共查询到10条相似文献,搜索用时 15 毫秒
1.
模拟退火算法具有良好的全局搜索能力,而蚁群算法具有良好的分布式并行性和正反馈能力.针对样本维数大、数目多时聚类效果不满意的问题,提出了混合的蚁群模拟退火算法,思路是利用K-均值算法的结果作为初值,再使用蚁群算法和模拟退火算法对初值进行调整聚类,结果表明这种算法比较有效. 相似文献
2.
3.
4.
5.
针对调制信号分类特征选择问题,提出了自适应惯性权重模拟退火二进制离散粒子群算法。该算法将模拟退火算法嵌入到离散粒子群算法循环体中,利用模拟退火算法具有较强的局部搜索能力和避免陷入局部最优解的特点,解决了简单智能优化算法早熟收敛和局部搜索能力弱等问题。仿真结果表明,该算法能有效选取最优特征,性能优于简单离散粒子群算法和遗传算法。 相似文献
6.
7.
基于遗传模拟退火算法的Ad Hoc网络QoS路由优化 总被引:1,自引:1,他引:0
利用遗传算法具有较强的全局搜索能力和模拟退火算法具有较强的局部搜索能力的特征,提出了一种融合模拟退火策略的遗传算法来解决Ad Hoc网络中QoS路由问题.首先,利用遗传算法快速搜索到近优解,然后,使用模拟退火算法的搜索策略进行细致寻优.较好地克服两种算法各自的缺点,发挥它们的优势.实验结果表明:与单独使用遗传算法或模拟退火算法相比可获得更好的网络性能. 相似文献
8.
在求解多峰复杂函数的过程中,传统的模拟退火算法和禁忌搜索算法经常出现算法快速收敛于局部最优解、后期收敛速度变慢和搜索能力变差等问题.为解决这些问题,本文给出函数复杂度的定义,并提出基于函数复杂度的自适应模拟退火和禁忌搜索算法.该算法首先根据函数复杂度自适应调整步长控制参数,然后根据调整后步长求得函数的粗糙解,在此基础上再使用初始步长求得全局最优解.实验表明,该算法不仅可以跳出局部最优解的限制,并且减少了迭代次数,有效地提高了全局和局部搜索能力. 相似文献
9.
基于改进蚁群算法的机器人路径规划 总被引:1,自引:0,他引:1
采用MAKLINK图论建立机器人路径规划的空间模型,利用Dijkstra算法减少工作空间的搜索范围,引入免疫算子,将其融合到蚁群算法的每次迭代过程中,提高蚁群算法在全局搜索空间的遍历性和收敛速率,避免陷入局部最优解。 相似文献