您的位置： 专家智库 > >

邝达

作品数：7 被引量：77H指数：3
供职机构：清华大学更多>>
发文基金：国家自然科学基金湖南省自然科学基金教育部留学回国人员科研启动基金更多>>
相关领域：自动化与计算机技术理学经济管理更多>>

合作作者

文献类型

  • 5篇期刊文章
  • 1篇学位论文
  • 1篇会议论文

领域

  • 6篇自动化与计算...
  • 2篇理学
  • 1篇经济管理

主题

  • 4篇多目标遗传算...
  • 4篇遗传算法
  • 2篇多目标
  • 2篇多目标进化
  • 2篇收敛性
  • 2篇极坐标
  • 1篇多目标进化算...
  • 1篇多目标优化
  • 1篇多目标优化问...
  • 1篇多样性
  • 1篇运行时间
  • 1篇运行效率
  • 1篇支配
  • 1篇支配集
  • 1篇时间复杂度
  • 1篇搜索
  • 1篇搜索空间
  • 1篇排序
  • 1篇排序函数
  • 1篇最优解集

机构

  • 6篇湘潭大学
  • 1篇清华大学
  • 1篇中国科学院

作者

  • 7篇邝达
  • 5篇郑金华
  • 1篇张敏
  • 1篇刘奕群
  • 1篇史忠植
  • 1篇马少平
  • 1篇茹立云
  • 1篇蒋浩
  • 1篇花贵春

传媒

  • 3篇计算机工程与...
  • 1篇高技术通讯
  • 1篇软件学报
  • 1篇第十一届中国...

年份

  • 1篇2011
  • 1篇2008
  • 1篇2007
  • 2篇2006
  • 2篇2005
共 7 条 记 录，以下是 1-7
全选 清除 导出
排序方式：
一种基于极坐标聚类的多目标遗传算法
本文介绍了一种基于极坐标的聚类方法,提出了一种新的多目标遗传算法(PC-MOEA).通过实验我们将PC-MOEA同目前2个主流多目标遗传算法(NSGA2和SPEA2)进行了性能比较.实验结果表明了PC-MOEA的分布性和...
邝达郑金华
关键词：多目标遗传算法收敛性
文献传递
用擂台赛法则构造多目标Pareto最优解集的方法被引量：63
2007年
针对多目标进化的特点,提出了用擂台赛法则(arena’s principle,简称AP)构造多目标Pareto最优解集的方法,论证了构造方法的正确性,分析了其时间复杂度为O(rmN)(0
郑金华蒋浩邝达史忠植
关键词：多目标进化擂台赛法则PARETO最优解集运行效率
面向排序学习的特征分析的研究被引量：7
2011年
排序是信息检索中一个重要的环节,当今已经提出百余种用于构建排序函数的特征,如何利用这些特征构建更有效的排序函数成为当今的一个热点问题,因此排序学习(Learning to Rank),一个信息检索与机器学习的交叉学科,越来越受到人们的重视。从排序特征的构建方式易知,特征之间并不是完全独立的,然而现有的排序学习方法的研究,很少在特征分析的基础上,从特征重组与选择的角度,来构建更有效的排序函数。针对这一问题,提出如下的模型框架:对构建排序函数的特征集合进行分析,然后重组与选择,利用排序学习方法学习排序函数。基于这一框架,提出四种特征处理的算法:基于主成分分析的特征重组方法、基于MAP、前向选择和排序学习算法隐含的特征选择。实验结果显示,经过特征处理后,利用排序学习算法构建的排序函数,一般优于原始的排序函数。
花贵春张敏邝达刘奕群马少平茹立云
关键词：排序函数
多目标遗传算法中解集分布度保持策略的研究
由于多目标遗传算法能够通过一次运行找到一组多目标优化问题的Pareto折衷解，所以受到了国内外众多研究者的广泛关注。一个多目标遗传算法的优劣主要看三个指标：解集收敛程度，解集分布度以及时间消耗。其中良好的解集分布度能够让...
邝达
关键词：多目标遗传算法极坐标搜索空间
文献传递
一种具有可控性能的多目标遗传算法被引量：1
2006年
文章基于极坐标的支配概念来描述多目标遗传算法中解之间的优劣关系,并由此提出了一种新的多目标遗传算法(PMOEA)。该算法可以通过参数的调节,让决策者在解的收敛性和分布性之间作折衷选择。在实验部分将PMOEA和NSGA2进行了性能比较,结果证实了PMOEA的性能可控性。
邝达郑金华
关键词：支配多目标遗传算法收敛性分布性
一种快速构造非支配集的方法——擂台法则被引量：5
2005年
多目标进化算法是用来解决多目标优化问题的,为了提高多目标算法的效率,提出了一种快速构造非支配集的方法--擂台法则.它的时间耗费要低于Deb和Jensen提出的构造非支配集的方法.在实验中将擂台法则同Deb和Jensen的方法进行了比较,最后实验结果证明前者在运行时间上要优于后两者.
邝达郑金华
关键词：支配集多目标优化问题多目标进化算法运行时间DEB
一种基于极坐标的分布度保持策略被引量：1
2008年
将极坐标的思想引入多目标遗传算法来保持解的多样性,由此提出了一种新的多目标遗传算法:PCGA2(Polar Coordinates Genetic Algorithms Ⅱ);分析了基于极坐标的分布度保持策略的时间复杂度,并通过实验将PCGA2同当前流行的两种多目标遗传算法(NSGA2和SPEA2)进行了比较。实验数据表明该算法不仅在时间耗费上比较低,而且所得到的解具有非常好的分布度。
曾映兰邝达郑金华
关键词：多目标遗传算法多样性时间复杂度
全选 清除 导出
共1页<1>
聚类工具0