排序方式: 共有9条查询结果,搜索用时 12 毫秒
1
1.
引入混沌变量作为布谷鸟优化算法的局部算子,提出了一种基于混沌布谷鸟(Chaotic Cuckoo Search,CCS)优化算法求解二重数值积分的方法.该方法初始时在矩形积分区域两个方向的区间内各自任意选取一定的节点,通过CCS算法优化这些节点,并以优化后的节点作为分割点对二重数值积分进行求解.仿真实例结果表明,该算法简单,易实现,收敛速度快,得到的积分值精度高,是一种有效的二重数值积分求解方法. 相似文献
2.
3.
将一定规模的粒子群平分成三个子群,并分别按基本粒子优化算法、ω自线性调整策略的粒子群算法和云自适应粒子群算法三种不同规则进化,既保持各个子群和算法的独立性和优越性,又不增加算法的复杂性,并提出“超社会”部分,重新定义了速度更换式子,同时还引入了扩张变异方法和扰动操作。实验仿真结果表明,给出算法的全局搜索能力、收敛速度,精度和稳定性均有了显著提高。 相似文献
4.
5.
根据矩阵特征值的分布理论,通过确定矩阵特征值的分布区域,用混合人工鱼群算法来求解任意数值矩阵特征值的近似值。实验结果表明,这种基于混合人工鱼群求解矩阵特征值的算法,可达到一定的精度,能够有效地获得任意矩阵的特征值。 相似文献
6.
校园互联网访问行为管理平台的设计和实现,主要通过部署软硬件一体的互联网访问行为管理设备,从校园网用户实际需求出发,量身定制相关行为管理策略,从而实现该系统在带宽保障、访问行为、流量控制、病毒防御和安全审计等方面的功能.该结果表明,不但提高校园网的运行质量,而且增强了运行的稳定性,使得信息中心的管理和决策工作更加迅捷有效,成为向广大教职工和学生充分提供健康内容的媒介,为学校各个机构能顺利的开展各项基于网络的教学工作提供保障. 相似文献
7.
8.
基于扩张变异方法的云自适应粒子群算法 总被引:2,自引:0,他引:2
提出了一种基于扩张变异方法的云自适应粒子群算法,该算法利用云模型X务件云发生器自适应调整每一个粒子个体惯性权值.采用扩张变异方法进行变异,可避免因多维而多变量引起多因素的干扰,加快搜索速度,其目的进一步改进粒子群算法的性能,为解决高维空间优化问题提供一种有效方法.最后,以高维函数优化为实例,计算机仿真结果表明,给出的算法具有鲁棒性强、收敛速度快、精度高等特点. 相似文献
9.
粒子群和人工鱼群混合优化算法 总被引:3,自引:1,他引:2
提出基于粒子群的人工鱼群混合优化算法,该算法综合利用人工鱼群算法的良好全局收敛性和粒子群算法的局部快速收敛性、易实现性等优点,克服人工鱼群算法收敛速度慢及粒子群算法后期全局收敛差的缺点,发挥了两者的优越性,并成功应用于求解具有变量边界约束的非线性的复杂函数最优化问题和求解复杂化学方程根的问题。仿真结果表明,混合粒子群算法不仅具有较好的全局收敛性能,而且具有较快的收敛速度。 相似文献
1