排序方式: 共有9条查询结果,搜索用时 0 毫秒
1
1.
为了有效地克服标准遗传算法(SGA)中的早熟收敛现象,提出了一种基于多种编码的多群体遗传算法,该方法是采用3个群体同时进行进化的策略,其中,第1个 本是采用浮点数编码方法,以使该群体具有较强的局部搜索能力,第2个群体是采用二进制编码方法,以使该群体具有较强的全局搜索能力。第3个群体为“精华种群”,用于保存算法在进化过程中产生的优秀个体,在进化过程中,还通过引入“移民”策略来交换3个群体中的优秀个体,以有效地增加群体的多样性,该算法不仅不易陷入局部收敛,还具有较强的跳出局部收敛的能力,且收敛速度较快,通过对一系列典型复杂多模函数进行的优化计算试验,结果证实了该方法的有效性和优越性。 相似文献
2.
提出一种基于局部进化的Hopfield神经网络优化计算方法,该方法将遗传算法和Hopfield神经网络结合在一起,克服了Hopfield神经网络易收敛到局部最优值的缺点,以及遗传算法收敛速度慢的缺点。该方法首先由Hopfield神经网络进行状态方程的迭代计算降低网络能量,收敛后的Hopfield神经网络在局部范围内进行遗传算法寻优,以跳出可能的局部最优值陷阱,再由Hopfield神经网络进一步迭代优化。这种局部进化的Hopfield神经网络优化计算方法尤其适合于大规模的优化问题,对图像分割问题和规模较大的200城市旅行商问题的优化计算结果表明,其全局收敛率和收敛速度明显提高。 相似文献
3.
4.
当市场经济不断市场化后,企业的竞争是越来越大,如何实现利润最大化,已经成为各个建筑施工企业不断追求的目标,那么实现成本的控制将是企业实现利润最大化的一种途径,本文将针对建筑施工项目成本控制的问题进行认识,并找到相应的对策。 相似文献
5.
6.
7.
8.
9.
基于熵的双群体遗传算法研究 总被引:2,自引:0,他引:2
提出了一种基于熵的双群体遗传算法.首先采用熵最大的方法产生两个初始化群体,使得初始化的个体尽可能均匀分布在遗传搜索空间.在一个群体中设计了基于熵最大的直接替代选择运算并采用高变异率提高遗传算法的全局探索能力.在另一个群体中采用逐渐减小的动态变异率提高遗传算法的快速局部搜索能力.两个群体之间的相互移民策略均衡了遗传算法的全局探索能力和快速局部搜索能力.实验显示,基于熵的双群体遗传算法对复杂多模函数寻优在全局收敛率和收敛速度上都具有一定的优势. 相似文献
1