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.  进化多智能体技术在多目标优化中的应用  被引次数:1
   厉小军  俞欢军  李绍军  胡上序《化工学报》,2004年第55卷第3期
   针对多目标优化研究中传统遗传算法存在的一些问题,引入人工智能领域新兴发展起来的多智能体技术,结合遗传算法形成进化多智能体系统来求解多目标优化问题.主要对进化多智能体系统框架、进化遗传算法进行了论述.    

2.  进化多智能体技术在多目标优化中的应用  
   厉小军 俞欢军 李绍军 胡上序《磁流体发电情报》,2004年第55卷第3期
   针对多目标优化研究中传统遗传算法存在的一些问题,引入人工智能领域新兴发展起来的多智能体技术,结合遗传算法形成进化多智能体系统来求解多目标优化问题,主要对进化多智能体系统框架、进化遗传算法进行了论述。    

3.  多目标进化算法及其在控制领域中的应用综述  被引次数:9
   马清亮  胡昌华《控制与决策》,2006年第21卷第5期
   多目标进化算法在求解多目标优化问题方面具有独特的优势.对此,介绍了多目标进化算法的基本原理,讨论了多目标进化算法的一系列改进方法;论述了近年来多目标进化算法在自动控制领域中的最新研究成果,并对其未来的发展方向进行了展望.    

4.  基于进化算法的多目标优化方法  被引次数:9
   蓝艇  刘士荣  顾幸生《控制与决策》,2006年第21卷第6期
   进化算法在解决多目标优化问题中有其特有的优势.首先对多目标优化问题进行了描述;然后结合研究现状讨论了目前几种主要的基于进化算法的多目标优化方法,以及它们的优缺点;最后给出了多目标进化优化算法的一些应用,以及进化多目标优化算法的未来发展方向.    

5.  多目标优化非支配集构造方法的研究进展  
   李志强  蔺想红《计算机工程与应用》,2013年第19期
   多目标优化非支配集的构造是多目标进化算法研究领域的一个重要步骤,旨在研究用多目标进化算法解决多目标优化问题的效率。对多目标优化问题进行了描述并且给出了求解算法的一般框架,结合研究现状讨论了目前该领域几种主要的基于Pareto非支配集的构造算法,以及它们的计算时间复杂度;总结并展望了该领域未来的发展趋势。    

6.  约束优化进化算法综述  
   李智勇  黄滔  陈少淼  李仁发《软件学报》,2017年第28卷第6期
   约束优化进化算法主要研究如何利用进化计算方法求解约束优化问题,是进化计算领城的一个重要研究课题.约束优化问题求解存在约束区域离散、等式约束、非线性约束等挑战,其问题的本质是如何处理可行解与不可行解的关系才能使得算法更高效.本文首先介绍了约束优化问题的定义,然后系统地分析了目前存在的约束优化方法,同时基于约束处理机制将这些方法分为罚函数法、可行性法则、随机排序法、约束处理法、多目标优化法、混合法六类,并从约束处理方法的方面对约束优化进化算法的最新研究进展进行综述.最后,指出约束优化进化算法需进一步研究的方向与关键问题.    

7.  约束优化进化算法  被引次数:25
   王 勇  蔡自兴  周育人  肖赤心《软件学报》,2009年第20卷第1期
   约束优化问题是科学和工程应用领域经常会遇到的一类数学规划问题.近年来,约束优化问题求解已成为进化计算研究的一个重要方向.从约束优化进化算法=约束处理技术+进化算法的研究框架出发,从约束处理技术和进化算法两个基本方面对约束优化进化算法的研究及进展进行了综述.此外,对约束优化进化算法中的一些重要问题进行了探讨.最后进行了各种算法的比较性总结,深入分析了目前约束优化进化算法中亟待解决的问题,并指出了值得进一步研究的方向.    

