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 484 毫秒

1.  基于多目标优化的免疫遗传算法在Matlab环境中的实现  
   陈 峰  秦 斌《湖南工业大学学报》,2007年第21卷第2期
   阐述了基于多目标优化的免疫遗传算法基本原理,合理地在抗原聚类算法中引入孤立度算法。在该算法中,将优化问题的可行解对应于抗体及pareto最优个体对应于抗原,并运用改进的抗原聚类算法不断更新抗原群中的抗原,从而得到分布均匀的pareto最优解。并探讨了在Matlab环境下应用免疫遗传算法实现多目标优化,主要对增强度计算、pareto求优、抗原聚类等进行了算法实现。并以实例说明其在Matlab环境中实现的可行性。    

2.  考虑环境污染的嘉兴电厂机组出力经济分配  
   祖章庆《电工技术》,2007年第8期
   提出了多目标环境经济调度模型,并应用多目标免疫算法(MOLA)加以求解.MOIA将优化问题的可行解对应抗体及Pareto最优个体对应抗原,应用聚类算法不断更新抗原群中的抗原来获得大量的Pareto最优解.最后利用本文算法对嘉兴电厂的机组出力进行环境经济调度,结果表明该算法的可行性和有效性.    

3.  求解机械优化的Pareto多目标中心粒子群算法  
   桂旺生  刘利斌  欧阳艾嘉  周永权  李肯立《计算机工程与应用》,2011年第47卷第4期
   针对基于权重法的多目标算法无法求解约束多目标问题的缺陷,将中心粒子群算法与Pareto解集搜索算法相结合,提出一种Pareto多目标中心粒子群算法。将此方法用来优化气门弹簧的模型,实验结果表明,该优化方法能够快速准确地收敛于Pa-reto解集,并且使其对应的目标域均匀地分布于Pareto最优目标域。    

4.  多目标约束优化免疫算法研究及其应用  
   张著洪  黄席樾《模式识别与人工智能》,2003年第16卷第4期
   基于生物免疫中抗体应答抗原的机理,提出具有动态性能的多目标约束优化算法,解决一般性的多目标约束最优化问题.该算法的关键在于如何充分模拟免疫应答的机制构建算子模块,以及如何提出约束条件处理和聚类新方法有效解决优化问题.其特点是稳健性及记忆细胞集保存优良抗体并用聚类算法限制其规模,抗体群规模动态调节及抗体应答的对象是抗原群,群体具有自我调节多样性和自适应环境的能力且能并行处理复杂优化问题.仿真事例比较验证该文算法的有效性及能处理高维优化问题.    

5.  免疫遗忘动态多目标优化  
   尚荣华  马文萍  焦李成  公茂果《哈尔滨工程大学学报》,2006年第27卷第Z1期
   许多现实世界中的优化问题都是多个目标的,而且是和时间因素有关的,抽象成数学模型就是动态的多目标优化问题,基于免疫遗忘概念和免疫应答的动态过程,提出了一种用于解决动态多目标优化问题的新的人工免疫系统算法一免疫遗忘动态多目标优化(IFDMO)算法.并采用了两集合覆盖这一评价参数,对算法进行了定量的描述.这一参数用于测量在每一个时间步骤得到的最优解向着Pareto-最优面的逼近程度.并将该算法与另外一种算法CSADMO进行了比较,CSADMO是最近提出的一种用于解决动态多目标优化问题的方法,CSADMO在保持所得前沿面的均匀性,多样性及向着Pareto-最优面的逼近性方面都体现出了很好的性质.实验结果表明,在每一时间步骤中,与CSADMO相比,IFDMO获得的解能更好的向着Pareto-最优面逼近,而且解得分布也更加均匀,范围也更加宽广.    

