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 15 毫秒

1.  改进适应度函数的遗传算法  
   琚洁慧《数字社区&智能家居》,2005年第15期
   提出了一类新的改进的适应度函数的遗传算法,考虑了函数在搜索点的函数值及其变化率,结果表明收敛速度明显高于标准遗传算法。    

2.  改进适应度函数的遗传算法  
   甘春娇《浙江纺织服装职业技术学院学报》,2005年第4卷第1期
   提出了一类新的改进的适应度函数的遗传算法,考虑了函数在搜索点的函数值及其变化率,结果表明收敛速度明显高于标准遗传算法.    

3.  改进适应度函数的遗传算法  
   琚洁慧《数字社区&智能家居》,2005年第5期
   提出了一类新的改进的适应度函数的遗传算法,考虑了函数在搜索点的函数值及其变化率,结果表明收敛速度明显高于标准遗传算法。    

4.  基于模糊聚类的峰半径自适应调整遗传算法  
   谭艳艳  许峰《矿业科学技术》,2008年第36卷第2期
   提出了基于模糊相似聚类的峰半径自适应调整遗传算法。在遗传演化过程中将峰半径作为决策变量的一部分参与染色体的编码演化,利用遗传算法的优化能力在对问题进行优化的同时对个体的峰半径进行自适应调整;在聚类过程中,通过对模糊相似度的调节来控制聚类结果,能够避免找到无效的极值点并且无需事先确定小生境的数目和半径。理论分析和数值实验表明,该算法对于各类多峰函数具有较强的多峰搜索能力。    

5.  对适应值共享遗传算法的分类及评价  
   于歆杰  王赞基《模式识别与人工智能》,2001年第14卷第1期
   针对多峰函数优化问题先后出现了一系列适应值共享类的遗传算法.这些算法都需要事先提供某种信息.本文基于事先提供信息的区别提出了一种新的适应值共享类遗传算法的分类方法,并通过一个复杂的标准测试问题对这些算法进行了比较和评价,结果表明在各种算法中,清除算法、动态小生境共享算法和新聚类适应值共享算法具有较高的搜索能力和优化速度.本文的工作对于这些适应值共享类遗传算法的应用和进一步改进具有指导意义.    

6.  一种变步长双链量子遗传算法  被引次数:5
   沙林秀  贺昱曜  陈延伟《计算机工程与应用》,2012年第48卷第20期
   为了克服基于实数编码和目标函数梯度信息的双链量子遗传算法存在收敛速度慢和鲁棒性较差的缺点,提出了一种自适应变步长双链量子遗传算法。建立了反映目标适应度函数变化率的数学模型;构造了反映当前搜索点处适应度相对变化率的变步长系数k,通过调整k以改善适应度函数相对变化率从而优化解的搜索过程;提出了在迭代过程中的量子旋转门转角Dθ更新策略。针对复杂连续函数的优化问题,设计了算法的具体实施步骤,并对典型复杂函数进行了仿真。结果表明,该算法有效地改善了双链量子遗传算法的鲁棒性,加快了算法收敛速度。    

7.  一种改进的实数自适应遗传算法  被引次数:25
   潘伟  刁华宗  井元伟《控制与决策》,2006年第21卷第7期
   研究了基于实数编码的遗传算法的改进问题.针对实数编码在搜索后期存在搜索效率低、易早熟收敛等现象.讨论了遗传算法的参数调节问题.提出一种自适应交叉概率和变异概率,既考虑了进化代数对算法的影响,又考虑到每代不同个体适应度的作用,给出一种改进的实数自适应遗传算法.最后利用3个测试函数对算法进行验证,在函数的最终值、平均运行代数、收敛概率几方面都取得了较好的结果.    

