共查询到20条相似文献,搜索用时 78 毫秒
1.
2.
一种保证全局收敛的PSO算法 总被引:103,自引:6,他引:103
在对基本PSO算法分析的基础上,提出了一种能够保证以概率1收敛于全局最优解的PSO算法——随机PSO算法(stochastic PSO,SPSO),并利用Solis和Wets的研究结果对其全局收敛性进行了理论分析,给出了两种停止进化微粒的重新产生方法.最后以典型优化问题的实例仿真验证了SPSO算法的有效性. 相似文献
3.
4.
提出了基于DNA计算和遗传算法的DNA遗传算法,给出了DNA遗传算法的结构,讨论了遗传操作算子,利用DNA遗传算法对FNN进行学习,比采用梯度型算法和遗传算法有更高的学习精度和更快的收敛速度,该算法有全局收敛性避免了采用梯度型学习算法训练FNN时固有的局部收敛问题,同样,该算法加速了FNN的训练,能够在线应用. 相似文献
5.
6.
为了解决PSO算法能否搜索到全局最优解这类主要理论问题,对随机优化算法的全局收敛性准则作了详细解释,并应用此全局收敛性准则对PSO算法的全局收敛性进行了理论分析;指出了PSO算法并不满足随机优化算法的全局收敛性准则应具备的两个条件,并证明了PSO算法是不能保证全局收敛的。 相似文献
7.
8.
一种简单蚂蚁算法及其收敛性分析 总被引:15,自引:0,他引:15
该文首先介绍了一种可用于函数优化的简单蚂蚁算法,该算法具备了传统蚂蚁算法的基本特征,并给出了变异和最优保存两点改进.然后在给定近似精度的基础上通过Markov过程分析,得出了该算法的全局收敛性.同时,通过对衰减度、变异率等参数的定性讨论,得出了参数的取值对算法性能的影响,并从理论上说明,传统蚁群算法通常的选择概率公式是有缺陷的,而具有变异机制的蚂蚁算法要好于传统蚂蚁算法.该文的实例则说明了文中所给算法的有效性和相关理论论述的正确性. 相似文献
9.
微粒群算法的统一模型及分析 总被引:11,自引:0,他引:11
通过分析已有的几种微粒群算法,提出了一种统一模型,并通过线性控制理论分析了其收敛性能.为了进一步提高算法效率,提出了两种增强全局搜索性能的参数自适应算法:单群体参数自适应微粒群算法及双群体参数自适应微粒群算法.其中单群体参数自适应微粒群算法在进化初期使用算法发散的参数设置,从而能更大程度地提高算法全局收敛能力.双群体参数自适应微粒群算法使用两个种群,一个执行全局搜索,另一个执行局部搜索,通过信息交流以提高算法性能.仿真实例证明了算法的有效性. 相似文献
10.
11.
CRGA--一种基于保留全局公共模式和约束交叉位置的遗传算法 总被引:4,自引:0,他引:4
提出了一种基于保留全局公共模式和约束交叉位置的遗传算法CRGA,该算法解决了标准交叉算子容易破坏高阶、长而好的模式及其在相似个体之间低效的问题,CRGA通过对适应度高于群体平均适应度的个体模式基因值的统计来估算父个体基因值在子个体中保留的概率,从而达到对高阶、长而好的模式的保护;同时通过约束交叉位置,保证了交叉操作一定能产生新个体.实验结果表明,CRGA算法在收敛精度和收敛速度上都要明显优于基于标准交叉算子的遗传算法. 相似文献
12.
13.
标准遗传算法(SGA)只是对自然界遗传进化过程的比较简单的模拟,较少考虑人类特有的繁殖方式。提出一种基于人类繁殖现象的遗传算法(HRGA),该算法的遗传算子包括选择算子、助长算子、交叉算子和变异算子,遗传个体具有雄性和雌性两种不同的性别,融合了个体的年龄和个体间的亲缘关系两种特征,在允许的年龄范围内,异性个体进行严格的远缘繁殖,从而克服了标准遗传算法容易出现的早熟收敛现象,提高了算法的收敛速度。通过对函数最优化问题的求解试验,证明了该算法具有很强的跳出局部收敛的能力,其全局收敛速度和最优解的质量明显高于标准遗传算法,同时也证明了该算法的有效性。 相似文献
14.
一种种群自适应收敛的快速遗传算法 总被引:1,自引:1,他引:0
作为一种全局搜索算法,遗传算法的局部搜索能力较低,后期产生的无效进化与早熟收敛影响优化的速度和精度。已有的改进策略多以算法的时间复杂度为代价提高后期效率,严重限制了遗传算法在工业控制系统中的应用。针对这种情况,提出了一种新型种群自适应收敛的快速遗传算法,即通过提高种群的遗传质量,在严格控制算法复杂度的前提下提高优化性能。仿真结果证明,在不增加时间复杂度的前提下,新算法显著地提升了收敛精度和收敛速度。 相似文献
15.
16.
多种群退火贪婪混合遗传算法 总被引:3,自引:0,他引:3
遗传算法是应用比较广泛的一种随机优化算法,遗传算法的收敛速度与问题解的质量是影响算法寻优性能的一对主要矛盾。为了提高遗传算法的性能,论文通过将局部搜索能力较强的贪婪算法引入遗传算法,并且同模拟退火和多种群并行遗传进化思想有机结合起来的方法,提出了一个改进型的算法——多种群退火贪婪混合遗传算法(MultigroupAnnealingGreedyHybridGeneticAlgorithm,简称MAGHGA)。仿真结果表明,该算法避免了在遗传算法中存在的早熟收敛问题,增强了算法的全局收敛性,同时也有效地提高了算法的收敛速度。 相似文献
17.
18.
19.
一种基于遗传算法的神经网络控制方法 总被引:1,自引:0,他引:1
本文比较了传统的BP算法和遗传算法用于神经网络设计的优缺点,阐明了遗传算法和神经网络相结合的必要性,提出了一种用遗传算法同时优化网络的结构和权值的神经网络控制方法,通过对遗传算法基本参数及骗码方案,遗传算子的设计,实现了权值与结构的同时优化,成功地应用于二级倒立摆系统的控制,仿真结果显示了这种遗传算法能够有效抑制早期收敛,以较快的速度与较高的精度达到全局快速收敛。 相似文献