排序方式: 共有7条查询结果,搜索用时 15 毫秒
1
1.
求解约束优化问题M-精英协同进化算法 总被引:2,自引:0,他引:2
提出了一种适用于约束优化问题的协同进化算法.该算法旨在模拟人类社会中团队的组建及其协作方式,并强调精英人才对团队建设的推动作用.算法将整个种群分为精英种群和普通种群,围绕各个精英来组建团队,使精英种群带动普通种群,进而带动整个种群不断进化.组建团队过程中,不同精英之间采用协作操作,精英对普通种群成员进行引导操作,其中协作操作和引导操作由若干交叉或变异算子的组合所定义.使用静态罚函数法将约束优化转化为无约束优化,利用13个约束优化测试函数对算法进行了测试.仿真实验和参数分析结果表明,该算法寻优精度高,算法稳定,运行时间少,其性能优于组织进化算法,能够有效解决复杂的约束优化问题. 相似文献
2.
M-精英协同进化数值优化算法 总被引:1,自引:0,他引:1
为了解决高维无约束数值优化问题,借鉴协同进化和精英策略的思想,提出了M-精英协同进化算法.该算法认为,适应度较高的个体群(称为精英种群)在整个种群进化中起着主导作用.算法将整个种群划分为由M个精英组成的精英种群和由其余个体组成的普通种群这样两个子种群,依次以M个精英为核心(称为核心精英)来选择成员以组建M个团队.若选中的团队成员是其他精英,则该成员与核心精英利用所定义的协作操作来交换信息;若团队成员选自普通种群,则由核心精英对其进行引导操作.其中,协作操作和引导操作由若干不同类型的交叉或变异算子的组合所定义.理论分析证明,算法以概率1收敛于全局最优解.对15个标准测试函数进行的测试显示,该算法能够找到其中几乎所有被测函数的最优解或好的次优解.与3个已有的算法相比,在评价次数相同时,该算法所求解的精度更高.同时,该算法的运行时间较短,甚至略短于同等设置下的标准遗传算法.此外,对参数的实验分析显示,该算法对参数不敏感,易于使用. 相似文献
3.
本文提出了一种变化检测方法以提高算法的鲁棒性、检测精度以及抗噪性.首先对差值法构造的差异图和比值法构造的差异图进行小波融合.然后将融合图像分成互不重叠的小块,并用主成分分析得到图像块的正交基.通过将融合图像中每个像素的邻域小块映射到正交基上使得每个像素用一个特征向量来表示.最后用基于核的模糊C均值对特征向量进行聚类.实验结果显示与使用单一类型差异图的聚类方法相比,本方法由于采用了图像融合的策略而增强了鲁棒性,且由于采用了核模糊聚类,进一步提高了变化检测精度.此外由于使用了特征提取的技术,本方法具有一定的抗噪性能. 相似文献
4.
SAR图像变化检测可以转化为对差异图的聚类问题。由于 SAR 图像本身容易受到斑点噪声干扰,为提高聚类效果提出了一种结合邻域信息的自适应粒子群聚类算法。该方法在模糊 C 均值原目标函数基础上,引入中心像素的邻域信息,并通过自适应粒子群的全局搜索来优化聚类中心。该方法还引入了自学习算子即粒子编码中的中心像素的隶属度,能够向其相邻像素的隶属度学习,并据此修正自身的隶属度值相关。实验结果表明,与模糊C均值和量子免疫克隆聚类算法相比,该方法利用了像素的邻域信息,从而增强了抗噪性能。与模糊局部信息C均值算法相比,该方法对图像细节保持能力较强,运行时间也较少。 相似文献
5.
6.
M-精英进化算法及其在V-BLAST系统中的应用 总被引:1,自引:0,他引:1
为解决垂直分层空时(V-BLAST)系统中的最大似然检测算法(ML)复杂度过高的问题,并针对通信系统对实时性要求较高的特点,该文提出了一种复杂度较低且性能优良的进化算法,即M-精英进化算法(MEA),来逼近ML检测算法。通过一个经典背包问题的仿真验证了MEA求解组合优化问题的有效性,实际的通信系统仿真表明,基于MEA的检测算法优于一些经典的检测算法,也优于基于标准遗传算法及克隆选择算法的检测算法,能够较好地逼近ML检测算法。 相似文献
7.
1