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 578 毫秒

1.  求解全局优化问题的混合自适应正交遗传算法  被引次数:3
   江中央  蔡自兴  王 勇《软件学报》,2010年第21卷第6期
   提出了一种基于正交实验设计的混合自适应正交遗传算法(hybrid self-adaptive orthogonal genetic algorithm,简称HSOGA)以求解全局优化问题,此算法利用正交实验设计方法设计交叉算子,并提出一种自适应正交交叉算子.该自适应正交交叉算子根据父代个体的相似度自适应地调整正交表的因素个数和对父代个体进行因素分割的位置,生成具有代表性的子代个体,以更好地搜索空间.此外,新算法利用自适应正交交叉算子生成均匀分布的初始种群,以保证初始群体的多样性.同时引入了局部搜索策略以提高算法局部搜索能力和收敛速度.通过14个高维的Benchmark函数验证了算法的通用性和有效性.    

2.  用于求解约束优化问题的自适应佳点集进化算法  
   唐素勤  蔡自兴  江中央  肖赤心《小型微型计算机系统》,2009年第30卷第11期
   提出一种用于求解约束优化问题的自适应佳点集进化算法.新算法利用佳点集原理设计多点交叉算子,该交叉算子能够根据父代个体的相似度自适应调整交叉点的位置和子代个体的数目,产生具有代表性的子代个体.在约束处理技术上,改进了Deb的三条比较准则,提出一种新的适应度函数用于比较个体优、劣的比较准则.通过对13个标准测试函数的试验比较验证了新算法的有效性和稳健性.    

3.  聚类佳点集交叉的约束优化混合进化算法  被引次数:1
   龙文  梁昔明  徐松金  陈富《计算机研究与发展》,2012年第49卷第8期
   提出一种基于聚类佳点集多父代交叉和自适应约束处理技术的混合进化算法用于求解约束优化问题.新算法的主要特点是:在搜索机制方面,利用佳点集方法构造初始化种群,使个体能够均匀地分布在整个搜索空间.然后根据父代个体的相似度将种群个体进行聚类分析,从聚类中随机选择个体进行佳点集多父代交叉操作,利用多个父代个体所携带的信息产生新的具有代表性的子代个体,能够维持和增加种群的多样性.另外,引入局部搜索策略以提高算法局部搜索能力和收敛速度.在约束处理技术上,新算法引入了一个自适应约束处理技术,即根据当前种群中可行解的比例自适应选择不同的个体比较准则.通过15个标准测试函数验证了新算法的有效性.    

4.  一种求解参数优化问题的引导交叉算子  被引次数:1
   陈乔礼  吴怀宇  程磊《计算机工程》,2008年第34卷第1期
   提出一种应用于参数优化问题的引导交叉算子。该交叉算子利用父代染色体的适应值差异,引导交叉操作产生的子代向适应值高的父代倾斜,以产生高适应值的子代个体。对于连续函数,高适应值个体的邻域内也是高适应值的个体,且在两个个体之间不存在极值时,朝适应值增加的方向可以生成更优的个体。实验表明,对比常用的算术交叉算子,引导交叉算子具有更强的全局、局部搜索能力和更快的搜索速度。    

5.  一种基于遗传算法的进化计算模型  
   龚道雄  阮晓钢《控制与决策》,2005年第20卷第1期
   提出一种基于遗传算法的进化计算模型(ECM).在ECM的种群中,每个成员都根据其适应度值不同程度地影响着种群的进化.ECM定义了个体对进化的影响因子,并以个体的影响因子为参数定义了个体的形成算子.分析表明,ECM是采用算术交叉算子的两父辈遗传算法以及采用频率扫描交叉算子的多父辈交叉遗传算法的推广,形成操作是父代群体编码的凸组合.实验研究显示,ECM具有比经典遗传算法更强的优化计算功能.    

6.  基于约束强度的演化算法  
   李红梅《计算机工程与设计》,2009年第30卷第7期
   为了克服惩罚函数法存在的罚参数难以选择和控制的主要缺陷,利用个体违反约束条件的程度函数,定义了约束强度指标,并设计了一种新的具有较强全局搜索能力的多父体杂交算子,从而提出一种基于约束强度的有效的演化算法.通过数值验证比较其性能优于现有的一些约束单目标优化演化算法.    

7.  遗传算法交叉算子的实质分析  被引次数:3
   范青武  王普  张会清  高学金《北京工业大学学报》,2010年第36卷第10期
   通过分析比较标准二进制交叉算子和标准十进制交叉算子的异同点,得出结论:交叉算子的实质是在父代个体的数值和所决定的"家族"中随机取值,因而其不能保证交叉操作后的子代个体优于父代个体,体现出盲目搜索的特点;二进制交叉和十进制交叉均对本质交叉搜索区间进行了进一步的划分,但并不能保证进化搜索到更好的样本.根据所得结论,设计了一种改进遗传算法,其有效性证明了本文结论的正确性.    

