共查询到18条相似文献,搜索用时 140 毫秒
1.
2.
3.
4.
5.
6.
7.
8.
提出了一种基于自适应变异差分进化(AMDE)算法的ANFIS模型对混沌时间序列进行预测的方法,该方法采用自适应变异差分进化算法和最小二乘法相结合的混合学习算法对ANFIS网络结构参数进行优化设计,利用差分进化算法的全局寻优能力对ANFIS网络前件参数进行优化,而网络的结论参数采用最小二乘法优化,混合学习算法提高了网络参数辨识的收敛速度和系统的全局收敛性,仿真实验结果表明了该方法的有效性。 相似文献
9.
针对人工蜂群算法的不足,结合差分进化算法中的变异思想,提出一种改进的人工蜂群算法。其基本思想是在标准人工蜂群算法中观察蜂更新蜜源的阶段,使用差分进化算子对蜜源进行更新,在差分变异算子中引入混沌序列,以提高观察蜂在此阶段的局部搜索能力,最终获得最优蜜源。仿真结果表明,引入混沌差分进化搜索的蜂群算法无论在解的求解精度上还是算法的收敛速度上均优于标准人工蜂群算法,适合于复杂函数的全局优化问题。 相似文献
10.
为解决标准遗传算法(SGA)收敛缓慢等缺点,提出一种混沌变异算子的改进遗传算法,进化过程中,为防止局部早熟收敛,对较优个体的变异操作中引入一个混沌变异算子,并把混沌运动的遍历范围“放大”到优化变量的取值范围,通过一代代地不断进化,收敛到一个最适合环境的个体上,求得问题的最优解;建立精英个体序列库,防止最优解的丢失。采用实际算例进行仿真试验,仿真结果证明了该算法的有效性。 相似文献
11.
基于混沌和差分进化的混合粒子群优化算法 总被引:1,自引:0,他引:1
研究粒子群算法优化问题,由于标准粒子群优化算法(PSO)在高维复杂函数优化中易早收敛,影响全系统优化。为改进的混合粒子群优化算法,提出了一种基于混沌和差分进化的混合粒子群优化算法(CDEHPSO)。把基于Logistic映射的混沌序列引入到种群初始化操作中。在算法进化过程中,通过一种粒子早熟判断机制,在基本粒子群优化算法中引入了差分变异、交叉和选择操作,对早熟粒子个体进行差分进化操作,从而维持了种群的多样性并有效避免了算法陷入局部最优。仿真结果表明,相比于粒子群优化算法和差分进化算法(DE),CDEHPSO算法具有收敛速度快、搜索能力强的优点。 相似文献
12.
13.
14.
求解0-1整数规划问题的混沌遗传算法* 总被引:1,自引:0,他引:1
针对一类特殊的0-1整数规划求解问题提出一种混沌遗传算法。该算法采用幂函数载波技术提高混沌搜索的充分性与遍历性,以混沌搜索算法得出的优化个体作为遗传算法的新群体进行交叉、变异等操作,提高种群质量,同时增加种群多样性,改善遗传算法的早熟问题。该算法被用于解决片上网络映射A3MAP(architecture-aware analytic mapping) 0-1整数规划问题。实验仿真证明,该算法的收敛速度和解的精度均优于A3MAP-GA。 相似文献
15.
利用混沌差分进化算法预测RNA二级结构 总被引:1,自引:0,他引:1
RNA二级结构预测在生物信息学中具有重要意义。本文针对RNA二级结构预测,提出了一种混沌差分进化算法。算法对种群进行混沌初始化,利用混沌扰动产生新的个体,缩小搜索空间;根据个体的适应值和种群密度自适应地对个体进行混沌更新,改善了种群的多样性。该算法充分利用了差分进化算法速度快以及混沌的遍历性、随机性和规律性等特点,有效克服了早熟现象,提高了算法的全局搜索能力。实验证明了算法的有效性。 相似文献
16.
布局问题在理沦上属于NPC问题,在工程实践上具有广泛的应用。为较好地求解该问题,该文以并行遗传算法(PGA)为基础,针对其早熟和收敛速度慢两大缺陷加以改进,给出了一种并行混合遗传算法(PHGA).PHGA采用该文提出的压力插他排序选择算子,起到了双重作用:一是在进化初期可以防止早熟;二是在进化后期有利于加快算法的收敛。算法利用混沌初始化可提高初始群体的质量,并依自适应交叉和变异概率值对子群体进行分类,与Powell法混合可以很好地改善算法的局部搜索性能。文中通过标准函数优化和布局设计的算例验证了该算法的可行性和有效性。 相似文献
17.
针对进化规划算法收敛速度慢和早熟收敛的缺点,将改进的随机搜索方法和进化规划算法相结合,提出了一种自调整的进化规划算法。在该算法中,使用高斯变异算子对个体进行变异,利用改进的随机搜索方法对个体变异进行自调整,提升了个体向适应度高的方向进化的能力,提高了个体间的多样性差异,从而改善算法的性能。对该算法性能进行典型算例的数字仿真证明该算法具有良好的性能。 相似文献