最大似然波达方向(DOA)估计具有最优的理论性能,但是存在计算量过大的问题。为了降低最大似然DOA估计的计算量,将参数估计转化为高维非线性函数的优化问题,并提出了一种新的优化算法。首先利用波束形成法对空间谱进行预估计并根据空间谱信息构造一组满足"预估分布"的初始解,这组初始解以较大概率落在全局最优解的局部吸引域中。然后将其中适应度最大的一个初始解作为局部搜索的起点。网格爬山法是一种以网格为单元的局部搜索方法,比传统爬山法更加高效和稳定,因此采用该方法获取全局最优解。新算法不仅能够得到精确的参数估计,同时具有较高的计算效率,计算机仿真显示新算法的计算效率高于基于粒子群优化的最大似然DOA估计算法。

针对标准粒子群算法(PSO)全局与局部搜索能力相互制约的缺点,提出一种带有独立局部搜索机制、多区域搜索策略和渐近收敛能力的新型PSO算法(ILS-PSO).设计新的简化参数的全局搜索公式、非劣解邻域局部搜索公式和当前最优解邻域深度搜索公式,使算法具备独立的全局与局部搜索能力.通过参数xi$和\lambda$ 协调算法的全局与局部搜索能力,以实现算法的多区域搜索和渐近式收敛.典型函数及其偏移函数的对比测试结果表明,ILS-PSO算法具有良好的优化性能,其综合性能优于其他对比算法.

针对人工蜂群算法在求解函数优化问题中存在收敛精度不高、收敛速度较慢的问题，提出了一种改进的增强寻优能力的自适应人工蜂群算法。该算法利用逻辑自映射函数产生混沌序列对雇佣蜂搜索行为进行混沌优化，并引入萤火虫算法中的自适应步长策略动态调整观察蜂的搜索行为，从而提升了算法的局部搜索能力。基于标准测试函数的仿真结果表明，改进后的人工蜂群算法在寻优精度和收敛速度上均有明显提高。

为了改善差分进化粒子群算法的局部搜索能力和收敛速度，提出了一种混沌差分进化的粒子群优化算法。该算法利用信息交换机制将两组种群分别用差分进化算法和粒子群算法进行协同进化，并且将混沌变异操作引入其中，加强算法的局部搜索能力。通过对三个标准函数进行测试，仿真结果表明该算法与DEPSO算法相比，全局搜索能力、抗早熟收敛性能及收敛速度大大提高。

海浪能等可再生能源在应对全球能源需求的巨大增长方面发挥着举足轻重的作用。 预计波浪能将成为未来十年增长最快的能源之一，为可持续能源提供巨大的潜在来源。 本研究调查了振荡浮标式波浪能转换器 (WEC) 的放置优化。 评估了由一系列完全淹没的三系绳浮标组成的波浪农场的设计。 在波浪养殖场中，浮标位置对养殖场的产量有显着影响。 由于浮标之间非常复杂的相互作用（建设性和破坏性），优化浮标位置是一个具有挑战性的研究问题。 这项研究的主要目的是通过在尺寸受限的环境中放置浮标来最大化农场的功率输出。 该框架提出了一种新的启发式局部搜索与数值优化方法相结合的混合方法，该方法利用基于知识的代理权模型。 以下论文报告了所有优化结果： Neshat, M.、Alexander, B.、Sergiienko, N. 和 Wagner, M.（2019 年）。 通过混合局部搜索对波能转换器位置优化的新见解。 a

经典的非线性规划算法大多采用梯度下降的方法求解，局部搜索能力较强，但是全局搜索能力比较弱。遗传算法采用选择交叉变异进行搜索，全局搜索能力较强，但是局部搜索能力弱。本代码结合了两种算法的优点，一方面采用遗传算法进行全局搜索，一方面采用非线性规划算法进行局部搜索，已得到全局最优解。

两级车辆路径问题是指物资必须先由中心仓库配送至中转站(第1 级), 再由中转站配送至客户(第2 级) 的一
种车辆路径问题. 针对该NP 难问题提出一种Memetic 算法通过自底向上的方式进行求解. 首先利用改进的最优切割
算法MDVRP-Split 将客户合理分配至中转站; 然后采用局部搜索解决第1 级问题, 交叉产生的精英个体通过局部搜
索改进. 标准算例的测试结果表明, 所提出算法更注重求解质量与求解效率的平衡, 性能优于其他现有的两种算法.

摘要为弥补粒子群后期收敛缓慢与早熟的不足，提出了一种局部搜索与改进ＭＯＰＳＯ的混合优化算法（Ｈ－ＭＯＰ－该算法首先采用非均匀变异算子和自适应惯性权重，强化全局搜

具有混沌局部搜索策略的粒子群优化算法研究.pdf

针对0-1 背包问题, 提出一种二进制修正和声搜索算法. 该算法修正了即兴创作过程, 对参数PAR进行动态调整, 同时提出一种随机修复机制, 有效修复不可行的和声, 增强算法的局部搜索. 采用一种可行和声初始化方式, 保证初始和声都是可行的, 整个搜索过程完全采用0-1 二进制模式, 对14 个0-1 背包问题进行测试. 将所提出算法与其他算法进行比较, 结果验证了所提出算法的有效性.