排序方式: 共有171条查询结果,搜索用时 0 毫秒
91.
带交尾行为的混沌人工萤火虫优化算法 总被引:1,自引:0,他引:1
针对基本萤火虫优化(GSO)算法在求解全局优化问题存在易陷入局部极小值、收敛速度慢和求解精度不高等缺陷,首先对基本萤火虫优化算法采用混沌搜索技术进行初始化,使算法获得质量较高且分布较均匀的初始解,在此基础上再引入交尾行为,提出了一种带交尾行为的混沌萤火虫优化算法(MCGSO)。该算法在一定程度上防止了基本GSO算法易陷入局部最优,且能够获得精度更高的解甚至可达到理论最优解。最后,通过对8个标准测试函数进行测试,测试结果表明,带交尾行为的混沌萤火虫优化算法比基本萤火虫优化算法有更高的收敛速度和求解精度。 相似文献
92.
93.
提出了一种基于进化策略算法的广义积分计算新方法,该方法根据被积函数的变量区间任意选取分割点,作为进化策略的初始的群体,通过进化策略算法来优化这些分割点,最终可得到一些最优的分割点,然后再求和,再根据和函数定义适应度函数,在给定的终止条件下,可获的精度较高的积分值.最后,以广义积分(无穷积分),二重广义积分(瑕积分)为例,仿真结果表明,该算法相比传统的一些方法,具有计算精度高,自适应性强等特点. 相似文献
94.
基于代数神经网络的多元多项式近似因式分解模型及学习算法 总被引:12,自引:1,他引:11
周永权 《计算机研究与发展》1999,36(6):668-674
文中从首一无平方多项式F(x,y)有根x=ψi(y)=(i=1,2,…degx(F)),其中ψi(y)=Ci,0+Ci,1y+Ci,2y^2+…,入手,设计了一类二元多项式求根及近似因式分解的神经网络模型,它们分别是双输入单输出4层前向网络与单输入多输出3层前向给出了神经网络学习算法,这种学习算法在p-adic意义下,通过选定隐层与输出层的待求权值Cij,完成学习,可确定出其不可约因式个数r,通过 相似文献
95.
高阶感知器是神经元状态变量的非线性化,它是一阶感知器的非线性推广,除了神经元状态变量的非线性化推广外,对权向量函数的非线性推广而得到的感知器,文中定义为具有非线性权向量函数的感知器,由于感知器的权重及作用函数都是非性函数,当感知器接近最优点时,其连接权调节幅度很小,采用对非线性权函数及非线性作用函数分别进行Taylor展开,并取其一式近似逼近原函数,从而使其非线性权函数及非线性作用函数都转化为线性函数,简化了感知器学习过程的计算量,加快了感知的学习过程。最后,给出了具有非线性权函数感知器的线性化学习算法。 相似文献
96.
针对经典的多约束组合优化问题——多维背包问题(MKP),提出了一种贪心二进制狮群优化(GBLSO)算法。首先,采用二进制代码转换公式将狮群个体位置离散化,得到二进制的狮群算法;其次,引入反置移动算子对狮王位置进行更新,同时对母狮和幼狮位置重新定义;然后,充分利用贪心算法进行解的可行化处理,增强搜索能力并进一步提高收敛速度;最后,对10个MKP典型算例进行仿真实验,并把GBLSO算法与离散二进制粒子群(DPSO)算法和二进制蝙蝠算法(BBA)进行对比。实验结果表明,GBLSO算法是一种有效的求解MKP的新方法,在求解MKP时具有相对良好的收敛效率、较高的寻优精度和很好的鲁棒性。 相似文献
97.
求解约束优化问题的混合粒子群算法 总被引:4,自引:4,他引:0
针对约束优化问题提出一种混合粒子群求解算法,该算法根据可行性规则,引入自适应惩罚函数,结合模拟退火算法,不断地寻找更优可行解,逐渐达到搜索全局最优解.通过对一些标准函数测试,计算机仿真结果表明,该方法是有效和可行的,且具有较高的计算精度,相比传统算法,最优解精度达到10-15. 相似文献
98.
针对约束多目标优化问题,结合Pareto支配思想、锦标赛选择和排挤距离技术,采用双种群搜索策略,引进免疫机制,对传统的粒子更新策略进行改进,提出一种用于求解约束多目标优化问题的混合粒子群算法。通过4个标准约束多目标函数进行测试,测试结果表明,该方法有效可行,相比传统多目标优化算法更优。 相似文献
99.
给出一种求解泛函方程的泛函网络方法,设计了一种泛函网络模型用于逼近一类泛函方程的实根问题,并给出了相应地学习算法.该算法通过求解线性方程组可得到网络参数.相对于传统方法,该方法不但能够快速求出泛函方程的精确解,而且可获得所求泛函方程的近似解.计算机仿真结果表明,该算法可行有效. 相似文献
100.