6.  一种新的免疫算法及其在多模态函数优化中的应用  被引次数:17
   张著洪  黄席樾《控制理论与应用》,2004年第21卷第1期
   提取免疫应答的部分简化机制并结合小生境技术,提出一种用于多峰值或非连续函数优化的免疫算法.该算法由记忆细胞获取、克隆选择、亲和突变及群体更新这四种算子模块构成.这些算子的有机组合不仅为最优化问题的解决提供了实用新方法,而且反映了抗体应答抗原的简化运行机制.算法设计的重点是借鉴小生境共享实现方法的思想建立有助于增强群体多样性及保留优良抗体的记忆细胞获取算子,以及利用亲和成熟机理设计抗体突变算子.所获算法具有整体和局部搜索能力及并行搜索特点.理论证明了其收敛性.仿真事例比较表明此算法不仅是有效的,而且能快速搜索到多个最优解(针对于多解最优化问题).    

7.  改进的免疫优化算法对动态约束多目标问题的应用  
   武慧虹 钱淑渠 高忠生《计算机应用与软件》,2014年第4期
   基于进化理论的动态多目标优化算法极易陷入局部最优,跟踪动态Pareto有效面的速度及效果较差。基于免疫系统机理提出一种改进的免疫优化算法(DMIOA)用于动态约束多目标问题求解。算法通过抗体浓度及其支配度设计抗体与抗原亲和力,随机约束选择算子提高算法约束处理能力,环境识别算子自适应判断环境变化,根据识别结果以不同的方式产生新环境的初始抗体群。数值实验中,将DMIOA应用于两种动态标准测试问题及飞机减速器参数动态设计问题的求解,结果表明:DMIOA能快速跟踪动态Pareto有效面,且在各环境所获面分布均匀,具有较好的实际问题求解能力。    

8.  基于Pareto的多目标优化免疫算法  被引次数:2
   翟雨生  程志红  陈光柱  李柳《计算机工程与应用》,2006年第42卷第24期
   免疫算法具有搜索效率高、避免过早收敛、群体优化、保持个体多样性等优点。将其应用于多目标优化问题,建立了一种新型的基于Pareto的多目标优化免疫算法(MOIA)。算法中,将优化问题的可行解对应抗体,优化问题的目标函数对应抗原,Pareto最优解被保存在记忆细胞集中,并利用有别于聚类的邻近排挤算法对其进行不断更新,进而获得分布均匀的Pareto最优解。文章最后,对MOIA算法与文献[3]中SPEA算法进行仿真,通过比较两者的收敛性和分布性,得到了MOIA优于SPEA的结论。    

9.  正交免疫克隆粒子群多目标优化算法  被引次数:3
   丛琳  焦李成  沙宇恒《电子与信息学报》,2008年第30卷第10期
   该文基于抗体克隆选择学说理论,提出了一种求解多目标优化问题的粒子群算法--正交免疫克隆粒子群算法(Orthogonal Immune Clone Particle Swarm Optimization,OICPSO).根据多目标的特点,提出了适合粒子群算法的克隆算子,免疫基因算子,克隆选择算子.免疫基因操作中采用了离散正交交叉算子来获得目标空间解的均匀采样,得到理想的Pareto解集,并引入拥挤距离来减少获得Pareto解集的大小,同时获得具有良好均匀性和宽广性的Pareto最优解集.实验中,与NSGA-Ⅱ和MOPSO算法进行了比较,并对算法的性能指标进行了分析.结果表明,OICPSO不仅增加了种群解的多样性而且可以得到分布均匀的Pareto有效解集,对于多目标优化问题是有效地.    

10.  基于免疫算法的高温超导故障限流器Pareto多目标优化配置  
   陈柏超  魏亮亮  雷洋  涂志康  袁佳歆  陈峰  聂德鑫  潘靖《电网技术》,2015年第39卷第5期
   针对高温超导故障限流器(high temperature superconductor-fault current limiter,HTS-FCL)的全网优化配置问题,提出了一种基于免疫算法的高温超导故障限流器Pareto多目标优化配置新方法.该方法综合考虑了限流器的成本和限流效果这2个优化目标.首先介绍了HTS-FCL的基本结构和原理,分析了安装高温超导故障限流器对原系统自阻抗的影响,提出了一种基于短路电流变化率的灵敏度计算方法,该方法可以缩小搜索空间,提高算法效率.然后分别建立了限流器成本评价子函数、限流效果评价子函数和多目标评价函数,制定了基于免疫算法的多目标Pareto优化算法流程,并在传统免疫算法的基础上提出了一种改进型的等成本倒位算子,通过仿真验证表明该算子较常规的免疫算法,能更好地收敛到最优解.最后以IEEE 39标准节点系统为例,实现了HTS-FCL的全网优化配置,验证了新方法的有效性,并求得了在综合考虑限流器成本和限流效果下的Pareto最优解集,设计者可以根据自己的意愿和实际情况在所求得的Pareto最优解集中选择合适的最优方案.    

