首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   54篇
  国内免费   15篇
  完全免费   25篇
  自动化技术   94篇
  2018年   1篇
  2017年   3篇
  2016年   2篇
  2015年   3篇
  2014年   7篇
  2013年   5篇
  2012年   12篇
  2011年   13篇
  2010年   10篇
  2009年   18篇
  2008年   12篇
  2007年   4篇
  2005年   2篇
  2003年   1篇
  2002年   1篇
排序方式: 共有94条查询结果,搜索用时 31 毫秒
1.
一种改进的基于差分进化的多目标进化算法   总被引:2,自引:2,他引:0       下载免费PDF全文
近年来运用进化算法(EAs)解决多目标优化问题(Multi-objective Optimization Problems MOPs)引起了各国学者们的关注。作为一种基于种群的优化方法,EAs提供了一种在一次运行后得到一组优化的解的方法。差分进化(DE)算法是EA的一个分支,最开始是用来解决连续函数空间的问题。提出了一种改进的基于差分进化的多目标进化算法(CDE),并且将它与另外两个经典的多目标进化算法(MOEAs)NSGA-Ⅱ和SPEA2进行了对比实验。  相似文献
2.
基于改进拥挤距离的多目标进化算法   总被引:1,自引:1,他引:1       下载免费PDF全文
汪文彬  钟声 《计算机工程》2009,35(9):211-213
针对多目标进化算法的拥挤距离截断算子的分布度保持不足以及在二进制编码情况下较难收敛的缺点,提出一种改进的多目标进化算法,使用改进的拥挤距离截断算子和自适应变异算子,与经典的多目标进化算法进行对比,实验表明,该算法得到的Pareto解集具有良好的收敛性和分布性。  相似文献
3.
多目标进化算法中选择策略的研究   总被引:1,自引:1,他引:2  
在多目标进化算法(multiobjective evolutiorlsry algorithms,MOEAs)的文献中,对算法的选择策略进行系统研究的还很少,而MOEAs的选择策略不仅引导算法的搜索过程、决定搜索的方向而且对算法的收敛性有重要的影响,它是算法能否成功求解多目标优化问题的关键因素之一.在统一的框架下,首先讨论了多目标优化问题中适应度函数的构造问题,然后根据MOEAs的选择机制和原理将它们的选择策略重新分成了6种类型.一般文献中很少对多目标进化算法的操作算子采用符号化描述,这样不利于对算子的深层次理解,符号化描述了各类选择策略的操作机制和原理,并分析了各类策略的优劣性.最后,从理论上证明了具备一定特征的多目标进化算法的收敛性,证明的过程表明了将算法运行终止时得到的P known作为多目标优化问题的Pareto最优解集或近似最优解集的合理性.  相似文献
4.
多目标进化算法中变异算子的比较与研究   总被引:1,自引:1,他引:0       下载免费PDF全文
提出了一种适应于多目标进化算法的变异越界处理策略,成功地将这些变异算子应用到多目标进化优化问题中,从多目标优化收敛性的角度比较了这些变异算子的性能。通过一组实验表明这种越界处理方法是非常有效的,单目标优化中的这些变异算子具有与多项式变异算子相当的分布性,同时取得了更好的收敛性能。  相似文献
5.
改进NSGA-Ⅱ终止判断准则   总被引:1,自引:1,他引:0  
在基于进化算法的多目标优化中,往往是通过设置最大进化代数来确定算法何时终止.但是,如果最大进化代数设置太大,会增加许多不必要的计算量,设置太小可能得不到理想的结果.为了解决上述问题,提出一种改进的终止判断准则,通过该终止判断准则,即使在最大进化代数设置得非常大的情况下,只要连续几次获得的相隔一定进化代数的Pareto优解集的种群距离均小于给定的阈值,算法即可终止,并得到理想的结果,算法不再继续计算直到进化到最大进化代数后才终止.从仿真结果可以看出,通过终止判断准则,不仅降低了进化代数,减少了计算量,证实了新终止判断准则可行.  相似文献
6.
多目标进化算法的分布度评价方法   总被引:1,自引:1,他引:1       下载免费PDF全文
分析现存多目标进化算法分布度评价方法的特点和不足,提出一种在新的坐标下对解集进行分布度评价的方法。该方法把直角坐标系下的解集映射到另一个基于角度的坐标下,以避免算法因收敛性不同对分布性评价造成影响,把新的坐标空间划分成若干相等的区域,利用区域内的个体数评价解集的均匀性。理论分析与实验结果证明该方法能精确地评价解集的分布情况。  相似文献
7.
基于个体密集距离的多目标进化算法   总被引:1,自引:1,他引:14  
雷德明  吴智铭 《计算机学报》2005,28(8):1320-1326
外部种群维护和适应度赋值是多目标进化算法(MOEA)的两个重要部分,该文首先对这两个问题目前已有的处理方法进行了分析,然后提出了基于个体密集距离的外部种群维护方法,并在将所有个体根据Pareto支配关系分成四个层次的基础上,给出了一种由个体密集距离定义的适应度函数,最后将基于个体密集距离的多目标进化算法CMOEA应用于几个常用的测试函数,并和SPEA,SPEA-2进行了比较,计算结果表明CMOEA具有良好的搜索性能.  相似文献
8.
多目标进化算法中基于动态聚集距离的分布性保持策略 *   总被引:1,自引:1,他引:1  
罗彪  郑金华 《计算机应用研究》2008,25(10):2934-2938
提出了基于动态聚集距离 ( DCD)的分布性保持策略 ,利用个体在不同维目标上聚集距离的差异程度来定义 DCD,并在种群维护中动态地计算 DCD。与目前经典算法 NSGA-II和ε -MOEA进行比较 ,实验结果表明 DCD能在较大程度上提高分布性 ,并得到较好的收敛性。  相似文献
9.
一种基于最小生成树的多目标进化算法   总被引:1,自引:1,他引:5  
怎样保证朝Pareto最优解的方向搜索和如何获得均匀分布且范围广泛的非支配解是多目标进化算法(MOEA)设计时的两个关键问题,它们很大程度上取决于适应度赋值和外部种群维护这两个重要部分.提出了一种基于最小生成树的多目标进化算法(MST_MOEA).在考虑了个体间支配关系的基础上,利用个体与非支配集的距离和不同等级个体的树聚集密度来对适应度赋值;在外部种群的非支配解个数超过规定的种群规模时,用树的度数和树聚集密度对其进行修剪.将其应用于不同维数下9个测试函数,并与NSGA-II,SPEA2进行对比,结果证实了算法良好的收敛性和分布性.  相似文献
10.
解集的分布性是多目标优化中最重要的研究工作之一,解集的分布性主要体现在两个方面,一是解集的分布广度;二是解集的均匀性。在多目标进化算法(MOEAs)中,解集分布性的保持放在种群维护中实现,提出一种基于∞范数的逐步方法(INS)来提高MOEAs解集的分布性,INS用∞范数来衡量个体的分布性,用逐步的方法来裁剪个体。通过与目前最流行的两个MOEAs——NSGA-II和ε-MOEA,在9个测试函数上进行实验,结果表明INS能很好地提高解集的分布性。  相似文献
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