8.  一种基于佳点集原理的约束优化进化算法  
   肖赤心  蔡自兴  王勇  周经野《控制与决策》,2009年第24卷第2期
   提出一种基于佳点集理论解决约束优化问题的进化算法.它将实分圆域中均匀分布的佳点映射到求解问题的搜索空间,使得所构造的个体能在搜索空间内分布比采用随机方式更加均匀,并引进预交叉机制来平衡佳点取点个数与算法搜索能力之间的矛盾.新算法的遗传算子基于佳点技术构造,精度不受空间维数的限制,有利于高维优化问题.对6个标准测试函数的数值实验结果验证了新算法的通用性、有效性和稳健性.    

9.  基于进化计算的轨道转移时间-能量优化方法  
   赵伟  郑昌文《计算机工程与设计》,2008年第29卷第3期
   针对空间飞行器轨道转移的时间.能量优化问题,提出了一种基于进化计算的多目标优化方法.该方法在非支配解排序和密度估计的基础上,设计了一种新的选择算子从父代中选择进入繁殖池的个体,并使用外部集合保存进化过程所得的非支配解.实验结果表明,该方法可以有效求解优化目标存在约束的轨道转移时间一能量优化问题,并显著提高Pareto前沿的散布性能.    

10.  基于混合遗传算法的经费分配多目标规划研究  被引次数:3
   蒋伟进  孙星明《仪器仪表学报》,2005年第26卷第6期
   为了探索新的经费分配方法和管理模式,建立了一种新的多目标非线性规划优化模型,提出了基于正交试验的新型混合遗传算法来求解该问题。对求解过程中的选择算子、交叉算子和变异算子等进行正交试验,具体是通过交叉、变异来产生后代,后代与父代组成一个扩大群体,然后对这个群体的个体单独进行正交试验,并以正交试验的结果代替试验前个体,再通过排序选出最好的群体组成下一次遗传的父代,得到的种群个体明显优于基本遗传算法的个体。仿真结果表明,该算法收敛寻优能力强,并能产生很多次优解,是一种高效稳定的方法。    

11.  基于数据解析的连退生产过程多因子操作优化  
   王显鹏  王赞《控制与决策》,2019年第34卷第12期
   针对连退生产过程中带钢质量波动大和生产能耗过大的问题,基于数据解析方法构建带钢质量的预测模型,进而建立连退生产过程多因子操作优化模型.该模型的任务是求得一个最优工艺参数设定方案,使得模型中所包含的两个相互影响但并不冲突的目标能够实现同时最优化.针对该问题,提出一种改进的自适应多因子进化算法(AdaMFEA),将不同优化目标作为不同类别因子,通过父代解在不同因子上的性能评价指标决定子代解的搜索方向.为了改进算法的鲁棒性和搜索效率,算法使用多种交叉算子,并基于各算子的搜索性能分析提出多种交叉算子的自适应选择机制;同时提出基于回溯直线搜索和拟牛顿法的个体学习策略,对个体进行局部搜索.基于Benchmark问题的实验结果表明,AdaMFEA能够有效提升传统多因子进化算法(MFEA)的求解效率;基于实际工业问题的实验结果表明,AdaMFEA可有效求解连退生产过程多因子操作优化问题,实现多个非冲突目标在一个种群的进化过程中同时达到最优.    

12.  基于免疫算法和EDA 的混合多目标优化算法  
   戚玉涛  刘芳  刘静乐  任元  焦李成《软件学报》,2013年第24卷第10期
   在免疫多目标优化算法的基础上,引入了分布估计算法(EDA)对进化种群进行建模采样的思想,提出了一种求解复杂多目标优化问题的混合优化算法HIAEDA(hybrid immune algorithm with EDA for multi-objectiveoptimization).HIAEDA 的进化过程混合了两种后代产生策略:一种是基于交叉变异的克隆选择算子,用于在父代种群周围进行局部搜索的同时开辟新的搜索区域;另一种是基于EDA 的模型采样算子,用于学习多目标优化问题决策变量之间的相关性,提高算法求解复杂多目标优化问题的能力.在分析两种算子搜索行为的基础上,讨论了两者在功能上的互补性,并利用有限马尔可夫链的性质证明了HIAEDA 算法的收敛性.对测试函数和实际工程问题的仿真实验结果表明,HIAEDA 与NSGAII 算法和基于EDA 的进化多目标优化算法RM-MEDA 相比,在收敛性和多样性方面均表现出明显优势,尤其是对于决策变量之间存在非线性关联的复杂多目标优化问题,优势更为突出.    

