排序方式: 共有26条查询结果,搜索用时 15 毫秒
1.
为有效解决复杂多目标动态环境经济调度问题,提出一种基于精英克隆局部搜索的多目标动态环境经济调度差分进化算法。以传统的差分进化(differential evolution, DE)算法为框架,为了提高DE算法的开采和探索能力,增设精英群的克隆和突变机制,采用动态选择方式确定精英群,有效增强算法的全局搜索能力。数值试验以IEEE-30的10机、15机系统为测试实例,并将提出的算法与三种代表性算法比较。结果表明,新算法所获的Pareto前沿具有较好的收敛性和延展性,可为电力系统调度人员提供更灵活的决策方案。 相似文献
2.
3.
针对传统的优化算法求解多目标动态环境经济调度(MODEED)模型时极难获得高质量的可行解,且收敛速度慢等问题,根据MODEED模型约束特征,设计了一种约束修补策略;然后将该策略嵌入非支配排序算法(NSGAⅡ),进而提出一种修补策略的约束多目标优化算法(CMEA/R);接着借助模糊决策理论给出了多目标问题的最优决策向量;最后,以经典的10机系统为例,验证了CMEA/R的求解能力,并比较了不同群体规模下CMEA/R与NSGAⅡ的性能。仿真结果表明,在不同群体规模下,与NSGAⅡ相比,CMEA/R的污染排放平均减少了480 lb(217.7 kg),燃料成本平均减少了7 800美元,执行时间平均减少了0.021 s;覆盖率(HR)性能优于NSGAⅡ,且收敛速度较NSGAⅡ快。 相似文献
4.
针对肺炎的影像学特征如弥漫、多灶、磨玻璃的特点,提出一种肺部感染CT图像分割算法CEDMO。算法主干网络使用ResNet50,在特征提取中,先利用Canny算子对分割目标边缘进行检测,得到的边缘信息再与ResNet50进行融合计算,边缘信息还在解码器部分的多目标输出计算中作为一个引导值。在解码器部分对PSA注意力机制改进并设计了多输出约束,以获得了更多的细节信息和多个尺度的特征。在多输出中,设计了5个输出路径,每个路径的Loss都参与约束计算,使得训练结果加快收敛,从而提高计算效率。最后通过实验对比基线模型的结果,3个指标优于基线模型,其中Dice系数、灵敏度(SE)、增强对准度量(E?m)依次提高了4.7、4.5和1.3个百分点。 相似文献
5.
提出一种处理高维背包问题(KP)的贪婪封装二进制差分进化算法(GPBDE),并设计了一种贪婪封装的修补策略处理不可行解.为了提高种群的多样性及算法的全局搜索能力,对适应度较低的个体执行对偶变换.数值实验选取4种KP对GPBDE的优化能力进行测试,并将所提出的算法与4种同类算法进行比较,结果表明,GPBDE具有较强的寻优和约束处理能力,且收敛速度较快. 相似文献
6.
抗体修正免疫算法对高维0/1背包问题的应用 * 总被引:3,自引:0,他引:3
遗传算法极难处理高维约束优化问题, 故借鉴免疫系统机理, 提出一种抗体修正免疫算法解决一类高 维约束优化问题。该算法设计的关键在于抗体亲和力由抗体浓度及群体状态决定; 可行抗体被克隆、突变; 非 可行抗体的基因按价值密度由小到大逐一修正。选取两种已有的智能算法(ETGA、ISGA), 通过不同约束条件 下的高维0/1背包问题的仿真比较。结果表明,该算法较其他算法能更快地跟踪最优值, 具有较强的勘测和开 采能力。 相似文献
7.
研究有效的增强投资的效益,针对风险资产的最大和最小投资比率给予限制,使投资风险进行量化.为了提高投资效益,提出设计一种约束多目标免疫优化算法,并将用于约束多目标投资组合模型求解.算法设计中,亲和力由抗体浓度及被控程度决定,增强算法的约束处理能力,初始群通过混沌机制获取,有效地加速算法的收敛速度,每个抗体克隆数目根据亲和力动态变化,增强算法的开采和探索能力.通过实际数据将设计的算法与著名的多目标进化算法NSGAII比较,结果表明,所设计的算法比NSGAⅡ在新的模型下获得更好的收敛性及更高的投资效益. 相似文献
8.
生物免疫系统的自适应学习、免疫记忆、抗体多样性及动态平衡维持等功能,提出一种动态多目标免疫优化算法处理动态多目标优化问题.算法设计中,Logistic映射产生混沌抗体群;利用抗体的被控度和抗体拥挤距离设计抗体的亲和力;借助控制概念将群体分为非控群和被控群,再分别对其施行不同方式的突变增强群体的多样性;利用免疫记忆、Averagelinkage聚类方法,设计外部集和记忆集分别保存非控个体和亲和力较高抗体,所获的记忆细胞参与相似或相同环境初始抗体群的生成;借助三种不同类型的动态多目标优化测试问题,通过与两种最新的动态多目标进化算法及一种动态多目标克隆选择算法比较,数值实验论证了所提出算法在动态跟踪Pareto面的速度和执行效果上较其它算法优越. 相似文献
9.
10.
基于生物免疫系统的自适应学习、免疫记忆、抗体多样性及动态平衡维持等功能,提出一种动态多目标免疫优化算法处理动态多目标优化问题.算法设计中,依据自适应ξ邻域及抗体所处位置设计抗体的亲和力,基于Pareto控制的概念,利用分层选择确定参与进化的抗体,经由克隆扩张及自适应高斯变异,提高群体的平均亲和力,利用免疫记忆、动态维持和Average linkage聚类方法,设计环境识别规则和记忆池,借助3种不同类型的动态多目标测试问题,通过与出众的动态环境优化算法比较,数值实验表明所提出算法解决复杂动态多目标优化问题具有较大潜力. 相似文献