共查询到20条相似文献,搜索用时 208 毫秒
1.
2.
神经网络优化计算的新方法 总被引:6,自引:1,他引:5
本文在Hopfield神经网络优化方法的基础上,根据模拟退火算法逃离局部最优解的原理,提出了一种神经网络优化计算的新方法.通过调整神经网络的连接权,网络的演化不仅可以逃离目标函数的局部最优解,而且可以改善目标函数的局部最优解.实验结果表明,新方法求解最优解所需的计算时间比模拟退火算法少得多. 相似文献
3.
4.
基于配电网可靠性和网络重构方面的研究,提出了一种考虑配电网可靠性下的重构快速方法。首先通过对可靠性指标体系研究,确定以有功网络损耗(LOSS)、系统供电量不足(ENS)和平均供电可用率(ASAI)作为评价指标体系,并进行了归一化构建配电网多目标模型,运用判断矩阵法将多目标函数转化为新的单一目标函数,实现对配电网系统的重构优化快速计算。算法在重构后期引入可靠性评估,提高了配电网最优解的求解效率。通过IEEE69算例验证了新的配电网重构优化算法在获得全局最优解的同时,降低了计算时间,能有效解决复杂网络的重构优化问题。 相似文献
5.
搜索鲁棒Pareto最优解是多目标进化算法(MOEA)研究的一个重要方面.目前,优化"原目标函数"的传统MOEA与基于"有效目标函数"的MOEA (Eff-MOEA)在搜索鲁棒Pareto最优解时都易丢失某些性质的解.为解决这一缺陷,本文定义了一种新的鲁棒Pareto最优解,提出了一种新的搜索鲁棒Pareto最优解的MOEA(MOEA/R),MOEA/R将多目标鲁棒优化问题(MROP)转化成两目标问题来优化,一个目标为解的质量,另一个目标为解的鲁棒性,每一目标均对应一子优化问题.通过与NSGA-Ⅱ及Eff-MOEA的对比分析,结果表明MOEA/R的结果较好,更重要的是本文探索了一种新的搜索鲁棒Pareto最优解的思想. 相似文献
6.
由于排课系统存在诸多影响因素,导致排课过程中难以达到最优解.教室,时间,教师,课程和班级都在我们的考虑范围内,各个因素既互相制约,又有矛盾的方面.时间和空间的配给直接影响到排课系统的效率.利用遗传算法,通过候选解的不断适应,找到一代的优化解遗传给下一代,不断优化,能够在最优解方面有较好的性能.本文通过改进进化策略和智能进化的方法,智能排课系统达到了较好的优化指标和优化速度. 相似文献
7.
多目标量子编码遗传算法 总被引:5,自引:0,他引:5
如何使算法快速收敛到真正的Pareto前沿,并保持解集在前沿分布的均匀性是多目标优化算法重点研究解决的问题。该文提出一种基于量子遗传算法的多目标优化算法,利用量子遗传算法的高效全局搜索能力,在整个解空间内快速搜索多目标函数的Pareto最优解,利用量子遗传算法维持解集多样性的特点,使搜索到的Pareto最优解在前沿均匀分布。通过求解带约束的多目标函数优化问题,对该文算法的多目标优化性能进行了考察,并与NSGAII,PAES,MOPSO和Ray-Tai-Seows算法等知名多目标优化算法进行比较,结果证明了该文算法的有效性和先进性。 相似文献
8.
9.
基于Nash均衡的思想在NSGA所求得的Pareto最优解基础上,探讨一种能对多目标优化问题进行求解的遗传算法。采用Nash均衡的思想在多目标优化的遗传算法,结合NSGA算法,提出一种能得到多个Pareto最优解的多目标优化算法。通过目标函数线性加权法、NSGA对函数进行了试验分析,对部分自变量进行固定,对其他的自变量进行优化,对Pareto最优解进行持续优化,进而实现加速算法的收敛,从实验中得出了这种算法具有较快的收敛性,但是其运行时间和NSGA相比没有多少改善。 相似文献
10.
11.
为了克服原始教学优化算法在求解复杂多峰函数时全局寻优精度不高和过早收敛的缺点,提出一种矩形邻域结构和个体扰动的教学优化算法.算法将种群空间设计为矩形结构,个体的矩形邻域由矩形厚度和围绕其的矩形区域个体决定,教和学两个阶段都使用邻域最优个体引导搜索,加强了算法勘探新解和开发局部最优解的能力;为了防止算法过早陷入局部最优,增加了基于搜索边界信息引导的个体扰动阶段,使得种群即使在进化的后期仍能保持较好的多样性.对带有偏移和旋转的复杂函数进行仿真测试,结果表明新算法在求解精度和稳定性方面,在绝大多数情况下优于原始教学算法和其他一些近来的优秀改进教学算法. 相似文献
12.