11.  基于动态Pareto解集的微粒群优化算法及其在多目标规划中的应用  被引次数:5
   毕荣山  杨霞  谭心舜  项曙光《计算机工程与应用》,2004年第40卷第32期
   在传统的微粒群优化算法的基础上,提出了一种基于动态Pareto解集的求解多目标规划问题的方法。Pareto解集在每次迭代过程中进行动态更新和信息共享,在加入新产生的Pareto近似最优解同时去除解集中已经不是Pareto解的数据,每个个体随机地与Pareto解集中的结果进行信息交换,从而保证在快速找到Pareto解的同时保持多样性。并通过三个标准的测试函数证明了算法的有效性。    

12.  基于蚁群系统的双目标最小生成树算法  
   赵玲  张建科《西安邮电学院学报》,2008年第13卷第5期
   带有多个目标的最小生成树问题在实际生活中有着广泛的应用,但用传统方法很难有效地解决,本文提出一种基于多目标决策的蚁群系统求解双目标最小生成树算法,利用两个启发信息来构造新的状态转移规则,并改进了信息素更新规则,指导蚂蚁找到Pareto最优解。试验结果表明,该算法能有效解决双目标生成树问题,与Pareto最优枚举法比较,求解时间减少了。    

13.  基于量子位实数编码的优化算法及轧制规程多目标优化  
   张宇献  李松  李勇  王建辉《仪器仪表学报》,2014年第11期
   针对热连轧轧制规程优化问题,以等功率裕量和轧制能耗为优化目标函数建立热连轧轧制规程多目标优化模型,提出基于量子位实数编码的热连轧轧制规程多目标优化算法。该算法将免疫遗传算法框架与量子计算思想相结合,采用量子位实数编码,利用量子态干涉进行遗传算子的交叉和变异,同时保证非支配解按拥挤距离选择优势免疫抗体种群,得到 Pareto 全局最优解集。以某轧钢厂热连轧精轧机组为例,验证本文所提及算法的有效性。实例分析表明,所提及的算法在寻优能力和收敛速度上均优于传统的NSGA-II算法,能够获得更好的Pareto解集,有效地解决热连轧轧制规程多目标优化问题,改善了轧制能耗。    

14.  物流运输网络优化研究  
   江卫星《计算机与现代化》,2011年第11期
   物流运输网络中的固定费用运输问题(fcTP)是物流运输中的高级问题,较难得到最优解。本文提出一种基于免疫克隆遗传算法来解决多目标固定费用运输问题。该算法将运输问题的目标函数和约束条件作为抗原,将问题的可行解作为抗体,而抗体与抗原之间的亲和度就用可行解的目标函数值来表示,通过判断抗体与抗原的亲和度和抗体的浓度来克隆选择个体进入下一代。仿真结果表明,免疫克隆遗传算法在固定费用运输问题应用中得到较好的Pareto最优集和Pareto边界。    

15.  免疫算法在火电机组优化组合中的应用  被引次数:8
   李蔚  刘长东  盛德仁  陈坚红  袁镇福  岑可法《浙江大学学报(自然科学版 )》,2004年第38卷第8期
   为克服传统优化算法和遗传算法无法快速有效得到全局最优解的问题,提出了应用免疫算法进行机组组合优化.目标函数对应于免疫算法的抗原,优化解对应于免疫算法中的抗体,通过适应度来评价抗体与抗原的结合程度,与抗原结合最好的抗体就是问题的最优解.对机组运行状态的持续时间进行抗体编码,改善了算法的收敛性.经实例验证表明,优化免疫算法具有良好的搜索性能,是解决机组优化组合问题的有效方法.    