13.  求解约束优化问题的自适应演化算法  
   张艳琼  全惠云《计算机工程与应用》,2008年第44卷第33期
   提出一种基于高斯柯西变异算子的多父体杂交自适应演化算法,并用于求解约束函数优化问题。算法的特点:在随机搜索过程中引入三种新的多父体杂交算子加速收敛;基于高斯柯西变异算子提出一种新的产生新个体的方法;提出一种根据演化的进度能自动调整搜索范围的自适应机制。分析与实验表明,与其他算法相比,算法更具有通用性、高效性、鲁棒性,算法收敛速度和算法稳定性有明显改进。    

14.  基于耗散结构理论的差分进化算法*  
   牛雪丽  刘希玉  魏欣《计算机应用研究》,2010年第27卷第2期
   差分进化算法是一种新的进化计算技术,为解决其早熟问题,提出了一种基于耗散结构理论的改进差分进化算法。在变异成功的个体数和交叉算子之间建立联系,使变异成功的个体影响交叉算子,提高全局收敛能力。仿真实验表明,通过对三个标准测试函数的测试,并与标准遗传算法和差分进化算法相比,所提出的改进差分进化算法是一种收敛速度快、求解精度高、鲁棒性较强的全局优化算法。    

15.  基于梯度投影法与随机优化算法的约束优化方法  
   张华军  赵金  罗慧  解相朋《控制与决策》,2014年第10期
   针对带有线性等式和不等式约束的无确定函数形式的约束优化问题,提出一种利用梯度投影法与遗传算法、同时扰动随机逼近等随机算法相结合的优化方法。该方法利用遗传算法进行全局搜索,利用同时扰动随机逼近算法进行局部搜索,算法在每次进化时根据线性约束计算父个体处的梯度投影方向,以产生新个体,从而能够严格保证新个体满足全部约束条件。将上述约束优化算法应用于典型约束优化问题,其仿真结果表明了所提出算法的可行性和收敛性。    

16.  一种新的交叉操作算子  被引次数:15
   龚道雄  阮晓钢《计算机工程与应用》,2004年第40卷第6期
   论文提出了一种新的遗传操作算子一随机多父辈适应度值加权交叉算子(Ranclom Parent—number Fitness-Weighted Crossover,RPFWX)。RPFWX在2到群体规模之间随机决定参与交叉操作的父代数量,以克服遗传算法的性能对于多父辈数量的敏感性。RPFWX根据父代个体的适应度值赋予较优秀的父代个体以较大的影响因子。父代个体根据该影响因子来决定其对于子代个体贡献的大小。RPFWX是包括两父辈算术交叉、uniform crossover以及多父辈频率扫描交叉算子(the Occurrence Basecl Scanning Crossover)等在内的多种交叉算子的概括和推广,并通过其凸空间封闭特性来保证子代个体的合法性。最后通过实验结果验证了RPFWX算子的优越性。    

17.  解旅行商问题的一个新进化算法  
   覃锦华  谢作党  王宇平《现代电子技术》,2007年第30卷第22期
   旅行商问题(Travelling Salesman Problem,TSP)是一个著名的组合优化问题。提出用进化算法求解该问题。算法采用自然编码方式表示个体,设计了一种利用种群的边产生后代个体的新交叉策略。采用随机DoubleBridge变异策略,最后设计了结合2-交换和特殊3-交换的局部搜索算子改善解(个体)的质量。数值模拟实验表明,该算法是有效的。    

18.  基因修复技术及其在机器人路径规划中的应用  
   乔永兴  曹子建《计算机测量与控制》,2005年第13卷第11期
   通过研究遗传算法,发现可以利用搜索其整个种群中的基因块来修复最好个体的基因缺陷;基因修复作为一种复制算子,它概括了经典交叉(如n点交叉或均匀交叉)和基因扫描,并且适用于任意(两个或更多)个父代,在机器人导航的路径规划中应用了此种算子,并且得到良好的结果。    

19.  改进人工蜂群算法求解多目标连续优化问题  
   葛宇  梁静  王学平  谢小川《计算机科学》,2014年第41卷第6期
   针对多目标连续优化问题,依据人工蜂群算法原理给出其求解流程,并指出算法中更新策略存在盲目搜索和丢失优秀个体的不足,随后提出改进方案。改进方案包含两部分:首先,设计一种自适应搜索算子,使算法在运行过程中能根据个体质量自动调节搜索范围,让算法搜索行为准确高效;其次,利用外部集合记录下新产生的个体,一次迭代完成后结合外部集合重新构造种群,让算法能有效地保存进化过程中产生的优秀个体。实验中将改进人工蜂群算法与NSGA2算法、改进前算法以及文献报道的同类优秀算法进行了比较,结果说明:改进人工蜂群算法在求解多目标连续优化问题中具有良好的收敛性和均匀性。    

20.  正交约束差分演化算法研究  
   鄢靖丰  郭超峰  龚文引《计算机工程》,2012年第38卷第3期
   提出一种适合求解约束问题的基于正交实验设计的差分演化算法。引入一种基于正交设计的杂交算子,并结合约束统计优生法产生最好子个体,采用决策变量分块策略,以减少正交实验次数,加快算法收敛速度。给出一种简单的多样性规则,以处理约束条件。提出基于非凸理论的多父体混合自适应杂交变异算子,以增强算法的非凸搜索能力和自适应能力。通过对13个标准测试函数进行实验,结果表明,该算法在解的精度、稳定性和收敛性上表现出较好的性能。    

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