首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 406 毫秒

1.  多阶段输电网络最优规划的并行蚁群算法  
   翟海保  程浩忠  吕干云  陈春霖  江峰青  房领峰《水电自动化与大坝监测》,2004年第28卷第20期
   多阶段输电网络最优规划是一个复杂的非线性组合优化问题,难以采用传统的数学优化方法求解。蚁群算法是近年来出现的用于解决组合优化问题的一种高效的内启发式搜索技术,但存在着未成熟收敛问题。文中给出了多阶段输电网络最优规划的数学模型及其解的向量形式;详细分析了传统蚁群算法的未成熟收敛现象及其原因;提出一种并行蚁群算法并用于求解多阶段输电网络最优规划问题。并行蚁群算法无需初始可行解,能很好地协调局部搜索与全局搜索,在加快计算速度的同时有效地避免了因参数设置、种群规模等不同而引起的未成熟收敛。对实际算例的计算结果表明,该方法具有很高的计算效率和良好的全局收敛性。    

2.  多阶段输电网络最优规划的并行蚁群算法  被引次数:15
   翟海保  程浩忠  吕干云  陈春霖  江峰青  房领峰《电力系统自动化》,2004年第28卷第20期
   多阶段输电网络最优规划是一个复杂的非线性组合优化问题,难以采用传统的数学优化方法求解。蚁群算法是近年来出现的用于解决组合优化问题的一种高效的内启发式搜索技术,但存在着未成熟收敛问题。文中给出了多阶段输电网络最优规划的数学模型及其解的向量形式;详细分析了传统蚁群算法的未成熟收敛现象及其原因;提出一种并行蚁群算法并用于求解多阶段输电网络最优规划问题。并行蚁群算法无需初始可行解,能很好地协调局部搜索与全局搜索,在加快计算速度的同时有效地避免了因参数设置、种群规模等不同而引起的未成熟收敛。对实际算例的计算结果表明,该方法具有很高的计算效率和良好的全局收敛性。    

3.  基于差分和声搜索算法的输电网差异化规划  
   聂宏展  赵丹  郑鹏飞  赵鹏《电测与仪表》,2015年第13期
   自然灾害的发生会对输电网产生严重的影响,传统的输电网规划未计及抗灾能力,使得在灾害情况下,电网大面积停电。针对抗灾型输电网规划的要求,建立了满足刚性负荷持续、可靠供电的输电网差异化规划模型。分析了和声搜索算法随着优化问题维数的增加,求解的精度和收敛速率得到了明显地降低,并针对易陷入局部寻优的现象,分析其原因设计了差分和声搜索算法。算法利用和声记忆库中其他解的有利信息,保证记忆库中解空间的多样性,改进了搜索机制,从而提高了算法的搜索能力。通过巴西南部46节点算例分析验证了模型及算法的可行性,为进一步研究输电网抗灾能力打下了基础。    

4.  遗传混合算法路径规划研究  
   马江涛《信息与电脑》,2010年第2期
   遗传算法和蚁群算法被广泛应用于路径规划,但遗传算法收敛速度慢,蚁群算法易陷入局部最优,在求解旅行商问题上都有一定的缺陷。本文采用遗传与蚁群混合算法,充分利用遗传算法的快速全局搜索能力和蚁群算法的智能性,用蚁群算法迭代每只蚂蚁走过的路径序列作为遗传算法的初始种群,克服随机选择的盲目性,从而提高算法的性能。仿真计算结果表明,该算法可以找到最优解或近似最优解,并提高了求解效率。    

5.  配网规划中加入扰动策略的蚁群算法  被引次数:3
   杨丽徙  张丹  王家耀  王志刚  宋冰《继电器》,2005年第33卷第9期
   作为一种求解组合优化问题的启发式方法,基本蚁群算法以其正反馈、并行计算和鲁棒性强等优点被许多领域的专家所关注;但是如果正反馈应用不得当,也会出现搜索时间过长或陷入局部最优解的情况。为此,提出采用加入扰动策略的蚁群算法,通过对各计算因子的动态调整,控制其正反馈过程和算法的搜索区域,以提高蚁群算法得到全局最优解的概率和收敛速度。配网规划的应用算例证明了这一改进的有效性。    

6.  配网规划中加入扰动策略的蚁群算法  
   杨丽徙  张丹  王家耀  王志刚  宋冰《电力系统保护与控制》,2005年第33卷第9期
   作为一种求解组合优化问题的启发式方法,基本蚁群算法以其正反馈、并行计算和鲁棒性强等优点被许多领域的专家所关注;但是如果正反馈应用不得当,也会出现搜索时间过长或陷入局部最优解的情况.为此,提出采用加入扰动策略的蚁群算法,通过对各计算因子的动态调整,控制其正反馈过程和算法的搜索区域,以提高蚁群算法得到全局最优解的概率和收敛速度.配网规划的应用算例证明了这一改进的有效性.    