8.  多目标遗传算法及在过程优化综合中的应用  被引次数:6
   岳金彩  郑世清  韩方煜《计算机与应用化学》,2006年第23卷第8期
   化工过程的多目标优化综合问题可归结为多目标混合整数非线性规划(MOMINLP)模型的求解,求解方法主要有数学规划法和多目标进化算法。以多目标遗传算法(MOGA)为代表的进化算法被认为是特别适合求解此类问题。遗传算法大多用于单目标问题的优化,近十几年来将遗传算法应用到多目标优化的研究得到了很大的发展。本文对多目标遗传算法的一些重要概念、发展历程进行了回顾。针对化工过程的模型特点,对MOGA在过程综合中的应用研究进行了讨论,并认为混合遗传算法应是求解此类问题的有效算法。    

9.  基于自适应进化规划的电网多目标优化运行  被引次数:8
   石立宝  徐国禹《中国电机工程学报》,2000年第20卷第8期
   人随机优化技术及生物进化机制角度出发,在常规进化规划算法的基础上,提出一种新颖的自适应进化规划算法,并首次将其应用于求解电力系统多目标优化运行问题。对优化模型、遗传操作等方面进行了更深一步的研究。数学算例及应用实例表明该算法十分有效,有广泛的应用价值。    

10.  高维目标进化算法研究进展  
   谢承旺  汪慎文  谢大同  郭肇禄《武汉大学学报(工学版)》,2012年第45卷第5期
   主流的多目标进化算法在解决目标数目较少的优化问题时具有较好的性能,但当优化目标数目超过4维,即具有高维目标时,算法的性能很快下降,而且搜索的开销快速增长.高维目标进化算法的研究受到了进化计算与工程优化领域的高度关注.鉴于此,对高维目标优化问题的困难进行了分析,并对高维目标进化算法的研究进展进行了综述,总结了各类算法的特点与缺陷,并指出了未来进一步研究的方向.    

11.  基于综合排序的高维多目标进化算法研究  
   姜悦《电子游戏软件》,2014年第17期
   当前大部分多目标进化算法在求解高维目标优化问题时出现效率与精度迅速下降的问题。针对该问题,提出了综合排序方法,并设计了基于综合排序的多目标进化算法,所提算法搜索能力不会受到优化目标个数增加影响。通过仿真实验对所提算法进行了验证。    

12.  多目标进化算法求解无功优化问题的比较与评估  被引次数:2
   李鸿鑫  李银红  李智欢《电网技术》,2013年第6期
   多目标进化算法在电力系统无功优化领域已有广泛应用,目前研究主要集中于引入某种单一算法求解该问题,难以全面客观地分析算法的寻优性能。因此选取当前典型的多目标进化算法,从整体角度对它们在无功优化问题中的应用展开比较研究。与传统设定偏好参数、将多目标问题转化为单目标问题的方法不同,直接采用计及系统网损与电压偏移的多目标模型。以IEEE 30节点标准系统的多目标无功优化为算例,从非支配解集质量和多样性、帕累托前沿分布广阔性和均匀性及收敛速度等角度,比较算法的寻优性能,分析其优势或不足。在评估各种算法计算性能的基础上提出了进一步研究的展望。相关结论对多目标进化算法在无功优化问题中的应用和改进具有一定的参考价值。    

13.  采用基于分解的多目标进化算法的电力环境经济调度  被引次数:1
   朱永胜  王杰  瞿博阳  P.N.Suganthan《电网技术》,2014年第6期
   为了准确、快速地求解电力系统环境经济调度(environmental economic dispatching,EED)问题,将基于分解的多目标进化算法(multi-objective evolutionary algorithm based on decomposition,MOEA/D)应用于电力调度领域,提出了基于MOEA/D的多目标环境经济调度算法。该算法首先采用Tchebycheff法将整个EED Pareto最优前沿的逼近问题分解为一定数量的单目标优化子问题,然后利用差分进化同时求解这些子问题,并在算法中加入约束处理及归一化操作,以获得最优的带约束EED问题的调度方案。最后,应用模糊集理论为决策者提供最优折中解。对IEEE 30节点测试系统进行仿真计算,并与其它智能优化算法的调度方案对比。结果表明,该算法有效可行,且具有很好的收敛速度和求解精度。    

