共查询到20条相似文献,搜索用时 78 毫秒
1.
2.
本文介绍了当前网络路由中常用的计算智能方法,针对当前研究的现状提出了在群智能算法融合中需要解决的实际问题。进一步给出了群智能算法路在路由应用研究的方向,有助于算法早日规范,形成实际的路由协议。 相似文献
3.
微粒群优化算法在协同建筑设计中的应用 总被引:7,自引:0,他引:7
介绍了群体智能的特点、算法以及基于群体智能的多agent协同设计系统模型。重点介绍微粒群优化算法的原理,工作流程。最后,以一个建筑外观设计为实例,介绍了算法在协同建筑设计组装过程中的应用。 相似文献
4.
《电子技术与软件工程》2019,(23)
本文对群智能的理论内涵进行分析,然后从人工鱼群算法、蚁群算法以及粒子群算法三个角度分析群智能优化算法在移动机器人规划中的应用现状,然后对以上三种算法的性能做比较。 相似文献
5.
微粒群算法是继蚁群算法之后提出的又一种新型的进化计算技术,具有典型的群智能的特点。文中首先介绍了微粒群算法的基本原理、流程,在算法参数分析的基础上,运用测试函数对粒子在寻优过程中的轨迹的进行研究,有利于探讨微粒群算法的收敛性,全局和局部平衡性以及算法稳定性和复杂程度,对算法参数的选择提供有效的指导和借鉴意义。 相似文献
6.
7.
传统的练习题库常常会给出十几套甚至几十套复习题,但是学生在练习的过程中,往往很多知识点是重复的,比如IF语句的嵌套,学生在第一套题中已经做对了,表明学生已经掌握了这个知识点,但是在后面几套题中反复出现。学生需要对已经掌握的知识点进行反复练习,类似已经掌握的知识点的内容也同样不断地出现,然而学生没有掌握的知识点,做错一次,在后续练习中可能出现也可能不出现,对学生而言,需要加强的练习,并没有得到增强。针对这个问题,文章提出将蚁群算法引入到考试系统中,通过智能优化后的系统较之以前的系统,知识点的针对性更强,学生的提高更快。 相似文献
8.
智能路径优化方法可以被用于现代工程领域的路径选择、资源分配、经济评估等各个方面。为了便于根据实际情况进行算法选择,文中针对几种常用的智能路径选择优化方法进行了一定的分析研究。首先,阐述了几种不同算法的理论研究情况并给出了这些算法的基本实现流程,即:禁忌搜索算法、模拟退火算法、蚁群算法、粒子群算法、蜂群算法。对不同算法进行了优缺点对比。最后,分析了不同的算法的实际应用领域,提出了智能优化算法的发展趋势。 相似文献
9.
进化算法(EA)是模仿自然界生物进化或物种的社会行为而产生和发展的随机搜索方法,这种算法能够解决许多传统方法无法解决的大规模优化问题。本文简明介绍了三种基于进化的优化算法:遗传算法、蚁群优化算法和微粒群优化算法,并在原理、参数和应用方面对它们进行了对比。 相似文献
10.
粒子群优化算法及其应用 总被引:20,自引:0,他引:20
粒子群优化(PSO)算法是一种新颖的演化算法,它属于一类随机全局优化技术,PSO算法通过粒子间的相互作用在复杂搜索空间中发现最优区域。PSO的优势在于简单而又功能强大。介绍了基本的PSO算法、研究现状及其应用,并讨论将来可能的研究内容。 相似文献
11.
文中阐述了群体、群集、群体智能、群体控制以及群体系统等相关概念,综述了基于群体智能的自组织运动控制的相关研究工作和研究内容,包括群体控制系统模型的发展历程、群体控制中的各种群集控制策略和控制算法、群体控制系统的系统行为表现以及基于群体控制扩展的各类智能优化算法。最后文中提出了群体自组织运动控制研究的发展趋势。 相似文献
12.
为获取最优的救援路径,以提高救援的有效性和实时性,文中提出了一种粒子群蚁群融合算法。该算法在分析影响路径选择因素的基础上,运用模糊数学中的层次分析法评定了道路的权重,建立了消防灭火救援模型;使用粒子群算法快速获取次优解,将此次优解作为蚁群算法的初始信息素增量,并将求解出各段路径权重矩阵引入到优化后的蚁群算法状态转移概率的求解模型中来,再利用这种改进后的状态转移规则,且考虑行车速度时变性的基础上求解出模型的最优解。实验结果表明,该方法可以完成最佳救援路径的规划。 相似文献
13.
14.
15.
16.
17.
18.
19.
20.
微粒群优化算法(PSO)是一种基于种群的随机优化技术.将EDA算法与PSO算法结合起来,形成一种新的改进的算法(EPSO).算法将全局统计信息和全局最优解运用于解空间搜索,以期能更有效解决组合优化问题,最后将EPSO算法用于解决多维背包问题并进行了对比仿真实验.实验结果表明,在解决多维背包问题上,EPSO优于传统的PSO算法以及多种启发式智能算法,与此同时,EPSO算法使用更少的参数,因此更容易实现,运行更加稳定,效果更好. 相似文献