7.  双态免疫优势蚁群算法及其在TSP中的应用研究  
   刘朝华  张英杰  李小花  吴建辉《小型微型计算机系统》,2010年第31卷第5期
   通过分析标准蚁群算法易于出现早熟停滞现象,该文提出一种高效收敛的算法-双态免疫优势蚁群算法.该算法将蚂蚁分成两种状态,扩大了解的搜索空间,有效抑制了收敛过程中的早熟停滞现象,将禁忌表中的抗体通过克隆扩增、高频变异等免疫算子操作得到精英蚂蚁,再对抗体记忆库引入局部最优免疫策略.针对TSP实验结果表明:该算法与最新的改进蚁群优化算法相比,其收敛速度及求解精度均得到了提高.    

8.  一种求解TSP问题的改进蚁群算法  被引次数:2
   王娟  王建《计算机技术与发展》,2008年第18卷第12期
   针对基本蚁群算法存在收敛速度慢,易陷于局部最优解等缺点,提出了一种求解旅行商(TSP)问题的改进蚁群算法.通过在基本蚁群算法中提出保留最优解和引入个体差异策略的改进方法,有效地抑制了算法收敛过程中的停滞现象,提高了全局搜索能力和解的质量.TSPLIB的实例验证了该改进算法的有效性.    

9.  一种求解TSP问题的改进蚁群算法  
   WANG Juan  WANG Jian《微机发展》,2008年第12期
   针对基本蚁群算法存在收敛速度慢,易陷于局部最优解等缺点,提出了一种求解旅行商(TSP)问题的改进蚁群算法。通过在基本蚁群算法中提出保留最优解和引入个体差异策略的改进方法,有效地抑制了算法收敛过程中的停滞现象,提高了全局搜索能力和解的质量。TSPLIB的实例验证了该改进算法的有效性。    

10.  基于改进蚁群算法的输电网络扩展规划  被引次数:1
   程晓荣  叶显熠  梁玉泉  张铭泉《电力系统自动化》,2006年第30卷第20期
   针对基本蚁群算法在求解过程中经常出现搜索陷入局部最优解和收敛到全局最优解的时间较长这2个问题,对蚁群算法的转移概率和信息量全局更新进行了改进,提高了蚁群算法搜索全局最优解的能力与收敛到最优解的速度.将改进后的算法应用于单阶段输电网络扩展规划问题,建立了单阶段输电网络扩展规划的数学模型,设计了相应的算法.实例计算结果表明该方法的可行性和有效性.    

11.  改进的重叠蚁群优化算法  
   彭岳  ;王俊  ;谢斌福  ;张月峰  ;王崇骏《计算机科学与探索》,2014年第8期
   针对蚁群优化算法在进行全局最优解搜索时容易陷入局部最优解和收敛速度缓慢等缺陷,提出了一种有效求解全局最优解搜索问题的重叠蚁群优化算法。该算法通过设置多个重叠的蚁群系统,并对每一个蚁群初始化不同的参数,之后在蚁群之间进行信息素的动态学习,增强了不同蚁群对最优解的开采能力,避免了算法出现早熟现象。仿真实验结果表明,重叠蚁群优化算法在避免陷入局部最优解方面具有良好的效果,是一种提高蚁群算法性能的有效的改进算法。    

12.  自适应蚁群算法及其在边坡工程中的应用  被引次数:30
   陈昌富  龚晓南  王贻荪《浙江大学学报(自然科学版 )》,2003年第37卷第5期
   蚁群算法目前多用于求解组合优化问题,为了让蚁群算法能求解复杂的边坡稳定性分析问题,对基本蚁群算法的结构形式和蚂蚁转移概率的计算进行了改进,针对蚁群算法在演化过程中存在停滞和过早收敛的现象,引入一种自适应搜索算子,改变蚂蚁的选择机制,提高蚂蚁选择的多样性,并由此构建了一种新的蚁群算法——自适应蚁群算法(AACA),研究了AACA在边坡非圆弧临界滑动面搜索中的应用,所给出的算例结果表明:与基本蚁群算法相比,可有效地防止停滞和过早收敛现象,并总能搜索到问题的全局最优解,且搜索效率也有较大的提高。    

13.  基于改进蚁群算法的"N-1"安全输电网优化规划  被引次数:1
   罗毅  贺国庆  郭铁能《电力系统及其自动化学报》,2008年第20卷第3期
   满足N-1安全准则的输电网络扩展规划是一个复杂的非线性组合优化问题。蚁群算法是一种解决组合最优化问题的高效的启发式方法,但容易出现停滞和陷入局部最优。为此,结合满足N-1安全准则的输电网络规划问题的特点,用罚函数方法建立了网络扩展规划性能指标。通过改变蚁群算法中信息增量的选择方法,有效地减小了算法的全局搜索能力和计算效率之间的矛盾。该方法不需初始可行解,在提高计算效率的同时加大了找到全局最优解的概率。通过对IEEE-6节点和IEEE-24节点两个算例的测试,验证了这种方法能有效地解决直接求解满足N-1安全检验的输电网最优扩展规划问题。    