14.  基于自适应划分的进化多目标优化非支配个体选择策略  
   公茂果  程刚  焦李成  刘超《计算机研究与发展》,2011年第48卷第4期
   进化多目标优化主要研究如何利用进化计算方法求解多目标优化问题,已经成为进化计算领域的研究热点之一.多目标优化问题解的多样性主要体现在两个方面,即分布的广度和均匀程度.在分析了已有多目标进化算法保持解的多样性策略的基础上,提出了一种基于自适应划分的非支配个体选取策略.新策略根据非支配个体在目标空间的相似性程度对由当前非支配个体构成的前沿面进行自适应划分,在划分出的各区域选择最具代表性的个体,实现对非支配个体的修剪操作.为了验证新策略的有效性,将此策略应用于两类典型的多目标进化算法中,基于13个标准测试问题的仿真结果表明,自适应划分策略使最优解的均匀性和广度得到了很好的提升.    

15.  采用多目标改进差分进化算法的环境经济发电调度  
   胡斌  王国平  李国强《陕西电力》,2013年第41卷第1期
   针对差分进化算法在迭代过程中可能出现的早熟收敛问题,在算法中加入早熟判定系数和混沌优化,提出了改进差分进化算法;将改进差分进化算法扩展到多目标规划领域,形成了多目标改进差分进化算法,并应用于多目标环境经济发电调度.根据模糊集方法从帕累托前沿中选择最优折衷解.以6机系统为例进行仿真计算,结果验证了本文所提多目标改进差分进化算法在解决环境经济发电调度中的可行性和有效性.    

16.  一个用于多目标优化的进化规划算法  被引次数:4
   金炳尧《微机发展》,2001年第11卷第5期
   进化计算的群体搜索机制为多目标优化问题的直接求解提供了途径。本文将多目标遗传算法中的一些技术用于进化规划,提出一个多目标进化规划算法,并给出计算实例。    

17.  一个用于多目标优化的进化规划算法  
   金炳尧《计算机技术与发展》,2001年第11卷第5期
   进化计算的群体搜索机制为多目标优化问题的直接求解提供了途径.本文将多目标遗传算法中的一些技术用于进化规划,提出一个多目标进化规划算法,并给出计算实例.    

18.  微粒群优化算法研究现状及其进展  被引次数:11
   杨燕  靳蕃  Kamel M《计算机工程》,2004年第30卷第21期
   对进化计算中引起广泛兴趣的微粒群优化(PSO)算法的研究现状进行了考察,介绍了一些最新研究进展,包括:杂交PSO、基于邻域算子的PSO和基于不同搜索方向的PSO,并简要介绍了PSO在求解复杂优化问题如多目标优化和带约束优化中的优势。最后给出了一些应用实例,讨论了将来可能的研究内容。    

19.  进化算法的计算结果呈现方式  
   韩毅  蔡建湖  李延来  周利升《计算机工程与应用》,2012年第48卷第5期
   进化算法(Evolutionary Algorithms,EAs)作为求解非线性规划问题的有效求解工具已经越来越受到工程和优化领域的国内外专家和学者的重视,进化算法类的文章在世界上各种期刊中占据了大量比例。目前仍有很多刚刚从事进化算法理论与实践方面研究的国内学者对如何表现进化算法的计算结果比较迷茫。为此对于算法的计算结果展现方面进行了阐述。    

20.  求解约束优化问题的微粒群算法  
   谭瑛 高慧敏 曾建潮《太原重型机械学院学报》,2004年第25卷第2期
   微粒群算法(简称PSO算法)是一种新型的进化计算方法,已在许多领域得到了非常成功的应用。本以约束优化问题为对象,首先介绍了采用罚函数法将约束优化问题化为无约束优化问题,和将约束优化问题转化为minmax问题,然后对无约束优化问题和minmax问题,采用PSO算法进行进化求解;在此基础上,以目标函数和约束满足分别为优化目标提出了一种双微粒群的PSO算法。仿真实验结果验证了方法的正确性与有效性。    

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