排序方式: 共有5条查询结果,搜索用时 156 毫秒
1
1.
发酵动力学模型参数估计是基于最小二乘的参数估计问题,是根据满足最小二乘的标准来解决模型的最佳参数匹配,求解该问题可采用遗传算法,但简单遗传算法容易陷入局部最优。本文提出一种自适应域多群体遗传算法,它通过自调整参数域,避免陷入局部最优,同时还提高搜索到的解是全局最优解的可靠性,适用于很多领域的应用优化问题。 相似文献
2.
3.
针对参数初始区间不能准确定义的参数优化问题,提出一种多群体遗传算法动态调整区间的参数优化方法。该方法采用多群体遗传算法,设计差分变异和均匀变异相结合的变异算子,进行区间外探索和区间内开发,并设计参数区间动态调整的策略,从而实现降低对参数初始取值区间准确性的要求,同时大大提高了算法的求解精度和求解速度。利用标准函数集验证了该算法的正确及有效性。 相似文献
4.
降维式自主迁移伪并行遗传算法 总被引:2,自引:0,他引:2
并行优化算法是一种以优化算法为基础,利用并行计算技术,把问题分解到各个处理器进行处理的算法.以遗传算法为蓝本,提出一种降维式自主迁移的伪并行遗传算法.该算法实现了对高维问题的并行降维优化,并设计出新颖的具有协作性质的信息迁移机制,更好地融合各个处理器的优化信息.测试了3种不同的迁移处理器中优化信息的方法,并对11个具有30维的连续函数进行测试.测试结果与其它并行遗传算法进行了比较,该方法在求解精度和速度上都要比传统的串行遗传算法和并行遗传算法优胜. 相似文献
5.
1