安徽省高校省级自然科学研究项目(2010kb236)
- 作品数：8 被引量：18H指数：2
- 相关作者：许峰权芳芳刘瑞杨虎刘雪东更多>>
- 相关机构：安徽理工大学更多>>
- 发文基金：安徽省高校省级自然科学研究项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于聚集密度的粒子群多目标优化算法被引量：6
- 2013年
- 为了改善粒子群多目标优化算法的分布性,引入了聚集密度以进行精英集的更新。其基本思想为:计算群体中每个个体的聚集密度,根据目标函数值和聚集密度定义一个偏序集,采用比例选择原则依次从偏序集中选择个体,更新精英集。通过数值实验用量化指标研究了新算法的收敛性和分布性,结果表明:新算法的收敛性与常规粒子群多目标优化算法相当,但分布性有了明显的提高。
- 杨虎许峰
- 关键词：多目标优化粒子群优化算法分布性
- 基于分布估计的分解多目标进化算法被引量：2
- 2012年
- 分解多目标进化算法具有较好的分布性,但群体数量会随着目标数的增加而急剧增加,严重影响算法效率。提出一种基于分布估计的分解多目标进化算法,基本思想:首先将多目标分解为若干单目标,然后根据分布估计的思想对各个单目标建立概率模型,通过采样产生解。数值分析和实验表明,新算法的解不仅具有较好的多样性和均匀性,而且算法的计算复杂度明显低于分解多目标进化算法,尤其是对于三目标优化问题。
- 赵晶晶许峰
- 关键词：多目标优化进化算法
- 基于BFGS的改进遗传算法研究被引量：1
- 2012年
- 提出了一种基于拟牛顿法BFGS的改进遗传算法,基本思想是:首先用遗传算法进化若干代后,当目标函数变化率小于设定值时,改用BFGS算法优化。数值实验表明,基于BFGS的改进遗传算法的局部收敛性得到了较大改善,而且优化精度也较基本遗传算法有了较大的提高。
- 樊春天许峰
- 关键词：函数优化遗传算法拟牛顿法收敛性
- 基于ε支配擂台赛法则的多目标遗传算法被引量：2
- 2012年
- 将ε支配引入擂台赛算法,得到一种快速确定Pareto非支配集的方法,并据此提出一种改进的多目标遗传算法。从理论上分析新算法的时间复杂度,并通过数值对比实验验证新算法的有效性。
- 刘瑞许峰
- 关键词：多目标遗传算法非支配集擂台赛法则
- 基于ε支配的MOGA在0/1背包问题中的应用
- 2013年
- 多目标遗传算法NSGA-Ⅱ是解决0/1背包问题[1]的有效算法,但是它还存在一定的缺陷,当0/1背包问题的规模较大时,这种方法很难收敛到Pareto最优边界,因此解的分布性不是很好,解集也很难收敛。针对此问题,提出基于ε支配的MOGA来求解0/1背包问题,通过实验验证该算法在求解分布性上优于NSGA-Ⅱ。
- 刘瑞许峰
- 关键词：多目标遗传算法背包问题
- 基于量子位Bloch球面坐标的量子进化算法被引量：1
- 2013年
- 根据量子位的Bloch球面坐标提出的一种量子进化算法,首先使用量子位的Bloch球面坐标对量子染色体进行编码,通过量子旋转门对量子位进行更新,而对于量子旋转门转角大小的选择,提出了一种简单快捷的确定方法。在旋转、变异操作的过程中,采用了基于量子位Bloch球面坐标的新算子。数值计算结果证明,基于量子位Bloch球面坐标的量子遗传算法在搜索能力和优化效率两方面优于普通的量子遗传算法。
- 权芳芳许峰
- 关键词：量子遗传算法量子旋转门
- 基于梯度的自适应量子遗传算法被引量：2
- 2012年
- 根据量子计算原理,提出了一种量子旋转门转角的自适应确定方案。该方案的基本思想是在设计量子旋转门转角大小时,充分考虑目标函数的梯度,当目标函数变化率较小时,适当增加转角步长,反之适当缩小转角步长。数值计算结果表明,基于该方案的改进量子遗传算法比基本量子遗传算法有更佳的全局收敛性和更快的收敛速度。
- 权芳芳许峰
- 关键词：量子遗传算法
- 基于目标函数变化率的混合蚁群遗传算法被引量：4
- 2013年
- 根据蚁群算法和遗传算法收敛性互补的特点,提出了一种基于目标函数变化率的混合蚁群遗传算法。该算法的基本思想是:用蚁群算法的解作为遗传算法的初始种群,根据目标函数的变化率交叉地调用蚁群算法和遗传算法。每当种群进化接近停滞时,调用蚁群算法。这种方法可动态地控制蚁群算法和遗传算法的调用时机,再配合相应的信息素更新方法,以提高算法的收敛性。将新算法用于车间调度基准测试问题,仿真结果表明,与常规混合蚁群遗传算法相比,新算法的全局收敛性和局部收敛性有了明显的提高。
- 刘雪东许峰
- 关键词：蚁群算法遗传算法