计算机智能组卷的关键技术在于组卷算法,蚂蚁算法在初期信息素缺乏导致搜索时间较长;遗传算法需要在一组解中寻找最优解而产生大量的重复数据,导致算法效率较低。为了开发出一个具有高效性和鲁棒性的组卷算法,提出了一种融合遗传算法与蚂蚁算法的机器组卷算法,算法利用遗传算子操作的全局收敛快的特点,将最优结果作为蚂蚁算法的初始信息素分布,按照蚂蚁算法的并行反馈信息、求解效率高的特点进行信息更新求得最优解,优势互补。实验表明,算法在收敛性和寻优性都有很好的效果。 相似文献
13.
Ishibuchi H. Murata T. 《IEEE transactions on systems, man and cybernetics. Part C, Applications and reviews》1998,28(3):392-403
We propose a hybrid algorithm for finding a set of nondominated solutions of a multi objective optimization problem. In the proposed algorithm, a local search procedure is applied to each solution (i.e., each individual) generated by genetic operations. Our algorithm uses a weighted sum of multiple objectives as a fitness function. The fitness function is utilized when a pair of parent solutions are selected for generating a new solution by crossover and mutation operations. A local search procedure is applied to the new solution to maximize its fitness value. One characteristic feature of our algorithm is to randomly specify weight values whenever a pair of parent solutions are selected. That is, each selection (i.e., the selection of two parent solutions) is performed by a different weight vector. Another characteristic feature of our algorithm is not to examine all neighborhood solutions of a current solution in the local search procedure. Only a small number of neighborhood solutions are examined to prevent the local search procedure from spending almost all available computation time in our algorithm. High performance of our algorithm is demonstrated by applying it to multi objective flowshop scheduling problems 相似文献
14.
量子概率编码遗传算法及其应用 总被引:9,自引:0,他引:9
该文提出了一种基于染色体量子概率编码的遗传算法--QCGA。与传统遗传算法不同,在QCGA中, 单个个体不再表示某一个确定解,而是解的取值概率分布,覆盖整个解空间;各个个体独立并行演化,个体间通过一个新的交叉算子实现演化信息的交换,同时设计了一个新的变异算子以增强算法的局部寻优能力。为了充分考察该算法的有效性和先进性,将其应用于典型函数优化、0-1背包问题和时间序列中频繁结构模式搜索等问题的求解。实验结果表明,与现有同类算法相比,该算法在具有很高搜索效率的同时,仍能维持很高的种群多样性, 因而适用于复杂优化问题的求解。 相似文献
15.
无线双通道Ad Hoc网络中, 有效分配簇间码分频谱资源是提高资源利用效率的关键技术之一.综合考虑子簇码分频谱资源需求和分配公平性, 给出了簇间码分频谱资源分配数学模型, 并转换为以最大化码分频谱资源效益和分配公平性为多目标的受约束离散优化问题.结合膜结构、量子计算和布谷鸟搜索算法, 提出一种新的离散组合优化算法——膜量子布谷鸟搜索算法.该算法使用量子鸟窝表征问题潜在解, 利用布谷鸟寻窝产卵的演化方法在基础膜中寻求单目标最优解, 通过膜间信息共享和非支配解等级排序求出具有多目标最优解的表层膜Pareto前端解集.仿真结果证明, 与经典优化算法相比, 该算法不仅能够同时求解单目标和多目标最优解, 而且具有更优的收敛性能, 能更好地实现码分频谱资源效益最优化. 相似文献
16.
17.
为了提高多目标粒子群算法优化解的多样性和收敛性,提出了一种基于多样性信息和收敛度的多目标粒子群优化算法(Multiobjective Particle Swarm Optimization based on the Diversity Information and Convergence Degree,dicdMOPSO).首先,利用非支配解多样性信息评估知识库中最优解的分布状态,设计出一种全局最优解选择机制,平衡了种群的进化过程,提高了非支配解的多样性和收敛性;其次,基于种群多样性信息设计出一种飞行参数调整机制,增强了粒子的全局探索能力和局部开发能力,获得了多样性和收敛性较好的种群.最后,将dicdMOPSO应用于标准测试函数测试,实验结果表明,dicdMOPSO与其他多目标算法相比不仅获得了多样性较高的可行解,而且能够较快的收敛到Pareto前沿. 相似文献
18.
For the problem of coexistence of different resource utility objectives and mutual influence of resource selection strategies in the complex structure of software-defined network (SDN),an SDN based network resource selection multi-objective optimization algorithm was proposed.The optimization goals of resource providers and clients were taken into account in the algorithm,and a resource selection multi-objective optimization model was constructed.The model was further solved by the reference vector based multi-objective optimization algorithm.Simulation results show that compared with other algorithms,the proposed algorithm could quickly converge to the uniformly distributed non-inferior solution set,and balance the optimization objects of multi-party in SDN based resource access management. 相似文献
19.
20.
To improve the global convergence speed of social cognitive optimization (SCO) algorithm,a hybrid social cognitive optimization (HSCO) algorithm based on elitist strategy and chaotic optimization is pr... 相似文献