16.  基于带疫苗注入VAMIGA的认知无线电波形优化  
   江虹  刘寅  黄玉清  陈春梅《电子科技大学学报(自然科学版)》,2015年第2期
   典型基于遗传算法的认知无线电(CR)引擎多采用加权法将多个优化目标转换为单目标进行处理,这容易漏掉最优解且引擎效率较低。针对该问题提出了一种带疫苗注入的自适应多目标免疫遗传算法(VAMIGA)。通过在CR问题中与强度Pareto进化算法(SPEA2)仿真对比,VAMIGA决策结果降低了2%~15%的发射功率,提高了6%~8%的调制指数,降低了6%~36%的误比特率。由此可见该算法能更有效地解决多目标优化和不同环境下的CR波形设计问题。    

17.  解决多目标优化问题的一种粒子群优化算法  
   宋冠英  李海楠《现代制造技术与装备》,2008年第3期
   优化设计已发展成为一种有效的新型工程设计方法.粒子群优化算法作为一种新型优化算法,逐渐被用于解决多目标优化问题.但目前研究还较少,本文提出了一种基于Pareto解集的多目标粒子群优化算法.采用一个"记忆体"来存储当前得到的Pareto最优解,对当前所得到的Pareto最优解进行相互比较,以确定一个较优的微粒作为微粒群更新方程中的全局极值,由此来引导其它粒子尽快向最优靠拢,达到算法收敛的目的.测试函数的仿真实验结果表明该算法取得了很好的效果.    

18.  基于K-Means全局引导策略的多目标微粒群算法  
   仇晨晔  王春露  左兴权  方滨兴《北京邮电大学学报》,2012年第35卷第5期
   提出了一种基于K-means全局引导策略的多目标微粒群算法(KMOPSO),通过K-means算法从归档集中选出K个均匀分布的非支配粒子作为全局最优引导,以保证种群中的粒子向整个Pareto前端移动,提高解的多样性. 用基于最近邻居的剪枝算法控制归档集规模,同时保证其中非支配解的多样性. 引入变异策略来加强算法的局部搜索能力,避免早熟收敛. 用5个经典函数进行了仿真测试,实验结果表明,该算法能有效地解决多目标优化问题,不但能收敛于Pareto最优前端,而且在解的多样性方面优于改进的非劣分类遗传算法和基于拥挤距离的多目标微粒群算法.    

19.  一种改进的鲁棒多目标优化方法  
   徐鸣  马龙华  顾江萍  黄跃进  沈希《控制与决策》,2013年第8期
   针对在解决某些复杂多目标优化问题过程中,所得到的Pareto最优解易受设计参数或环境参数扰动的影响,引入了鲁棒的概念并提出一种改进的鲁棒多目标优化方法,它利用了经典的基于适应度函数期望和方差方法各自的优势,有效地将两种方法结合在一起。为了实现该方法,给出一种基于粒子群优化算法的多目标优化算法。仿真实例结果表明,所给出的方法能够得到更为鲁棒的Pareto最优解。    

20.  基于Pareto熵的多目标粒子群优化算法  被引次数:3
   胡旺  Gary G. YEN  张鑫《软件学报》,2014年第25卷第5期
   粒子群优化算法因形式简洁、收敛快速和参数调节机制灵活等优点,同时一次运行可得到多个解,且能逼近非凸或不连续的Pareto最优前端,因而被认为是求解多目标优化问题最具潜力的方法之一.但当粒子群优化算法从单目标问题扩展到多目标问题时,Pareto最优解集的存储与维护、全局和个体最优解的选择以及开发与开采的平衡等问题亦随之出现.通过目标空间变换方法,采用Pareto前端在被称为平行格坐标系统的新目标空间中的分布熵及差熵评估种群的多样性及进化状态,并以此为反馈信息来设计进化策略,使得算法能够兼顾近似Pareto前端的收敛性和多样性.同时,引入格占优和格距离密度的概念来评估Pareto最优解的个体环境适应度,以此建立外部档案更新方法和全局最优解选择机制,最终形成了基于Pareto熵的多目标粒子群优化算法.实验结果表明:在IGD性能指标上,与另外8种对等算法相比,该算法在由ZDT和DTLZ系列组成的12个多目标测试问题集中表现出了显著的性能优势.    

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