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   4篇
  完全免费   1篇
工业技术   5篇
  2015年   1篇
  2010年   2篇
  2005年   2篇
排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
多目标优化算法NSGA-Ⅱ的改进   总被引:3,自引:0,他引:3  
该文提出了NSGA-Ⅱ算法的一种改进算法-INSGA。在引入算术交叉算子的同时,提出并引入累积排序适应度赋值策略。实验表明,INSGA具有更高的收敛速度和更好的种群多样性。  相似文献   
2.
该文提出了NSGA-II算法的一种改进算法—INSGA。在引入算术交叉算子的同时,提出并引入累积排序适应度赋值策略。实验表明,INSGA具有更高的收敛速度和更好的种群多样性。  相似文献   
3.
针对多目标优化问题提出一种自适应混沌混合蛙跳算法 MACSFLA(Adaptive chaos shuffled frog leaping algorithm for mul-tiobjective optimization)。使用动态权重因子策略以提高混合蛙跳算法 SFLA(Shuffled Frog Leaping Algorithm)收敛效率,引入基于 Pa-reto 支配能力的 SFLA 子族群划分策略,使得 SFLA 能够应用于多目标优化问题。在此基础上,MACSFLA 首先利用 SFLA 快速寻优能力接近理论 Pareto 最优解,然后采用自适应网格密度机制动态维护外部存储器 Pareto 最优解规模,并使用自适应混沌优化技术改善 Pareto 最优解集样本多样性,最后利用 Pareto 最优解选择策略为青蛙种群选择最优更新粒子。多目标函数测试实验结果表明,与MOPSO 和 NSGA-Ⅱ相比,MACSFLA 在 Pareto 最优解集均匀性和多样性上有明显优势。  相似文献   
4.
基于NSGA2的水库多目标优化   总被引:1,自引:0,他引:1       下载免费PDF全文
讨论了非支配排序遗传算法(non-dominated sorting gentic algorithm Ⅱ, NSGA2)及其参数确定问题, 利用NSGA2对两目标水库优化调度问题进行求解,求出了问题的Pareto前端,比较了参数不同取值的优化结果。实例分析结果表明:NSGA2中遗传操作参数(包括锦标赛选择参数、模拟二进制交叉分布参数、多项式变异分布参数)对优化结果影响很小,算法具有鲁棒性,对大部分水库多目标优化问题可采用推荐值;当NSGA2种群规模和进化代数两个参数足够大时,即可得到足够多且分布均匀的Pareto前端,算法具有简便性;利用NSGA2求解水库多目标优化问题,可得到足够多且分布均匀的Pareto前端,随着种群规模和进化代数的调整,Pareto前端逐步改进, 算法稳定性好,适合求解水库多目标优化调度问题。  相似文献   
5.
针对多脉冲末修子弹设计中脱靶量、落地时间、弹着角等优化目标间的强烈冲突性问题,以其修正段为研究对象,建立了以初始高度、初始落速、单个脉冲发动机冲量为决策变量,以打靶误差、落地时间、弹着角、脉冲发动机耗能为目标函数的三种多目标优化模型,并采用MOEA/D算法进行仿真计算.结果表明:所求Pareto最优解较符合工程实际问题,有助于设计人员选择合理参数优化弹道,对多脉冲修正子弹的总体设计有着重要的参考意义.  相似文献   
1
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