＴＰ３０１．６；ＴＰ１８ 文献标志码：Ａ
Ａｄａｐｔｉｖｅ ｐａｒｔｉｃｌｅ ｓｗａｒｍ ｏｐｔｉｍｉｚａｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｄｉｖｅｒｓｉｔｙ ｆｅｅｄｂａｃｋ
ＴＡＮＧ Ｋｅｚｏｎｇ‘。 ．ＷＵ Ｊｕｎ ．ＺＨＡＯ Ｊｉａ
（１．Ｓｃｈｏｏｌ Ｉｎｆｏｒｍａｔｉｏｎ ａｎｄ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｊｉｎｇｄｅｚｈｅｎ Ｃｅｒａｍｉｃ Ｉｎｓｔｉｔｕｔｅ，Ｊｉｎｇｄｅｚｈｅｎ Ｊｉａｎｇｘｉ ３３３４０３，Ｃｈｉｎａ； ２．Ｓｃｈｏｏｌ ｏ厂Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｎａｎｃｈａｎｇ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，Ｎａｎｃｈａｎｇ Ｊｉａｎｇｘｉ ３３００２９，Ｃｈｉｎａ）
基于Pareto_支配的两阶段多目标优化算法
文章编号：1006-3080(2022)06-0806-10DOI: 10.14135/ki.1006-3080.20210530001
基于Pareto支配的两阶段多目标优化算法
王学武， 高 进， 陈三燕， 顾幸生（华东理工大学能源化工过程智能制造教育部重点实验室，上海 200237）
摘要：针对二维和三维的多目标优化问题，提出了一种基于Pareto支配的两阶段多目标优化算法(MOEA-PT)。全局搜索阶段根据Pareto支配关系将种群进行排序，依据临界层子集的排序等级执行相应的选择策略；局部调整阶段对种群中的个体进行微调，将新产生的个体与距离其最近的个体进行支配关系、分布性、收敛性的对比，替换较差的个体。分析了两个阶段对算法性能的影响，同时对引入局部调整策略后的种群进行了对比，结果表明局部调整策略能有效增强算法性能。通过对标准测试函数的求解，并与其他经典的多目标算法进行对比，验证了本文算法在收敛性和分布性等方面具有一定的优越性。关键词：多目标优化；Pareto支配；全局搜索；局部调整；选择策略中图分类号：TP301文献标志码：A实际生产生活中经常出现需求多个目标的问题，这些目标需要同时进行优化处理，但往往又是相互冲突的，这类问题称为多目标优化问题(MOP)。为了获得良好的最优解集(Pareto解集)，一次学习中获得一组解的多目标进化算法备受关注。多目标问题的优化过程主要追求两个目标：解的分布性和收敛性。在解决MOP问题的过程中，众多学者提出了不同的算法。Zhang等[1]提出了基于分解的多目标优化算法(MOEAD)，通过一系列均匀分布的参考向量和聚合函数，采取邻域替换的策略，使得到的解在空间保持良好的分布性和收敛性。Deb等[2]提出了基于Pareto支配与参考点相结合的多目标优化算法(NSGA-III)，在保证解的收敛速度的同时，使解的分布性得到很好提高。王学武等[3]提出了一种基于超体积的多目标优化算法(MOEA-HV)，通过提前删除支配个体来提升运行效率，同时以空间中均匀分布的参考点来优化解的分布性。Wang等[4]提出了一种改进的双档案多目标优化算法(Two_Arch2)，在进化过程中维护两个档案，对两个档案采用不同的选择原则，分别引导种群快速收敛到真实的Pareto前沿以及为种群增加多样性。Xiang等[5]提出了基于角度的多目标优化算法(VaEA)，在环境选择过程中采用最大角度优先策略保证解的分布性，同时删除收敛性最差的解，有效地增加了选择压力。Cheng等[6]提出了一种参考向量引导多目标进化算法(RVEA)，采用角度惩罚距离的标量化方法来平衡空间中解的收敛性和分布性。刘元等[7]提出了基于邻域竞赛的多目标优化算法(NCEA)，通过解的目标加和以及角度信息保证解的收敛性和分布性。为了改善分布均匀的参考点在不连续不规则的多目标问题上解的分布不均匀的情况，Qi等[8]提出了一种自适应权重调整的分解多目标优化算法(MOEAD-AWA)，通过调整权重向量使解的分布更加均匀；Jain等[9]提出了改进的NSGA-III算法(A-NSGA-III)，通过在密集区域增加参考点的方式改善不规则Pareto前沿的个体分布。以上几种算法各有优势，都能很好地保证解的收敛性和分布性。然而在某些具有不规则Pareto前沿，特别是凹凸性较大的Pareto前沿问题上，边沿区域的解的分布性不能得到很好保证。为了提高解的