14.  基于改进蚁群算法的纳什均衡求解  
   王志勇  韩旭  许维胜  杨继君《计算机工程》,2010年第36卷第14期
   在基本蚁群算法寻优机制的基础上,提出一种用于求解有限n人非合作博弈的纳什均衡解的改进蚁群算法。在全局搜索中,引入遗传算法中的交叉和变异操作提高算法的全局搜索能力。在局部搜索中,嵌入动态随机搜索技术使算法加速收敛到最优解,并通过引入控制步长调整随机搜索向量,保证蚁群始终在混合策略空间内。算例测试结果表明,与传统的遗传算法相比,该算法具有更好的计算性能。    

15.  基于粒子群算法改进视角下输电网规划的优化  
   陈达波《电子游戏软件》,2014年第17期
   粒子群算法作为当前进化算法中的最新模式,主要通过记忆与反馈机制来实现高效快速的搜索,以其全局最优性、迅捷性、收敛性等特点为解决大规模的数学问题提供了技术支持。输电网扩展规划作为一个非常庞大的函数问题,需要借助粒子群算法来实现输电网总体规划的优化。然而,粒子群算法在具体的应用实践中也存在着诸多不足之处,包括易在早期成熟收敛导致出现局部最优不足,并对输电网规划的优化产生偏差。本文正是基于此,探讨在粒子群算法改进视角下,输电网规划的优化方案。    

16.  改进的模糊C-均值聚类算法  被引次数:2
   关庆  邓赵红  王士同《计算机工程与应用》,2011年第47卷第10期
   为了克服模糊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,提出了一种基于改进量子蚁群的模糊聚类算法。将量子计算原理和蚁群算法相结合来改进FCM算法。初期采用量子遗传算法生成信息素分布,后期利用蚁群算法的全局搜索性、并行计算性等特点避免聚类陷入局部最优解。实验证明该算法保证了种群的多样性,有较好的全局收敛性,克服了模糊C-均值聚类算法的不足,能有效解决未成熟收敛的问题,使聚类问题最终快速、有效地收敛到全局最优解。    

17.  基于路径交换的求解TSP混合蚁群算法  
   林冬梅 王东《计算机应用》,2007年第27卷第10期
   将蚁群算法与局部搜索优化算法结合,可抑制蚁群算法早熟收敛问题,并能提高蚁群算法的收敛速度。通过建立有效的局部搜索优化算法的参照优化边集,提高其求解质量和效率;引入路径交换策略提高蚁群算法的收敛速度和寻优能力。实验结果表明改进的混合蚁群算法能求解规模在2000个城市以内的旅行商问题的全局最优解。    

18.  基于计算资源效率分配的多种群中心解搜索电网规划算法  被引次数:4
   高赐威  程浩忠  王旭《中国电机工程学报》,2004年第24卷第10期
   分析了现代启发式算法易陷入局部最优及计算效率不高的原因,提出了计算资源依搜索效率合理分配的全新概念。给出了多种群中心解搜索电网规划算法。该算法基于多解群按效率获得计算资源,借鉴免疫算法的记忆细胞设置,但改点记忆为面记忆,具有更高的记忆效率,能够有效地识别并记忆局部最优解,利用对解间距离的信息熵量度,抑制搜索陷入局部最优,具有优秀的局部搜索能力和全局搜索能力。算例表明该文算法的有效性。    

19.  求解TSP的改进蚁群算法*  被引次数:1
   侯文静  马永杰  张燕  石玉军《计算机应用研究》,2010年第27卷第6期
   针对蚁群算法存在的搜索时间长、易限于局部最优解等缺陷,提出了一种改进的蚁群算法。通过在初始化信息素矩阵中采用候选城市列表减少劣质解,在局部搜索中采用聚类进行二次搜索,缩小了算法的搜索范围、改善了解空间的质量,提高了搜索速度。仿真结果表明,改进后的蚁群算法在TSP的求解中,收敛速度和全局寻优能力均得到较大的提高。    

20.  基于信息素强度的改进蚁群算法  
   郑卫国  田其冲  张磊《计算机仿真》,2010年第27卷第7期
   现有的基本蚁群算法和MMAS算法都存在收敛速度慢、易陷于局部最优解等缺点,为了提高算法搜索效率,提出了一种求解旅行商问题的改进蚁群算法.在基本蚁群算法和MMAS算法的基础上,通过对蚂蚁进行区分,直接控制信息素的浓度,并进行有选择的更新,有效地抑制了算法收敛过程中的停滞和早熟现象,提高了全局搜索能力和解的质量.最后通过经典的CTSP31实例验证了该改进算法的有效性,仿真实验结果表明,它在最优解、平均解和最优迭代次数等性能上比经典蚁群算法都有较大的改善.    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号