排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
2.
3.
针对多维连续函数全局优化中存在的算法收敛速度低和求解精度差的问题,在基于多维正态分布的分段禁忌优化算法的基础上,进行参数优化设置,对多维连续函数进行高精度快速优化。基于多维正态分布的分段禁忌优化算法以分阶段禁忌算法为基础,对于每一阶段设置不同的初始值、邻域选取范围和搜索步长。为获取精度高的全局最优解和较快的收敛速度,利用多维正态分布函数来指导邻域点的选取。试验表明:解精度和收敛速度受第二阶段解空间的缩小比例影响较大,当缩小比例为0.5时,对大部分测试函数会获得较高的解精度。同时为进一步提高解的精度,在算法的第三阶段进行变步长搜索,测试试验表明当步长缩小比例取0.1时,算法的运行速度较快。将经过参数优化设置后的改进的算法(MSCTS)与分段禁忌算法(SCTS)进行对比测试,试验结果表明,对多维连续函数寻优问题,利用MSCTS算法寻优,其收敛速度可达到5倍以上,同时结果精度提高10个数量级以上。因此MSCTS算法非常适合多维连续函数优化问题。 相似文献
4.
针对自密实清水混凝土试验周期长、表观性能影响因素多等问题,应用BP神经网络对其性能预测,有效减少试验量,快速找出外加剂最优掺量。基于BP神经网络卓越的非线性处理功能,将减水剂、消泡剂、引气剂、坍落度作为输入变量,自密实清水混凝土的7 d抗压强度、扩展度、气孔面积、色差作为输出变量,建立含有2层隐含层的BP神经网络模型,利用试验所得12组数据,预测自密实清水混凝土的性能,将预测值与试验值进行比较,确保模型高精确度。结果表明:神经网络模型预测结果良好,强度预测的相对误差最高达到10.8%,其余均在10%以下,其中第11组的混凝土性能最优,预测与实际结果相吻合。 相似文献
1