排序方式: 共有95条查询结果,搜索用时 15 毫秒
1.
选址问题的优化模型一般是多目标约束优化模型,综合考虑物流成本和物流服务能力,以物流成本最小化和物流服务能力最大化为目标,构建一个多目标优化选址模型,通过添加参数和运用约束处理方法,将选址问题化为单目标约束优化问题,并利用嵌入最速下降法的改进粒子群优化算法ZK_PSO_SD算法进行求解,所得数值分析和对比的结果表明,所建立的选址模型具有很好的实用性. 相似文献
2.
3.
4.
基于动态随机搜索和佳点集构造的改进粒子群优化算法 总被引:1,自引:0,他引:1
针对粒子群优化算法局部搜索能力不足和易出现早熟收敛的问题,提出一种基于动态随机搜索和佳点集构造的改进粒子群优化算法。该算法通过引入动态随机搜索技术,对种群当前最优位置进行局部搜索;采用佳点集构造对陷入早熟收敛的种群重新初始化;引入负梯度方向直线搜索来加速算法寻优。仿真实验结果表明,与标准粒子群优化(SPSO)算法和耗散粒子群优化(DPSO)算法比较, 提出的改进算法具有快速的收敛能力而且能有效地跳出局部最优, 优化性能得到明显提高。 相似文献
5.
基于子聚类约简支持向量机的说话人识别研究 总被引:1,自引:0,他引:1
由于支持向量具有边界性,在利用语音训练集对基于支持向量机(SVM)的说话人识别系统进行训练之前,需要对该训练集进行约简。考虑到该训练集一般十分庞大且具有非线性可分的特性,提出子聚类约简的概念。首先对训练集进行模糊核子聚类并过滤掉非边界的聚类区,然后依照提出的算法对保留的聚类区中的向量集做进一步地约简,使支持向量集更加集中在边界。理论和实践表明,经过两层的约简既保留了充足支持向量,保证了SVM良好的泛化性能,又提高了系统的时间和空间效率。 相似文献
6.
7.
含维变异算子的连续域蚁群算法 总被引:1,自引:0,他引:1
针对在连续优化中,蚁群算法(ACO)存在的收敛速度慢和易陷入局部最优的问题,提出了一种新的含维变异算子的连续域蚁群算法(DMCACO)。该算法采用动态随机抽取的方法来确定目标个体,引导蚁群进行全局的快速搜索,同时在当前最优蚂蚁邻域内进行小步长的局部搜索。在定义了维多样性概念的基础上,引入维变异算子对维多样性最差的维进行变异:让所有蚂蚁在该维上的位置重新均匀分布在可行区域上。对测试函数所做的仿真实验表明,该算法具有优良的全局寻优能力和快速的收敛能力。 相似文献
8.
9.
10.
针对协方差矩阵自适应进化策略(CMAES)求解高维多模态函数时存在早熟收敛及求解精度不高的缺陷, 提出一种融合量化正交设计(OD/Q)思想的正交CMAES算法。首先利用小种群的CMAES进行快速搜索, 当算法陷入局部极值时, 依据当前最好解的位置动态选取基向量, 接着利用OD/Q构造的试验向量探测包括极值附近区域在内的整个搜索空间, 从而引导算法跳出局部最优。通过对6个高维多模态标准函数进行测试并与其他算法相比较, 其结果表明, 正交CMAES算法具有更好的搜索精度、收敛速度和全局寻优性能。 相似文献