自适应信息反馈NSGA-III算法
自适应信息反馈NSGA-III算法
作者：王启翔 许峰
来源：《科技创新与应用》2020年第30期
摘; 要：为了提高NSGA-III算法求解大规模高维多目标优化问题的能力，提出了一种基于自适应信息反馈机制的改进NSGA-III算法，其基本思想是：根据信息反馈原理，将当前代第k个个体与用NSGA-III算法求得的第i个个体加权平均后作为下一代第i个个体。k的选取有指定和随机两种方式，可以根据目标函数的梯度自适应地选择。采用大规模高维测试函数对新算法进行了性能测试，并与相关算法的结果进行了比较。
关键词：高维多目标优化;NSGA-III;信息反馈;自适应;目标函数梯度
中图分类号：TP312 文献标志码：A 文章编号：2095-2945（2020）30-0020-04
Abstract： In order to improve the ability of NSGA-III to solve large-scale many-objective
optimization problems， an improved NSGA-III based on adaptive information feedback mechanism
is proposed. Its basic idea is： according to the principle of information feedback， the weighted
average of the kth individual in current generation and the ith individual obtained by NSGA-III is
taken as the ith individual in next generation. There are two ways to select k： named and random，
精英遗传算法
精英遗传算法
精英遗传算法（Elitist Genetic Algorithm）是一种基于遗传算法的优化方法，它在每一代种群中保留最优个体，以保证种群中的优秀基因得以传承和发展。在优化问题中，精英遗传算法通过保留最优解，加速了搜索过程，并提高了算法的收敛性和稳定性。
精英遗传算法的基本原理是模拟自然界中的进化过程，通过模拟遗传、变异和选择等过程来搜索最优解。首先，通过随机生成初始种群，将问题转化为一个个体的优化问题。然后，通过遗传操作（交叉和变异）对种群进行演化，产生新的个体。最后，通过选择操作，筛选出适应度高的个体，并进行下一代的繁衍。
在精英遗传算法中，精英个体的保留和传承起到了重要的作用。通过保留最优个体，可以使得种群中的优秀基因得以保留，避免陷入局部最优解。同时，保留最优个体还可以加速算法的收敛速度，提高搜索效率。
精英遗传算法的优点在于它能够在较短的时间内找到较优解，同时也能够保证搜索的全局性和多样性。通过精英个体的保留，可以在迭代过程中保持种群的多样性，避免过早陷入局部最优解。此外，精英遗传算法还具有较好的鲁棒性和适应性，能够适应不同类型的问题，并在不同的搜索空间中取得良好的效果。
然而，精英遗传算法也存在一些不足之处。首先，由于保留精英个体，会增加算法的计算复杂度。其次，精英遗传算法对参数的选择较为敏感，需要经过一定的调试才能取得较好的结果。此外，精英遗传算法在处理高维问题时容易陷入维度灾难，需要采用一些特殊的优化技巧来克服。
总结起来，精英遗传算法是一种基于遗传算法的优化方法，通过保留最优个体来加速搜索过程并提高算法的收敛性和稳定性。它在解决优化问题中具有一定的优势，能够在较短的时间内找到较优解，并具有较好的鲁棒性和适应性。然而，精英遗传算法也存在一些不足之处，需要在实际应用中加以注意和改进。
基于精英策略遗传算法的主动隔振系统集成优化设计
第ｌ期
２０１１年１月 机械设计与制造
Ｍａｃｈｉｎｅｒｙ Ｄｅｓｉｇｎ＆Ｍａｎｕｆａｃｔｕｒｅ ６７
文章编号：１００１—３９９７（２０１ １）０１—００６７—０３
