共查询到20条相似文献,搜索用时 112 毫秒
1.
基于遗传算法求解多目标优化问题Pareto前沿 总被引:7,自引:0,他引:7
该文给出了传统的求解多目标优化方法存在的问题,引入了当前研究多目标优化的新方法———基于遗传算法求解问题的pareto解,讨论了该方法要解决的关键问题———多样性保持及解决策略,并给出了一个求解pareto解集的新算法,算法简单、高效、鲁棒性强。最后给出了实验结果。 相似文献
2.
3.
4.
5.
EMOEA/D-DE算法在卫星有效载荷配置中的应用 总被引:1,自引:0,他引:1
针对卫星有效载荷配置问题,提出了一种基于差分进化分解的改进多目标优化算法(EMOEA/D-DE)的有效载荷配置模型。该模型将配置问题转化为以卫星数、卫星冗余度为目标的多目标优化问题(MOP),并采用EMOEA/D-DE进行求解。此外,针对随机均匀初始化会导致种群在目标空间分布过于集中的问题,采用与优化目标相结合的随机初始化方法进行改进。实验结果表明,该模型所求解集的平均差异性在0.05以内,分布度值在0.9以上,具有较好的稳定性及分布性,且改进后的算法收敛速度提升近1倍,所求解的近似Pareto前沿相对更优。 相似文献
6.
在求解两个目标以上的多目标优化问题时,基于Pareto支配的多目标进化算法多数需要较长的求解时间.基于固定权重的聚合函数方法求解速度快,但要确定一个适合待求解问题的合理权重是十分困难的,为了解决这一问题,将clonal选择算法与权重自适应方法相结合,提出了一种适用于多目标优化问题的权重自适应clonal选择算法.并将权... 相似文献
7.
为解决公交发车频率问题,给出了一种基于免疫克隆算法的公交发车频率优化方案。设计了公交发车频率问题的数学模型,给出了求解多目标优化的非劣邻域支配免疫克隆算法框架,并与文献中的算法进行了对比实验。实验结果表明,该算法能有效地解决公交发车频率问题,具有较好的应用价值。 相似文献
8.
9.
10.
传感器优化配置是装备健康管理(HM)的基础。考虑传感器失效对健康管理能力的影响,以传感器代价和漏检故障的危害程度最小为优化目标,以检测性能指标为约束条件,建立了传感器优化配置的模型;并针对传感器优化配置是一个多目标非线性整数规划问题,提出了基于扩展微粒子群优化算法的模型求解方法。应用实例表明了模型和算法的有效性。 相似文献
11.
研究在不使用局部搜索情况下参数组合对改进型蚁群算法的影响。以带时间窗的车辆路径问题为例,针对基于最大最小蚁群算法的改进蚁群算法中的五个参数,运用均匀设计法对最优参数配置问题进行了研究。仿真实验表明改进的蚁群算法效果明显,能有效解决Solomon数据集中的R类和RC类问题,且具有较强的鲁棒性。对最优参数的局部调整没有明显提高算法获取最优解能力的问题,分析了其可能的原因。 相似文献
12.
在分析了云制造环境下的产品配置典型过程的基础上,总结了云制造环境下参与 者及制造资源组织的特点,包括产品配置过程需要兼顾不同参与方的利益,以及在产品配置求 解过程中需要覆盖不同制造服务实例的差异化属性的基础,提出了面向云制造的个性化产品配 置技术框架,阐述了面向产品配置的云服务模型、基于关联规则挖掘的产品初步配置以及基于 蚁群算法的产品完整配置 3 个关键问题的求解方法,为云制造环境下开展个性化产品配置提供 了一种新的思路。在模型设计及方案求解过程中,以轮式装载机产品配置作为示例进行了阐述, 验证了该方法的有效性和可行性。 相似文献
13.
14.
为提高小波网络对定制产品成本估算的精度,在分析小波网络和蚁群算法基本原理基础上,对蚁群算法进行了改进,提出了基于改进自适应蚁群算法的小波网络学习算法。在对定制产品进行成本估算的实例研究中,得出该方法的收敛速度和求解精度都要优于其它传统学习算法,说明该方法在训练小波网络时具有更好的学习能力和估算精度。 相似文献
15.
16.
在分析选播通信服务的基础上,研究了蚁群算法在网络选播路由问题中的应用,提出了一种基于蚁群系统原理,用于解决有时延约束的选播路由问题。算法采用调整最优解路径上的信息素和算法重启策略,较好地解决了蚁群算法易于陷入局部最优的问题。仿真实验结果表明,该算法是有效且切实可行的,它可以在满足延时约束的条件下迅速找到最优解。 相似文献
17.
18.
传统的蚁群算法在路径规划中存在收敛速度慢、易陷入局部最优解等问题。针对这些缺陷,提出一种基于自适应概率选择模型的改进蚁群算法。最后,在Matlab2016a仿真软件中构建两种地图环境,对两种算法在不同环境下的适应性和寻优能力进行仿真实验。结果表明,改进的蚁群算法的体现了更好的收敛性,在复杂环境下的最优路径和寻优时间更短。 相似文献
19.
针对规则集学习问题,提出一种遵循典型AQ覆盖算法框架(AQ Covering Algorithm)的蚁群规则集学习算法(Ant-AQ)。在Ant-AQ算法中,AQ覆盖框架中的柱状搜索特化过程被蚁群搜索特化过程替代,从某种程度上减少了陷入局优的情况。在对照测试中,Ant-AQ算法分别和已有的经典规则集学习算法(CN2、AQ-15)以及R.S.Parpinelli等提出的另一种基于蚁群优化的规则学习算法Ant-Miner在若干典型规则学习问题数据集上进行了比较。实验结果表明:首先,Ant-AQ算法在总体性能比较上要优于经典规则学习算法,其次,Ant-AQ算法在预测准确度这样关键的评价指标上优于Ant-Miner算法。 相似文献