博士科研启动基金(12B022)
- 作品数：12 被引量：73H指数：7
- 相关作者：潘大志文艺向婷陈林刘益更多>>
- 相关机构：西华师范大学河北地质大学西南石油大学更多>>
- 发文基金：博士科研启动基金四川省教育厅自然科学科研项目国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于贪婪搜索和变异操作的布谷鸟算法被引量：1
- 2017年
- 作为一种新型的生物启发式群体智能算法,布谷鸟算法模拟了布谷鸟生育雏鸟以及鸟类的Levy flights行为,是一种全局最优搜索算法,为了更好地提高算法对不同问题的适应能力,提出一种基于贪婪搜索和变异操作的布谷鸟(GMCS)算法.根据最优位置设计一种贪婪搜索策略,贪婪搜索策略和Levy flights随机游动搜索策略按概率交替进行,加强算法的局部探索能力;引入差分进化算法中的变异操作,提高算法跳出局部最优的能力;加入一个新的参数,根据收敛状态自适应地调整参数阈值以控制贪婪搜索策略和变异操作的执行次数.通过8个标准测试函数进行数值实验,实验结果表明,与部分改进的布谷鸟算法以及一些其他改进的演化算法相比,GMCS算法具有较好的收敛性能和适应能力,验证了改进后算法的有效性.
- 文艺潘大志
- 关键词：群体智能LEVYFLIGHTS函数优化
- 遗传算法的一种改进实现被引量：2
- 2014年
- 遗传算法是模拟生物界的遗传和进化过程而形成的一种自适应全局优化搜索算法.针对基本遗传算法的缺点,从选择、交叉和变异3个算子出发,采取替换部分最差个体、引入小生境思想和集中因子等方式进行处理,提出一种改进的遗传算法(IGA).通过测试函数Rastrigin确定IGA中的相关参数,并与基本遗传算法比较.结果显示IGA较基本遗传算法更具优越性和可行性.
- 向婷潘大志陈友军杨爽
- 关键词：遗传算法小生境自适应
- 改进修复策略遗传算法求解折扣{0-1}背包问题被引量：12
- 2018年
- 第一遗传算法(FirEGA)在求解折扣{0-1}背包问题(D{0-1}KP)过程中对非正常编码的修复未能较好运用物品折扣关系,影响修复效果,导致求解结果不理想。针对该问题,对FirEGA中的贪心修复与优化算法(GROA)进行修正:传统贪心修复按照价值密度对项进行选取,当出现同一项集中两个项均被选取时,文中不再选取价值密度较大项,而是选择价值较大项,得到处理非正常编码个体的新的贪心修复优化算法(NGROA)。在FirEGA中采用NGROA,构成求解D{0-1}KP新的第一遗传算法(NFirEGA)。最后,利用NFirEGA求解四类大规模D{0-1}KP问题,结果表明,NFirEGA在求解精度上明显优于FirEGA。
- 杨洋潘大志贺毅朝
- 关键词：遗传算法贪心策略
- 用于求解TSP问题的改进遗传算法被引量：20
- 2016年
- TSP问题是一个典型的组合优化问题,也是一个NP难题,一般很难精确地求出其最优解,因而找出有效的近似解算法具有重要意义。针对基本遗传算法在解决TSP问题时所存在的收敛速度慢、容易"早熟"的问题,在选择算子中引入选择因子,同时提出一种改进的交叉算子和基于种群相似度的更新策略。改进的交叉算子是先比较两个城市间距离再进行交换城市序号,因此加快了收敛的速度,而基于种群的相似度更新策略则在算法的后期可以有效地防止早熟。通过对实例144进行测试,证明该算法在解决该类问题上取得了较好的效果。
- 文艺潘大志
- 关键词：TSP遗传算法相似度
- 逐维加权的布谷鸟搜索算法
- 2017年
