排序方式: 共有21条查询结果,搜索用时 31 毫秒
1.
2.
为了更有效地处理建筑块,提出有导向的交叉算子。首先反复运行快速演化算法找到多个局部最优解,然后识别这些局部最优解中的重要基因位,将其标识为潜在的建筑块,然后应用有导向的交叉算子,组合父代中的建筑块。基于4阶欺骗问题验证了新算法的可行性。 相似文献
4.
现实中高维多目标优化问题普遍存在,而且其巨大的目标空间使得经典的多目标进化算法面临严峻挑战,提出一种基于分解和协同策略的高维多目标进化算法MaOEA/DCE.该算法利用混合水平正交实验设计方法产生接近于指定规模且均匀分布于聚合系数空间的权重向量,提高种群的分布性;其次,算法将差分进化算子和自适应SBX算子进行协同进化以产生高质量的子代个体,改善算法的收敛性.该算法与另外五种高性能的多目标进化算法在基准测试函数集DTLZ{1,2,4,5}上进行IGD+性能指标实验,结果表明MaOEA/DCE在收敛性、多样性和稳定性方面总体具有显著的性能优势. 相似文献
5.
为了有效地处理建筑块,Bagley最先提出了应用倒序算子来对定义建筑块的基因进行适应性聚集。但是Bagley和Frantz的研究都表明,倒序算子太慢,作用不明显。针对TSP问题,郭涛提出一个"带导向的"倒序算子,取得了很好的效果。为了设计更快速的倒序算子,提出结合粒子群优化的方法改进郭涛算法,更好地利用当前最优解指导倒序,同时对个体施加倒序运算后立即评估,如有改进马上保存,从而巩固所获取的建筑块,不至于因为后面的错误而导致前功尽弃。实验结果证明了新算法的可行性。 相似文献
6.
通过应用免疫原理设计免疫算子对交叉结果进行修复,将免疫算子作为“有导向的变异算子”取代经典演化算法中的“盲目的变异算子”,可以有效抑制优化过程中的退化现象。该文以旅行商问题为例,通过设置不同的交叉概率和免疫概率,对免疫遗传算法中交叉算子和免疫算子的作用进行研究。实验结果表明,交叉算子的作用在于保证候选解的多样性和建设性(将局部近似最优解组合成全局近似最优解);而免疫算子的作用则是对候选解进行局部优化,二者的结合体现了搜索过程中勘探与开采的统一。 相似文献
7.
8.
多维背包问题(MKP)是经典的NP难的组合优化问题。引入有导向变异算子的进化算法GM-EA(Guided Mutation EA)来求解该问题,通过结合粒子群优化的方法改进郭涛算法,更好地利用种群中的全局信息,取得较好的效果。实验结果表明GM-EA是求解MKP有效的算法。 相似文献
9.
改进变邻域搜索算法求解动态车辆路径问题 总被引:2,自引:0,他引:2
针对动态车辆路径问题DVRP(Dynamic Vehicle Routing Problem)的优化问题,提出一种改进算法。该算法在分析路径寻优问题的局部特性的基础上,利用变邻域搜索算法VNS(Variable Neighbourhood Search)对路径空间进行"局部探索",结合变异机制对路径空间进行"全局开采",最后根据近邻优先原则将动态路径片段安插到适宜的路径中。实验结果验证了算法的有效性。 相似文献
10.
应用免疫原理设计免疫算子对交叉结果进行修复,将免疫算子作为“有导向的变异算子”取代经典演化算法中的“盲目的变异算子”,有目的地利用待求解问题的知识抑制优化过程中的退化现象,并应用于旅行商问题。实验结果表明了算法的有效性。 相似文献