共查询到19条相似文献,搜索用时 171 毫秒
1.
2.
3.
4.
多粒子群协同进化算法是一种群智能算法,具有智能性、通用性、并行性和全局搜索能力,能够很好地解决全局寻优问题,但其保持粒子多样性的机制和协同进化的机制有待做进一步的改进.为了进一步提高多粒子群协同进化算法的寻优效率,提出了一种结合极值优化的多粒子群协同进化算法,它将多粒子群协同进化算法的全局搜索能力与极值优化算法的局部搜索能力进行了结合.最后通过实验验证了该算法的有效性. 相似文献
5.
6.
针对运用单目标优化算法求解基于 QoS 的 Web 服务选择问题的不足,设计了一种新的 QoS 全局最优Web 服务选择算法.该算法同时优化组合服务的多维 QoS 属性的多个目标函数,并产生 QoS 全局最优的 Pareto 最优解集.首先建立服务选择问题的多目标优化数学模型,然后采用归档式多目标模拟退火设计该算法以优选 Web服务.实验结果表明了该算法是可行的,实现了全局 QoS 最优化的组合服务. 相似文献
7.
针对模糊C-均值(FCM)聚类算法易陷入局部极小值和对初始值敏感的缺点,本文提出了一种基于粒子群优化的模糊聚类算法.该算法利用粒子群强大的全局寻优能力,克服了模糊C-均值聚类算法的不足.实验结果表明,该算法具有很好的全局收敛性和较快的收敛速度. 相似文献
8.
针对光伏阵列在阴影下具有多个最大功率点,而传统的优化算法不能有效跟踪全局最大功率点的问题,提出了一种基于粒子群优化算法的跟踪算法,在Matlab平台上利用M函数对光伏阵列和跟踪算法进行编程。仿真结果表明:该控制算法不仅具有跟踪速动快、稳态精度高的特点,而且能够跟踪全局最大功率点,比传统的优化算法更有优势。 相似文献
9.
10.
差分进化算法是一种有效求解全局优化问题的方法,为进一步提高求解精度,加快求解过程,文中提出一种梯度策略自适应差分进化算法。该算法是在差分进化算法中加入梯度下降法,使其不仅有较好的全局搜索能力,且具有传统优化方法的快速局部搜索能力,因此具有较高搜索精度和较快的搜索过程。通过对CEC2005测试集中的1~14号测试函数进行仿真实验,并与SaDE,NSDE以及CMAES等算法实验结果进行了对比,结果表明了该算法的有效性。 相似文献
11.
12.
13.
针对云无线接入网络(C-RAN)的资源分配问题,该文采用max-min公平准则作为优化准则,以C-RAN用户的能量效率作为优化目标函数,在满足最大发射功率和最小传输速率约束条件下,通过最大化最差链路的能量效率来实现用户发射功率和无线远端射频单元(RRHs)波束成形向量的联合优化。上述优化问题属于非线性、分式规划问题,为了方便求解,首先将原优化问题转化为差分形式的优化问题,然后通过引入变量将差分形式的、非平滑优化问题转化为平滑优化问题。最终,提出一种双层迭代功率分配和波束成形算法。在仿真实验中,将该文算法与传统的非能效资源分配算法和能量效率最大化算法进行了比较,实验结果证明该文算法在改进C-RAN能量效率和提高资源分配公平性方面的有效性。 相似文献
14.
针对监控视频中运动目标实时特征提取的需求,在目标检测与特征提取串行算法的基础上,提出了基于OpenMP和多核CPU平台的三层并行优化算法。首先,在算法顶层,将串行算法抽象为两个模块组成的流水线,提出了流水线并行优化算法和相应的缓存管理策略;接着,在算法中层,考虑到特征提取模块中各子模块的功能独立性,设计了功能划分并行优化算法;最后,在算法底层,利用纹理特征提取模块的数据独立性,提出了数据划分并行优化算法。实验结果表明,该三层双模块并行优化算法在四核CPU平台上获得了接近Amdahl极限的加速比,基本实现了实际监控视频中运动目标检测与特征提取的实时处理。该多层次多模块并行优化方法普遍适用于串行算法在多核平台上进行并行优化的分析。 相似文献
15.
针对现有算法在大空间和高维度寻优存在效率较低的问题,提出一种区间长度可变的反向混沌优化算法,并证明了该算法以概率1收敛于全局最优解.算法采用区间长度可变的反向优化策略,利用反向优化方法增大算法进化过程的多样性,使优化的变量区间不断减小.同时,提出基于Fuch混沌映射的反向混沌优化策略增大算法逃逸局部极值的能力,以及两级优化策略提高算法执行后期的寻优精度.通过22个基准函数测试结果表明,本文提出的算法与改进的混沌优化算法以及其他智能优化算法相比,其搜索的综合性能要优于其他算法. 相似文献
16.
17.
18.
19.
In this paper we consider user scheduling, ordering and transmit covariance matrix optimization problems under successive zero-forcing (SZF) precoding for multiuser multiple-input multiple-output downlink. We propose a heuristic user scheduling metric and an intermediate user grouping technique to develop a low complexity greedy scheduling algorithm. A suboptimal user ordering technique is also proposed for transmit covariance matrix optimization under SZF. Proposed algorithm is of low complexity, but performs closely to the highly complex exhaustive search algorithm. For transmit covariance optimization under SZF, a dirty paper coding based algorithm has been previously proposed, which is computationally very complex. In this paper, we propose a suboptimal but much simplified algorithm, which employs an iterative procedure similar to a known multiple access channel (MAC) covariance optimization algorithm, but does not involve multiple levels of covariance matrix transformations. With the proposed suboptimal user ordering the exhaustive search through all possible user orders is avoided during transmit covariance matrix optimization resulting in a significant complexity reduction, and without a significant performance penalty. Simulation results show that the proposed algorithm performs very close to the known algorithm in the low SNR region. 相似文献