首页 | 官方网站   微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   27篇
  国内免费   4篇
  完全免费   11篇
工业技术   42篇
  2018年   1篇
  2017年   2篇
  2016年   1篇
  2015年   4篇
  2014年   7篇
  2013年   3篇
  2012年   3篇
  2011年   3篇
  2010年   2篇
  2009年   4篇
  2008年   6篇
  2007年   3篇
  2006年   1篇
  2004年   1篇
  1999年   1篇
排序方式: 共有42条查询结果,搜索用时 31 毫秒
1.
基于柯西变异的免疫单克隆策略   总被引:6,自引:1,他引:5  
系统地阐述了基于细胞克隆选择学说的克隆算子,将其应用于进化策略,并利用柯西变异替代传统进化策略中的高斯变异,提出了改进的进化策略算法——基于柯西变异的免疫单克隆策略算法,并利用Markov链的有关性质,证明了该算法的收敛性.理论分析和仿真实验表明,与传统的进化策略算法以及免疫克隆算法相比,基于柯西变异的免疫单克隆策略算法不仅有效克服了早熟问题、保持了解的多样性,而且收敛速度比前两者都快.  相似文献   
2.
函数优化的一种高效演化算法   总被引:1,自引:1,他引:0  
提出了一个求解函数优化问题的高效演化算法,其设计思想由混合选择策略与分类变异策略构成。该算法使用锦标赛选择、轮盘选择相结合的混合选择策略,变异运算分为三类进行:对最好个体实施模式搜索,对适应值排名靠前的三分之一的个体采用柯西变异,而其它个体使用普通变异算子。针对15个测试函数的实验取得了相当好的效果,实验结果表明该算法不仅收敛速度快,而且所求得的解达到或者以相当高的精度逼近最优解。  相似文献   
3.
针对单独采用冷启动方式而出现再次收敛速度慢、单种交叉算子自适应不足以及正态变异多样性程度偏弱等问题,提出一种基于自适应启动策略的新型混合交叉动态约束多目标优化算法。在算法设计中,首先采用冷热混合方式识别环境动态调整的程度,并引用柯西变异增强多样性;然后混合BLX α、SBX和DE三种差分进化经典交叉算子,并通过各自贡献度自适应调整其竞争力,以增强交叉操作对环境动态变化的自适应性;最后采用精英与进化两个群体相互协作,进一步均衡算法的局部和全局搜索能力。在6个标准测试函数上的仿真结果表明,该算法能在不同环境下动态识别调整的程度,增加初始种群多样性以提高算法的跟踪效果,且能在同一环境下自适应调整交叉算子以提高算法的收敛速度。  相似文献   
4.
徐桓  孙瑜 《软件》2015,(2):1-4
针对群智能算法求解Agent联盟生成问题过程中易出现粒子过分聚集,导致多样性降低,甚至陷入局部最优现象提出一种基于改进量子粒子群的求解策略,在粒子过分聚集时借鉴实数编码遗传算法中的柯西变异使粒子聚集程度降低,进而维持了粒子的多样性。并采用多种群并行和最优粒子移民策略加快算法收敛。实验表明,该策略可以快速高效的求解Agent联盟,在运行效率上优于同类方法。  相似文献   
5.
林国汉  章兢  刘朝华 《计算机应用》2014,34(11):3241-3244,3249
针对基本粒子群优化(PSO)算法早熟收敛和后期搜索效率低的问题,提出一种利用种群平均信息和精英变异的粒子群优化算法——MEPSO算法.该算法引入粒子个体与群体的平均信息,利用粒子平均信息来提高算法全局搜索能力,并采用时变加速系数(TVAC)以平衡算法的局部搜索和全局搜索能力;在算法后期,采用精英学习策略对精英粒子进行柯西变异操作,以进一步提高算法的全局搜索能力,减少算法陷入局部最优的危险.在6个典型的复杂函数上与基本PSO (BPSO)算法、时变加速因子PSO(PSO-TVAC)算法、时变惯性权重PSO (PSO-TVIW)算法和小波变异PSO (HPSOWM)算法进行对比,MEPSO的均值与标准方差均优于对比算法,且寻优时间最短,可靠性更好.结果表明,MEPSO能较好地兼顾局部搜索和全局搜索能力,收敛速度快,收敛精度和搜索效率高.  相似文献   
6.
多车场多车型车辆调度问题优化是物流配送中的典型NP难解问题,针对传统的粒子群算法存在收敛速度慢,易早熟收敛等问题,提出了一种改进的粒子群优化算法。该算法对种群中的粒子采用一定的概率进行柯西变异,使算法跳出局部最优解。将算法应用于多车场多车型车辆调度问题优化,算例证明该算法求解多车场多车型车辆调度问题是可行的,并且优于标准粒子群优化算法。  相似文献   
7.
在现实生活中大多数多目标优化问题都随时间变化,这就要求优化算法在时间约束内快速找到动态变化Pareto最优解或Pareto边界.基于此,提出一种基于多种群协同的动态多目标粒子群改进算法,旨在利用多种群竞争和协作两种模式互相配合,从而达到快速高效求解动态多目标优化问题的目的,多种群竞争模式主要任务是对解空间进行“勘探”搜索,当竞争失效后,自适应切换到协作模式对解空间进行“开采”搜索.通过对多种群协同搜索概率分析,证明多种群相比单种群具有更高的搜索效率,通过对3类动态多目标测试函数仿真,验证了改进算法的有效性;最后将该方法应用于动态系统PID控制器的参数整定上,得到了较优的控制参数,取得满意的控制效果.  相似文献   
8.
提出一种自适应柯西变异人口迁移算法,将柯西变异算子融合进人口迁移算法中,自适应地对优惠区域的人口进行柯西变异.仿真实验表明,改进后的算法优化精度高、求解质量好,性能稳定,能有效求解全局优化问题.  相似文献   
9.
自适应混合变异的蛙跳算法   总被引:1,自引:0,他引:1  
蛙跳算法是一种受自然界生物现象启发产生的群体进化算法,计算速度快,寻优能力强,但局部搜索能力较弱,容易陷入早熟收敛。针对其缺点,结合高斯变异和柯西变异的优点,提出了一种改进的混合蛙跳算法。改进后的算法收敛速度加快,在一定程度上避免陷入局部最优,提高了蛙跳算法解决复杂函数问题的能力。实验验证了其有效性。  相似文献   
10.
提出了双评价粒子群优化算法.该算法可对迭代后的粒子进行位置和适应值的双评价,并可根据评价结果对适应值和位置不好的粒子进行柯西变异或者高斯变异,克服了标准粒子群优化算法因对迭代后粒子的优劣不进行评价而使部分粒子进行无意义的探索和开发的缺陷.实验结果表明改进的算法加快了粒子群的探索速度,提高了开发全局最优解的精度.  相似文献   
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司    京ICP备09084417号-23

京公网安备 11010802026262号