共查询到20条相似文献,搜索用时 309 毫秒
1.
基于仿生理论的几种优化算法综述 总被引:2,自引:1,他引:1
简要介绍了目前比较流行的三种新型仿生优化算法,即人工鱼群算法、免疫算法和禁忌搜索算法,就这些算法的特点和异同进行了分析,并对它们的发展进行了进一步的阐述,提出了今后的研究方向。 相似文献
2.
蚁群算法和遗传算法的融合是目前的研究热点之一,因此研究不同的遗传蚁群融合算法对算法的选择及其改进具有积极的意义.研究了遗传算法的编码方式、交叉方式及变异操作和蚁群算法的原理,且着重研究了遗传蚁群混合算法、蚁群遗传混合算法、同遗传算法整合的蚁群算法等三种融合算法,并应用这三种算法在求解航迹规划问题上进行了仿真研究,对所得的最优解从精度和快速性对其进行了分析和比较,可以得出遗传蚁群算法快速性最好但精度稍差,同遗传算法整合的蚁群算法精度最好但比较费时,蚁群遗传算法的精度和快速性介于前两种算法之间. 相似文献
3.
4.
体育竞猜选票的统计算法研究 总被引:1,自引:0,他引:1
该文对体育选票问题中的不同选票数、选票的理论平均得分进行了计算和论证,给出了选票统计处理的三种算法:名次比较算法、分档比较算法和分值算法,并对这三种算法的运算效率进行了分析比较。 相似文献
5.
6.
于林 《计算机光盘软件与应用》2011,(7)
栈是一种非常重要的数据结构,递归、函数调用都离不开栈.对栈的输出研究是栈的一个主要研究内容.本文对三种常见算法进行了比较,并给出了最优算法的具体实现方法. 相似文献
7.
分析了标准BP算法存在的问题,对ABPM、HBP、LMBP三种改进的BP算法进行了研究,以企业战略预警系统为例,分别用改进算法进行仿真,从收敛速度、收敛精度等方面进行比较分析。仿真结果表明,三种改进算法均不同程度解决了标准BP算法存在的收敛速度慢、容易陷入局部极小等问题,其中LMBP算法达到的效果是最优的。 相似文献
8.
约束满足问题是人工智能领域的重要研究方向,其求解方法有三种,搜索、一致性算法和约束传播,其中一致性算法通常通过缩减问题域来提高搜索算法的效率.着重介绍了几种常用的一致性算法,并对几种常用算法进行了分析、比较和研究. 相似文献
9.
本文研究了RFID系统中阅读器冲突问题,分析了三种阅读器冲突问题,并给出了冲突模型。对目前已有的阅读器防冲突算法进行了分析比较,并在Pulse算法的基础上提出了一种改进型的算法,降低了阅读器在控制通道里的冲突概率并提高了阅读器阅读速率,对该算法的理论分析表明,该算法适合于移动式阅读器网络或手持式阅读器的应用。 相似文献
10.
介绍了Round Robin(RR),Weighted Round Robin(WRR),Least Connection(LC)和Weighted Least Connection(WLC)四种负载均衡算法,对这四种算法进行性能仿真。根据模拟得到的相关数据绘制各个算法的负载均衡度性能曲线,并对每个算法进行了性能分析。在此基础上设置三种不同的模拟模型,对四种算法进行更深入的测试和性能比较。 相似文献
11.
12.
13.
14.
15.
16.
利用粒子群算法的快速收敛性和差分进化算法的搜索精度较高等特点,提出了一种新的混合优化算法。该算法在粒子群算法的中后期,在已经寻找到的最优位置周围,随机生成一定数量的粒子进行差分进化算法,可以减少一定的运算量和在较优的区域进行寻找最优解。通过几个Benchmark函数的测试证明,新的混合算法具有搜索精度更高和更快收敛的优点。 相似文献
17.
机器人路径规划一直是机器人学领域的一个非常重要的研究课题。提出了一种基于蚁群粒子群算法融合的机器人全局路径规划算法,该方法有效地结合了蚁群算法和粒子群算法的优点,利用粒子群算法的快速简洁等特点得到蚁群算法初始信息素分布;然后利用蚁群算法的并行性、正反馈性、求解精度高等优点,求得全局最优解。仿真实验结果证明了该方法的有效性和可行性。 相似文献
18.
19.
一种求解高维约束优化问题的γ-PSO算法 总被引:1,自引:0,他引:1
PSO算法是一种随机搜索的群体智能算法,在求解高维约束优化问题,尤其是在约束条件较多时,PSO算法易陷入局部极值且收敛速度慢。针对上述问题,对PSO算法进行了改进,提出了γ-PSO算法,把PSO算法的随机数由(0,1)扩展到(-1,1),这样加大了粒子飞行速度和飞行方向的多样性,从而使PSO算法具有摆脱局部极值的能力。对γ-PSO算法进行了求解高维约束优化问题的实验,实验结果表明γ-PSO算法能收敛到全局最优值,收敛性能明显优于其他改进的PSO算法和其他优化算法。 相似文献
20.
折扣{0-1}背包问题(Discounted {0-1} Knapsack Problem,DKP)是一个NP-困难的组合优化问题,尽管已经存在一些求解DKP的智能优化算法,但目前尚没有用蚁群优化(Ant Colony Optimization,ACO)算法求解DKP的研究。提出了一个求解DKP的改进ACO(Modified ACO,MACO)算法。MACO算法使用整数编码以保证每组物品最多只有一个物品被选中,在MACO算法构造解的每一步,采用组内竞争选择来降低算法的时间复杂性,对计算选择概率的公式,放弃启发式信息以减少参数并简化算法参数设置,对蚂蚁构造出的解,经修复后使用基于价值密度和价值的混合贪婪优化算子来提高算法的寻优能力。在四类测试用例上对MACO算法进行了测试并与其他算法进行比较,实验结果表明MACO算法的性能明显优于其他算法。 相似文献