排序方式: 共有32条查询结果,搜索用时 15 毫秒
1.
针对RNA二级结构预测问题,提出了一种离散蛙跳算法,根据RNA分子折叠的特点,重新定义个体的移动距离和位置,并借鉴粒子群优化算法中的惯性权重加以改进,使算法在空间探索和局部求精间取得了很好的平衡.与同领域中著名的预测软件进行了仿真比较,结果表明新的算法具有较高的预测精度. 相似文献
2.
3.
4.
针对旅行商问题,提出了一种带自学习算子的粒子群优化算法,根据旅行商问题及离散量运算的特点,对粒子的位置、速度等量及其运算规则进行了重新定义,为抑制早熟停滞现象,定义了变异速度来保持粒子群的多样性,使用自学习算子来提高算法的局部求精能力,使算法在空间探索和局部求精间取得了较好的平衡,与领域中的其它典型算法进行了仿真比较,结果表明,该算法具有良好的性能. 相似文献
5.
求解0-1背包问题(KP)的最优解的时候,传统遗传算法(GA)的局部求精能力不足而简单局部搜索算法的全局探索能力有限,针对上述问题,将这两个算法整合并提出了混合贪婪遗传算法(HGGA)。在GA全局搜索框架下增加局部搜索模块,并改进传统仅基于物品价值密度的修复算子,增加基于物品价值的贪婪混合选项,从而加速寻优过程。HGGA一方面引导种群在进化的优质解空间中展开精细搜索,另一方面依靠GA的经典操作算子开拓全局搜索空间,从而达到算法求精能力和开拓能力的良好平衡。HGGA分别在三组数据上做了测试,结果表明在第一组15个测试用例中的12个上,HGGA能够百分百找到最优解,成功率达到80%;在第二组小规模数据集上,HGGA的性能明显好于其他同类GA和其他元启发算法;在第三组大规模数据集上,HGGA较其他元启发式算法具有更好的稳定性和高效性。 相似文献
6.
折扣{0-1}背包问题(Discounted {0-1} Knapsack Problem,DKP)是一个NP-困难的组合优化问题,尽管已经存在一些求解DKP的智能优化算法,但目前尚没有用蚁群优化(Ant Colony Optimization,ACO)算法求解DKP的研究。提出了一个求解DKP的改进ACO(Modified ACO,MACO)算法。MACO算法使用整数编码以保证每组物品最多只有一个物品被选中,在MACO算法构造解的每一步,采用组内竞争选择来降低算法的时间复杂性,对计算选择概率的公式,放弃启发式信息以减少参数并简化算法参数设置,对蚂蚁构造出的解,经修复后使用基于价值密度和价值的混合贪婪优化算子来提高算法的寻优能力。在四类测试用例上对MACO算法进行了测试并与其他算法进行比较,实验结果表明MACO算法的性能明显优于其他算法。 相似文献
7.
8.
针对异构环境下独立任务分配问题,提出了一种免疫遗传算法,为抑制早熟停滞现象,基于免疫原理,为遗传算法定义了染色体浓度,采用免疫变异算子来维持种群的多样性,采用接种疫苗算子来提高算法的求精能力,使算法在空间探索和局部求精间取得了很好的平衡,仿真结果表明.遗传算法能够很好地应用于求解任务分配问题,基于免疫原理的优化算子能够有效地提高遗传算法的搜索效率、优化搜索结果. 相似文献
9.
一种改进的离散粒子群优化算法 总被引:1,自引:0,他引:1
针对旅行商问题,提出了一种改进的离散粒子群优化算法,根据优化问题及离散量的特点,对粒子的速度、速度的相关运算规则和粒子的运动方程进行了重新定义,为防止算法的早熟停滞现象,提出用扰动速度来增加粒子群的多样性,为提高算法的求精能力,设计了一种高效的近邻搜索算子来提高粒子的适应值,使算法在空间探索和局部精化间取得了很好的平衡.与领域中的其它典型算法进行了仿真比较,结果表明,该算法具有很好的性能. 相似文献
10.
求解二次分配问题的离散粒子群优化算法 总被引:17,自引:0,他引:17
提出了一种求解二次分配问题的离散粒子群优化算法. 根据二次分配问题及离散量的特点, 重新定义了粒子的位置、速度等量及其运算规则, 为抑制早熟停滞现象, 为粒子和粒子群分别定义了个体多样性和平均多样性. 算法中定义了排斥算子来保持粒子群的多样性, 使用局部搜索算子来提高算法的局部求精能力, 使算法在空间勘探和局部求精间取得了较好的平衡. 在 QAPLIB 的实例上的仿真结果表明, 离散粒子群优化算法具有良好的性能. 相似文献