公共文化服务平台

共 9 条记录，以下是 1-9

全选清除导出

排序方式：

基于三角的骨架差分进化算法被引量：11: 2015年; 差分进化(differential evolution,DE)算法简单高效,但其控制参数和差分变异策略对待解的优化问题较为敏感,对问题的依赖性较强.为克服这一缺陷,提出了一种新的基于三角的骨架差分进化算法(bare-bones differential evolution algorithm based on trigonometry,tBBDE),并使用随机泛函理论分析了算法的收敛性.算法采用了三角高斯变异策略以及三元交叉和交叉概率自适应策略对个体进行更新,并在收敛停滞时进行种群扰动,算法不仅继承了骨架算法无参数的优点,而且还很好地保留了DE算法基于随机个体差异进行的特性.通过对包括单峰函数、多峰函数、偏移函数和高维函数的26个基准测试函数的仿真实验和分析,验证了新算法的有效性和可靠性,经与多种同类的骨架算法以及知名的DE算法在统计学上的分析比较,证明了该算法是一种具有竞争力的新算法.; 彭虎吴志健周新宇邓长寿; 关键词：差分进化高斯变异全局优化

基于RDD的分布式粒子群优化算法被引量：4: 2016年; 在演化计算领域,粒子群优化算法具有易实现、收敛快、调参少等优点.但是随着问题规模的增大,粒子群优化算法易陷入求解精度不高、耗时过长的窘态,因此本文提出一种基于弹性分布式数据集(Resilient Distributed Datasets,RDD)的分布式粒子群优化算法.该算法采用岛模型将种群分解为若干个岛屿,即子种群,然后使用RDD并行数据结构将整个种群并行化,使得每个岛屿对应RDD中的一个分区,借助RDD的分区并行,实现了粒子群优化算法在分布式平台上的并行.最后,对包括单峰函数和多峰函数在内的11个标准测试函数,将该算法与多种改进的PSO算法进行了比较实验与分析,结果表明该算法求解精度高且加速效果明显.; 程磊生吴志健彭虎吴双可邓长寿王则林; 关键词：粒子群优化岛模型并行计算

一种精英反向学习的差分演化算法被引量：12: 2013年; 为提高差分演化算法的性能,提出一种精英反向学习策略的差分演化算法.该算法以一定的概率通过反向学习生成种群中精英个体的反向解,引入一般化系数k,构造动态搜索边界下的反向群体形成反向搜索空间,之后同时评估当前种群与反向种群的解来指导算法的搜索空间向包含全局最优解的空间逼近,有利于均衡算法的勘探与开采能力.对13个典型的测试函数进行实验,将本文算法与5种代表性的差分演化算法进行对比,结果表明本文算法不仅在求解精度上更优,在收敛速度上也有非常大的优势.; 周新宇吴志健王晖; 关键词：差分演化算法搜索空间种群多样性

一种带正弦函数因子的粒子群优化算法被引量：9: 2015年; 粒子群优化算法(particle swarm optimization,PSO)具有实现简单、在演化前期收敛速度快等优点,但在演化后期具有收敛速度慢、容易陷入局部最优以及精度低等不足.针对PSO算法容易陷入局部最优及精度低的不足提出一种带正弦函数因子的粒子群优化算法(TFPSO).该算法在PSO算法的位置更新方程中引入具有周期振荡性的正弦函数因子,使每个粒子位置获得周期振荡性,扩大搜索空间,更容易跳出局部最优,避免算法过早的收敛,找到最优值.实验研究表明,该算法不但实现简单、稳定而且提高了解的精度.; 邵鹏吴志健; 关键词：粒子群算法三角函数

基于改进PSO算法的Rosenbrock函数优化问题的研究被引量：13: 2013年; Rosenbrock函数优化属于无约束函数优化问题,其全局极小值位于一条平滑而狭长的抛物线形状的山谷底部,且为优化算法提供的信息很少,因此找到其全局极小值就显得很困难。根据Rosenbrock函数的这种特性,专门提出了一种改进的PSO算法(PSO-R),该算法引入三角函数因子,利用三角函数具有的周期振荡性,使每个粒子获得较强的振荡性,扩大每个粒子的搜索空间,引导粒子向全局极小值附近靠近,避免算法过早地收敛,陷入局部最优,从而找到Rosenbrock函数的全局极小值。大量实验结果表明,该算法具有很好的优化性能,为某些领域某些特定的类似于Rosenbrock函数的优化问题提供了一种新的思路。; 邵鹏吴志健; 关键词：无约束优化粒子群算法

基于反向学习的粒子群算法对线性相位低通FIR滤波器的优化被引量：2: 2015年; 将一种基于反向学习的改进粒子群优化算法(OPPSO)应用于设计具有线性相位的低通FIR数字滤波器。该算法通过求解粒子位置的反向解来增加找到最优解的概率,从而求得一组使所述滤波器最优的参数组合。同时,在试验中引入一种更具有现实意义的接近于理想滤波器的零相位滤波器作为对比。试验结果表明,该算法在设计线性相位低通FIR数字滤波器上具有良好的优化效果。; 邵鹏吴志健周炫余; 关键词：人工智能粒子群优化算法有限脉冲响应数字滤波器

一种精英反向学习的粒子群优化算法被引量：90: 2013年; 为解决传统粒子群优化算法易出现早熟的不足,提出了精英反向学习策略,引入精英粒子,采用反向学习生成其反向解,扩大搜索区域的范围,可增强算法的全局勘探能力.同时,为避免最优粒子陷入局部最优而导致整个群体出现搜索停滞,提出了差分演化变异策略,采用差分演化算法搜索最优粒子的邻域空间,可增强算法的局部开采能力.在14个测试函数上将本文算法与多种知名的PSO算法进行对比,实验结果表明本文算法在解的精度与收敛速度上更优.; 周新宇吴志健王晖李康顺张浩宇; 关键词：全局优化粒子群优化

一种邻域搜索的人工蜂群算法被引量：14: 2015年; 提出采用邻域搜索机制来改进人工蜂群算法的解搜索方程,从当前食物源的环形邻域拓扑结构中选择较优的邻居食物源进行开采,平衡算法的勘探与开采能力。此外,为保存侦察蜂的搜索经验,提出采用一般反向学习策略生成被放弃食物源的反向解,提高算法的搜索效率。在20个典型的benchmark函数上验证算法的性能,并与6种知名的改进算法进行对比。实验结果表明:本文算法在收敛速度和解的精度上均有较大优势。; 周新宇吴志健邓长寿彭虎; 关键词：全局优化人工蜂群邻域搜索

基于折射原理反向学习模型的改进粒子群算法被引量：23: 2015年; 对于粒子群优化算法易陷入局部最优的缺陷,反向学习策略对其的改进取得了较好的效果.然而,反向学习策略需要结合其它策略来提高算法后期的全局搜索能力,针对此缺陷,根据光的折射原理对反向学习策略的反向过程进行改进,提出反向学习的统一算法模型及基于折射原理反向学习模型的改进粒子群算法.实验与分析表明,与其它基于反向学习的粒子群算法相比,该模型更有效地改进了所提算法的全局搜索能力,提高了种群的多样性,从而提高了算法的收敛速度以及优化精度.; 邵鹏吴志健周炫余邓长寿; 关键词：智能优化算法粒子群优化算法

全选清除导出

共1页<1>

中央高校基本科研业务费专项资金(2012211020205)