排序方式: 共有22条查询结果,搜索用时 15 毫秒
1.
代理模型利用近似预测代替算法对多目标优化问题的真实评价,大幅减少了算法寻优所需的真实适应度评估次数。为提高代理模型在求解高维问题时的准确性并降低计算开销,提出一种基于特征扰动与分配策略的集成辅助多目标优化算法。将径向基函数网络代理模型与支持向量机回归代理模型作为集成过程中的基模型,降低算法在高维问题上的计算开销。结合特征扰动与基于记忆的影响因子分配策略构建集成代理模型,提高集成准确性。使用集成预测值与不确定信息加权辅助管理集成代理模型,平衡全局搜索与局部探索,增强算法在目标空间中的寻优能力。实验结果表明,该算法在ZDT1~ZDT3和ZDT6测试问题上所得解集的分布性与收敛性相比经典算法更好,并且当决策变量维数增加时,使用集成代理模型相比于Kriging代理模型约减少了90%的适应度评估次数,同时可获得更准确的预测结果。 相似文献
2.
3.
4.
辅色素对蓝靛果花色苷稳定性的影响 总被引:1,自引:0,他引:1
天然色素的稳定性始终是制约其发展的瓶颈,以蓝靛果为原料,研究了添加酸、金属盐、糖类和氨基酸等辅色素对蓝靛果中花色苷稳定性的影响。结果表明,对羟基苯甲酸、水杨酸钠和甘氨酸的添加使得花色苷在吸收光谱中发生红移并产生增色效应,且在连续高温光照后保存率依然较高。通过单因素实验选取三者最佳浓度,然后采用三因素三水平响应面分析,依据回归分析确定最佳条件为:对羟基苯甲酸、水杨酸钠和甘氨酸添加的质量浓度分别为0.063%、0.041%和0.039%,测得蓝靛果花色苷保存率为88.01%,而不加辅色素保存率仅为48.97%,稳定性提高了1.8倍,为蓝靛果花色苷天然色素的应用和发展提供了有利条件,有一定的开发利用价值。 相似文献
5.
针对多目标粒子群算法多样性较差,种群选择压力随着变量维度增加的问题,提出了基于动态邻居维度学习的多目标粒子群算法(DNDL-MOPSO)。该算法首先构建最优维度个体,然后在“个体认知”和“社会认知”的基础上,对粒子速度更新公式进行改进,采用每一维上学习对象不固定的交流方式,最后利用随机向导学习策略,增加种群多样性。实验结果表明该方法能够提高算法的全局收敛性,增加种群的多样性,缓解选择压力,有效解决多峰多目标优化问题。 相似文献
6.
7.
8.
针对粒子群算法收敛速度快,但易陷入局部最优的问题,提出一种基于偏好粒子群算法的移动机器人路径规划方法.在对障碍物环境建模的基础上,根据避障偏好利用粒子群优化算法规划出全局最优路径.为避免搜索过程中算法陷入局部最优,采用深度优先搜索策略,保持了种群的多样性,提高了算法的搜索能力.实验结果表明:该方法能够有效地避开障碍物,并且获得较好的路径规划效果. 相似文献
9.
针对粒子群算法在解决组合优化时存在早熟和易陷入局部最优的问题,提出一种求解旅行商问题(TSP)的混合粒子群算法。将粒子群算法与遗传算法结合,引入遗传算法中的交叉和变异操作,通过个体极值和群体极值的交叉以及粒子自身变异的方式增加种群的多样性,避免粒子陷入局部最优,提高算法的局部搜索能力。仿真结果表明,新的混合粒子群算法在解决TSP问题时具有较好的收敛性及优化效果。 相似文献
10.
针对小样本数据构建代理模型初期优化效率低、模型精度差的问题,文中提出组合加点准则的代理辅助多目标粒子群优化算法。该算法通过加权平均法将Kriging模型和径向基函数网络模型组合成异构集成模型,使用改善期望准则和最小化代理模型预测准则相结合的组合加点准则对代理模型进行管理,加快了模型收敛速度。此外,该算法采用实际目标函数对每次迭代中增加的样本点进行评估,并对代理模型进行更新以增加模型准确性。实验结果表明,在适应度函数评估次数上,所提算法与非代理模型算法相比减少了10倍,证明该算法可提高代理模型的优化效率及准确性,并在勘探与开发之间取得了更好的平衡。 相似文献