排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
2.
针对现有改进差分进化算法易陷入局部最优解的不足,提出一种改进的自适应差分进化算法。该算法对精英个体实施Baldwin学习,使其在不确定代数内保持基因型不变并尝试多种表现型以引导种群中其他个体进化;同时用直觉模糊推理的方法对缩放因子进行自适应反馈控制。通过对19个典型benchmark函数进行测试,并与其他知名改进差分进化算法对比,仿真结果表明该改进方法具有较强的跳出局部最优解能力和较快的收敛速度。 相似文献
3.
针对求解武器-目标分配问题(Weapon-Target Assignment, WTA)的传统算法容易早熟和收敛较慢的缺点,提出一种直觉模糊遗传算法,采用模拟退火的Meta-Lamarckian学习策略和自适应变异,提高了求解WTA问题的效益和速度。首先考虑了WTA问题的各种约束条件,以剩余目标威胁最小和攻击伤害值最大为目标,建立了数学模型;其次定义了目标函数和约束函数的隶属度和非隶属度函数,通过“最小-最大”算子构建了直觉模糊WTA问题模型;然后设计了模拟退火的Meta-Lamarckian学习策略和自适应变异,增强算法的局部寻优能力和后期收敛速度;最后,通过算例仿真并与GA、PSO等算法比较分析,验证了该方法的有效性。 相似文献
1