8.  基于遗传算法的矢量水听器阵相位误差校正  
   段晶晶  李钢虎《声学技术》,2012年第31卷第2期
   研究了矢量水听器阵各通道存在相位误差时,用MUSIC算法对信号到达方向进行估计的问题,并在利用遗传算法估计相位误差来对阵列流型进行修正时引入自适应概念,得出更加准确的信号到达方向值。采用与适应度函数值相对应的交叉概率与变异概率,逐步搜索,首先计算适应度值,采用轮盘赌法进行选择操作,并保存个体的适应度值,按照适应度分配交叉概率和变异概率,进行交叉变异操作,取得误差的最优解,通过仿真,可以看出引入自适应概念后的遗传算法具有较为精确的估计阵列相位误差的功能。与传统遗传算法相比,此方法能很好地得到全局最优解,并且成熟收敛,计算机仿真结果验证了本方法的有效性和可行性。    

9.  基于自适应遗传算法函数优化与仿真  被引次数:1
   黄江波  付志红《计算机仿真》,2011年第28卷第5期
   研究模式识别函数优化问题,遗传算法在人工智能中起重要的作用,但遗传算法的性能深受算法参数的影响.为提高全局性寻优和提高算法的搜索性能,避免算法在寻优搜索中陷入局部极值,研究了遗传算法和自遗传算法算子的工作机理,认为Pc和Pm的大小是和个体的适应度有联系的,算法在运行过程中始终要保护适应度高的个体.提出了一种新的自适应遗传算法用于函数优化中,对三个常用的标准测试函数进行了优化,并将其测试结果与简单遗传算法的进行仿真比较,仿真结果表明自适应机制确实提高了算法的搜索性能,取得了较好效果.    

10.  基于斐波纳契数列的自适应DCQGA  
   沙林秀  贺昱曜《计算机仿真》,2012年第29卷第10期
   针对现有双链量子遗传算法的收敛速度慢、稳定鲁棒性差和时间复杂的特点,提出采用斐波纳契数列的自适应双链量子遗传算法.首先,研究了斐波那契数列的特性,建立了斐波那契数列的量子旋转门转角的调整策略;其次,在最优解的搜索过程中,考虑目标函数在搜索点的变化率,建立了随相邻两代的目标函数适应度值变化大小自适应地调节转角步长的方法;应用新算法求解复杂函数的极值优化问题.仿真结果表明,改进算法不仅提高了算法的收敛速度和稳定鲁棒性,而且明显的改善在算法的效率和降低算法的时间复杂度.    

11.  一种基于遗传算法的分裂式层次化聚类算法  被引次数:5
   任江涛  吴海建  吴向军  印鉴  张毅《计算机应用》,2005年第25卷第11期
   针对聚类中自适应确定聚类个数、目标函数灵活定义及优化的近似计算等问题,综合了分裂式层次化聚类算法能根据相似度阈值自适应地确定聚类个数的特点及二进制遗传聚类算法具有较强的搜索近似最优解能力及目标函数定义灵活的特点,提出了一种基于遗传算法的分裂式层次化聚类方法。实验结果表明,该算法具有较好的聚类性能。    

12.  基于遗传算法的地图四色问题研究  
   刘烽《电脑编程技巧与维护》,2013年第7期
   尝试利用遗传算法求解地图四色问题,合理设计了算法的编码、适应度函数和交叉变异算子,通过仿真实验,验证了遗传算法对于求解地图四色问题具有较好的效果。    

13.  动态调整惯性权重的粒子群优化算法  被引次数:8
   龙文  梁昔明  董淑华  阎纲《计算机应用》,2009年第29卷第8期
   针对高维复杂优化问题,提出一种改进适应度函数和动态调整惯性权重的粒子群优化算法.首先考虑了搜索点的函数值及其变化率,并将该信息加入适应度函数.利用维惯性权重矩阵自适应动态调整惯性权重,较好地平衡了算法的全局探索和局部开发,并分析了惯性权重随种群多样性的变化关系.在算法后期计算每一维的收敛度,以一定的概率对收敛度最小的维进行变异,以加快算法的收敛速度.对高维测试函数的实验表明,算法提高了全局搜索能力.    