基于精英策略遗传算法的主动隔振系统集成优化设计
张屹张虎夏敏敏方子帆何孔德
（三峡大学机械与材料学院，宜昌４４３００２）
Ｉｎｔｅｇｒａｔｅｄ ｏｐｔｉｍｉｚａｔｉｏｎ ｄｅｓｉｇｎ ｆｏｒ ａｃｔｉｖｅ ｖｉｂｒａｔｉｏｎ ｉｓｏｌａｔｉｏｎ ｓｙｓｔｅｍ ｂａｓｅｄ
ｏｎ ｅｌｉｔｉｓｔ ｓｔｒａｔｅｇｙ ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍ
ＺＨＡＮＧ Ｙｉ，ＺＨＡＮＧ Ｈｕ，ＸＩＡ Ｍｉｎ—ｍｉｎ，ＦＡＮＧ Ｚｉ—ｆａｎ，ＨＥ Ｋｏｎｇ－ｄｅ
（Ｃｏｌｌｅｇｅ ｏｆ Ｍｅｃｈａｎｉｃａｌ＆Ｍａｔｅｒｉａｌ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｃｈｉｎａ Ｔｈｒｅｅ Ｇｏｒｇｅｓ Ｕｎｉｖｅｒｓｉｔｙ，Ｙｉｃｈａｎｇ ４４３００２，Ｃｈｉｎａ）
Ｉ 【摘要】针对传统主动隔振系统先设计结构参数后设计控制器的方法很难达到全局最优这一问１
７题，本文提出一种采用精英策略遗传算法对结构参数和控制参数进行集成优化的方法。该方法将主动！
Ｉ隔振系统机械结构及ＬＱＧ控制器的设计结合起来，以隔振平台加速度，隔振系统动挠度和底座动位移ｊ
；三者总加权均方根为性能指标，对主动隔振系统进行集成优化。通过理论分析与仿真结果表明此方法：
Ｉ能有效提高主动隔振系统的隔振效果。 Ｉ
ｊ 关键词：主动隔振系统；遗传算法；ＬＱＧ控制；集成优化 ！
； 【Ａｂｓｔｒａｃｔ】Ｄｕｅ ｔｏ ｔｈｅ ｔｒａｄｉｔｉｏｎａｌ ｄｅｓｉｇｎ ｍｅｔｈｏｄ ｏｆ ａｃｔｉｖｅ ｖｉｂｒａｔｉｏｎ ｉｓｏｌａｔｉｏｎ ｓｙｓｔｔ３ｍ ｉｓ ｔｈａｔ ｔｈｅ ｃｏｎ一；
？ｔｒｏｌｌｅｒ ｐａｒａｍｅｔｅｒｓ’ｄｅｓｉｇｎ ｆｏｌｌｏｗｓ ｓｔｒｕｃｔｕｒａｌ ｐａｒａｍｅｔｅｒｓ’ｄｅｓｉｇｎ，ｔｈｅ ｍｅｔｈｏｄ ｃａｎｎｏｔ ｏｂｔａｉｎ ｔｈｅ ｇｌｏｂａｌ ａｐｔｉ一！
一种基于精英策略的蚁群优化QoS单播路由算法
第ｌ８卷第５期
２０１１年１Ｏ月 莆田学院学报
Ｊｏｕｒｎａｌ ｏｆ Ｐｕｔ ｉａｎ Ｕｎｉｖｅｒｓｉｔｙ ＶＯ１．１８ Ｎｏ．５
Ｏｃｔ．２０１１
文章编号：１６７２．４１４３（２０１１）０５．００７３．０４ 中图分类号：ＴＰ３９３．０７
一种基于精英策略的蚁群优化ＱｏＳ单播路由算法
吴碧霞
（闽北职业技术学院信息与工程系，福建南平３５３０００） 文献标识码：Ａ
摘 要：指出传统蚁群算法在解决ＱｏＳ单播路由选择问题时，受到时延和带宽的约束，为降低路由费用，容易 出现陷入局部最优且收敛速度慢的现象。针对上述问题，提出一种基于精英策略的蚁群优化ＱｏＳ单播路由算
法，该算法利用蚁群算法原理，并引入精英策略。通过仿真模拟一个２０节点的计算机网络ＱｏＳ单播路由选择实 例，并与传统蚁群优化（ＡＣＯ）算法进行对比，仿真结果表明该算法是有效的。 关键词：计算机网络；精英策略；蚁群优化；ＱｏＳ单播路由
Ａ Ｎｅｗ Ａｌｇｏｒｉｔｈｍ Ｂａｓｅｄ ｏｎ ｔｈｅ Ｅｌｉｔｉｓｔ Ｓｔｒａｔｅｇｙ ａｎｄ ＡＣｏ ｆｏｒ
Ｑ０Ｓ Ｕｎｉｃａｓｔ Ｒｏｕｔｉｎｇ
ＷＵ Ｂｉ．ｘｉａ
（Ｉｎｆｏｒｍａｔｉｏｎ ａｎｄ Ｅｎｇｉｎｅｅｒｉｎｇ Ｄｅｐａｒｔｍｅｎｔ，Ｍｉｎｂｅｉ Ｖｏｃａｔｉｏｎａｌ Ｔｅｃｈｎｏｌｏｇｙ Ｃｏｌｌｅｇｅ，Ｎａｎｐｉｎｇ Ｆｕｊｉａｎ ３５３０００，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｉｎ ｃｏｍｐｕｔｅｒ ｎｅｔｗｏｒｋｓ，ＱｏＳ ｕｎｉｃａｓｔ ｒｏｕｔｉｎｇ ｐｒｏｂｌｅｍｓ ａｔｅ ｃｏｎｓｔｒａｉｎｅｄ ｂｙ ｔｈｅ ｂａｎｄｗｉｄｔｈ ａｎｄ ｄｅｌａｙ．Ｔｏ
ｒｅｄｕｃｅ ｉｔｓ ｃｏｓｔｓ ａｎｄ ｔｈｅ ｐｏｓｓｉｂｉｌｉｔｙ ｔｏ ｆａｌｌ ｉｎ ｌｏｃａｌ ｂｅｓｔ，ａｎｄ ｔｈｅｎ ｉｍｐｒｏｖｅ ｉｔｓ ｓｅａｒｃｈｉｎｇ ａｂｉｌｉｔｙ ａｎｄ ｃｏｎｖｅｒｇｅｎｃｅ ｓｐｅｅｄ．Ｉｎ ｔｈｉｓ ｐａｐｅｒ，ａ ｎｅｗ ａｌｇｏｒｉｔｈｍ ｆｏｒ ＱｏＳ ｕｎｉｃａｓｔ ｒｏｕｔｉｎｇ ｂａｓｅｄ ｏｎ ｔｈｅ ｅｌｉｔｉｓｔ ｓｔｒａｔｅｇｙ ａｎｄ ａｎｔ ｃｏｌｏｎｙ