- 针对布谷鸟搜索算法在多维函数优化搜索中存在收敛速度慢和寻优精度不高的缺点,提出一种逐维加权的布谷鸟搜索算法。该算法引入逐维动态加权的鸟窝位置更新方式,每次迭代后保留上一代的最优位置并进行下一代位置更新,同时改写偏好随机游动的步长更新方式。通过6个标准的测试函数的测试结果表明,改进后的算法,在提高算法的收敛速度和寻优精度上有效。
- 文艺潘大志
- 关键词：函数优化
- 入侵杂草算法的一种改进实现
- 2017年
- 针对入侵杂草算法寻优精度不高、收敛速度慢和易早熟等缺陷,提出一种改进的入侵杂草算法。新算法将每个杂草的所有种子作为一个小生境,先对每个小生境进行学习算子操作,再引用复合形法引导种群进行协同寻优,最后对种群进行有向的扰动操作,从而得出最优解。实验测试表明,新算法在寻优效率、解的稳定性和鲁棒性等方面都较好。
- 陈林潘大志
- 关键词：小生境学习算子复合形法
- 量子粒子群算法的改进实现被引量：7
- 2013年
- 为了进一步提高量子粒子群算法的精度,从描述粒子状态波函数的δ势阱特征长度L(t)出发,重新修改其评价方式。通过给群体中的每个粒子引入随机权重,生成随机权重平均最优位置来重新评价L(t),以增强算法的随机性,帮助算法逃离局部极小值点的束缚,使算法尽快找到全局极值点。通过几个典型函数测试表明,改进算法的收敛精度优于QPSO算法,并且具有很强的避免陷入局部极值点的能力。
- 潘大志刘志斌
- 关键词：粒子群优化量子粒子群优化
- 改进遗传算法解决TSP问题被引量：10
- 2016年
- 针对基本遗传算法收敛速度慢,易早熟等问题,提出一种改进的遗传算法。新算法利用贪婪思想产生初始种群来加快寻优速度,用贪婪思想来引导交叉操作,在交叉操作之前,把当前较差的一半种群替换成随机种群,最后用改进的变异算子和进化逆转操作进行寻优,利用新的遗传算法求解基本的旅行商问题。仿真结果表明,改进的遗传算法具有全局搜索能力强、收敛速度快的特点,优化质量和寻优效率都较好。
- 陈林潘大志
- 关键词：遗传算法旅行商问题
- 折扣{0-1}背包问题的简化新模型及遗传算法求解被引量：9
- 2019年
- 当前折扣{0-1}背包问题(D{0-1}KP)模型将折扣关系作为一个新的个体,导致求解过程必需采取修复法对个体编码进行修复,求解方式较少。针对求解方法单一的问题,通过改变模型中二进制的编码表达方式,提出折扣关系不在个体编码中的表达方法。首先,设定对任意折扣关系,当且仅当所涉及个体编码值同时为1(即其乘积为1)时,折扣关系成立,据此建立简化折扣{0-1}背包问题(SD{0-1}KP)模型;然后,针对SD{0-1}KP模型,基于杰出者保留策略(EGA),结合贪心策略(GRE),提出改进遗传算法——第一遗传算法(FG);最后,再结合罚函数法,提出求解SD{0-1}KP高精度罚函数法——第二遗传算法(SG)。结果表明,SD{0-1}KP能够完全覆盖D{0-1}KP问题领域,与FirEGA相比,所提出的两类算法在求解速度方面优势明显,且SG算法首次引入罚函数法,有效地丰富了该问题的求解算法。
- 杨洋潘大志刘益谭代伦
- 关键词：贪婪策略数学模型遗传算法
- 一种求解TSP问题的改进遗传蚁群算法被引量：8
- 2017年
- 旅行商问题(TSP)是一种经典的组合优化问题。传统的蚁群算法运用正反馈和分布式计算机制,具有较强的鲁棒性。但是该算法搜索时间长、易出现早熟停滞现象。因此本文根据旅行商问题的模型特点,在蚁群算法的基础上针对TSP问题提出了一种新型的改进蚁群算法:即变参数选择城市策略,并且在交叉策略中选择PMX(Partially Matched Crossover)交叉策略。实验结果表明,与传统基本蚁群算法和遗传算法相比,能够较快地找到最优解,解的质量也相对较好,因此提高了蚁群算法对TSP问题的求解效率。
- 徐练淞潘大志
- 关键词：蚁群算法群体智能旅行商问题遗传算法