14.  自适应模糊聚类小生境遗传算法  被引次数:2
   谭艳艳  许峰《计算机工程与应用》,2009年第45卷第4期
   提出了基于峰半径自适应调整和模糊相似聚类的小生境遗传算法。其基本思想是:在演化过程中,将峰半径作为决策变量的一部分参与染色体的编码,在对问题进行优化的同时对个体的峰半径进行自适应调整;在聚类过程中,通过对模糊相似度的调节来控制小生境的数目,以避免找到无效的极值点。理论分析和数值实验表明,该算法无需事先确定小生境的数目和半径,对于各类多峰函数具有较强的搜索能力。    

15.  基于边界搜索策略的遗传算法在电网扩展规划中的应用  被引次数:26
   叶在福  单渊达《中国电机工程学报》,2000年第20卷第11期
   遗传算法在解决多峰值最优化问题方面有其独特的优越性,但由于遗传算法仅依靠适应度函数值来评价和引导搜索,在优化过程中往往因为走了随机性的弯路而存在搜索速度较慢的缺陷。该文在标准遗传算法的基础上,引入边界搜索思想以改善算法的搜索路径,加速算法的搜索进程,并将其应用于电网扩展规划。计算结果表明了该方法的有效性。    

16.  基于降半Γ分布函数的自适应遗传算法  
   周慧芳  章云《广东工业大学学报》,1999年第16卷第3期
   针对遗传算法中交叉概率和变异概率难以选取的问题,提出一种新的自适应遗传算法:利用降半Γ分布函数对交叉概率和变异概率进行自适应调整,使这两个参数随基因串的适合度值而变化.仿真结果表明:该算法与传统遗传算法,常规自适应遗传算法相比,有效地克服了过早收敛问题,提高了搜索效率.    

17.  基于改进遗传算法的K-means聚类分析  
   王颖  刘建平《工业控制计算机》,2011年第24卷第8期
   K-means算法是聚类分析中的一种经典算法,但是K-means算法是一种局部搜索技术,受初始聚类中心的影响可能会过早收敛于最优解。而遗传算法具有良好的全局优化的能力,将遗传算法与K-means算法结合起来,能很好解决这一问题。在结合的过程中,又在最传统的遗传算法中改进染色体编码与适应度函数,从而优化k个中心点的选取,最后通过实验说明改进后的遗传算法能较好地提高聚类的质量。    

18.  改进的基于遗传模糊C均值聚类的图像分割算法  
   仲崇峰  刘智《长春理工大学学报(自然科学版)》,2014年第2期
   模糊C均值(Fuzzy C-Means,FCM)聚类算法已广泛应用于图像分割领域,其本质是一种局部搜索算法,采用迭代爬山算法寻找最优解,对初始聚类中心敏感,很容易陷入局部极优值,且没有考虑图像的空间邻域信息,对噪声敏感。本文提出了改进的基于遗传模糊聚类的图像分割算法,利用遗传算法的全局寻优能力来克服FCM算法容易陷入局部极优值问题;并在FCM算法的目标函数中添加空间邻域信息来约束隶属度函数从而提高对噪声的鲁棒性,使分割更加符合期望。实验结果表明本文算法的有效性,图像分割时具有较强的抗噪能力和较好的分割效果。    

19.  采用贪婪遗传算法实现图像阈值的自动选取  被引次数:4
   赵金才  刘书桂《光电工程》,2006年第33卷第11期
   将贪婪思想引入到遗传算法中设计了贪婪遗传算法,以最大类间方差函数作为遗传算法中适应度的评价函数,利用贪婪算法局部搜索能力强和遗传算法全局搜索能力强的特点,实现图像阈值的自动选取。与基本遗传算法相比,本文算法具有更强的寻优性能,从而加快了收敛速度。实验表明基于贪婪遗传算法的阈值自动选取方法具有计算耗时少的特点,更适用于实时图像处理系统。    

20.  改进遗传算法的K-均值聚类算法研究  被引次数:2
   徐家宁  张立文  徐素莉  李进《微计算机应用》,2010年第31卷第4期
   传统的k-均值算法对初始聚类中心的敏感很大,极易陷入局部最优值;利用遗传算法或免疫规划算法解决初始聚类中心是较好的方法,但后期容易出现收敛速度缓慢.为了克服上述缺点,文章将免疫原理的选择操作机制引入遗传算法中,使个体浓度和适应度同时对个体的选择施加影响,以此提出基于改进遗传算法的K-均值聚类算法,该方法利用K-均值算法的高效性和改进遗传算法的全局优化搜索能力,较好地解决了聚类中心优化问题.试验结果表明,本算法能够有效改善聚类质量,并且具有较好的收敛速度.    

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