排序方式: 共有112条查询结果,搜索用时 15 毫秒
101.
多目标优化问题是演化计算领域的一个新热点。提出了一种求解Pareto最优解集的新算法,它既能较快地收敛,又能有效保持种群的多样性。新算法引入了“约束占优”的概念;采用多父体杂交算子(一种多父体非凸线性组合算子),最小淘汰压力策略(每次只淘汰群体中的一个最差个体),以及适应值共享的niche技术,这样既保证了近似解集对Pareto前沿的逼近,又保持了解集分布的均匀性。对一些代表性的BenchMark问题(包括凸的与非凸的、连续的与间断的、带约束的与不带约束的各种问题)数值试验都取得了很好的结果。 相似文献
102.
布局优化问题是现代工程应用中广泛存在的一类组合优化问题,但在理论上它却属于NPC(NP-Complete)问题,如果需考虑性能约束,则问题将更难于求解。论文基于演化算法自适应,自组织,自学习的特性,针对布局优化问题自身的特点,提出了一种自收缩性的演化算法(SCEA)。该算法采用浮点编码方式,定义了二元实向量类型的适应值及适应值间的严格偏序关系。算法借鉴日常生活中的一个简单事实—振动容器则装物更多,引入了三类自适应性的收缩算子(其中第三类特别适用于带性能约束的布局优化问题)。此外,文中使用了对带约束的函数优化问题特别有效的多父体杂交算子,并且针对带性能约束的布局优化问题,提出了“零性能约束初始化”过程。文后,引用了两个带性能约束的布局优化问题的已知例子和一个作者构造的较大规模布局优化问题的例子,实验结果表明,前两个问题对比目前已知最好结果无论在求解时间或结果的精度上均有较大突破,后一个问题也获得了相当好的结果,从而充分验证了算法的有效性和可行性。 相似文献
103.
演化算法的收敛性分析及算法改进 总被引:3,自引:2,他引:3
文章利用马尔可夫随机过程刻画了演化算法,证明了标准演化算法是不收敛的,说明了演化算法收敛于最优解的必要条件:非完全遍历性。并论证了采取精华保留策略的标准遗传算法以概率1收敛于最优解,并据此分析了一个典型实例———GTGA算法的收敛性及其算法改进方案。 相似文献
104.
基于遗传算法求解多目标优化问题Pareto前沿 总被引:7,自引:0,他引:7
该文给出了传统的求解多目标优化方法存在的问题,引入了当前研究多目标优化的新方法———基于遗传算法求解问题的pareto解,讨论了该方法要解决的关键问题———多样性保持及解决策略,并给出了一个求解pareto解集的新算法,算法简单、高效、鲁棒性强。最后给出了实验结果。 相似文献
105.
106.
多目标组播路由的免疫优化算法研究 总被引:1,自引:0,他引:1
分析了当前带约束的单目标优化路由模型的局限性,构建了一个基于多目标优化的组播路由模型,在此基础之上提出了一个能够同时优化带宽、时延、代价等QoS参数的基于免疫原理的多目标组播路由算法,并对算法的收敛性和时间复杂度进行了分析.算法使用克隆选择作为主要的免疫算子,利用Pareto占优的思想进行抗体亲和度的定义,引入基因库的概念加快算法的收敛,通过局部竞争选择策略保证种群的多样性.仿真结果表明,该算法能够快速收敛于一组协调各QoS参数的Pareto最优解,是解决多目标组播路由问题、提高网络性能的有效途径. 相似文献
107.
流水车间调度问题属于NP难问题,并且和实际问题联系很紧。但是因为它的解空间太大,一般的算法很容易过早的陷入局部最优或者计算时间太长,提出了一种比较快速的混合遗传算法,能够在很短时间内计算出比较优的结果。详细介绍了这种算法的效果,并与两种常用来解决此类问题的算法进行了比较,总结出了这个算法的特点。 相似文献
108.
在分析了二次背包问题(QKP)精确算法的计算效率随利润矩阵密度下降的原因的基础上,提出了不受密度影响的QKP快速解法——利润欺骗法.在线性化QKP的目标上界估计中,利润欺骗法通过引进一适当正常数对称扩展Lagrangian乘子的变化范围,亚梯度优化算法能较快地找到-Lagrangian乘子矩阵,使对偶问题的解逼近线性化QKP问题的等式约束条件.通过提高目标函数的估计精度,利润欺骗法可以提高变量约简效率,降低分支决策深度.实例计算表明,快速算法的效率远高于精确算法,而且计算精度并不降低. 相似文献
109.
采用基于遗传程序设计思想的演化自适应建模算法建立了锂离子电池放电寿命模型,结果表明,该算法收敛速度快,1次可获得多个精确度较高的模型,模型经验验后的结果与实际情况能很好地符合,该真法具有较强的通用性,可快速有效地解决了广泛领域内的自动建模问题。 相似文献
110.
近年来,随着大型第一人称类的网络游戏风靡全球,游戏角色的智能性研究得以迅速发展.本文基于Robocode这样一个机器人战斗模拟系统,提出了针对不通的环境和对手,根据实战数据,通过遗传算法来为机器人寻找到一个最佳的战斗策略,利用该策略再与其它机器人进行实战的策略,并对战斗的数据结果做出了分析. 相似文献