检索结果-南通市图书馆

基于多种群协同进化微粒群算法的径向基神经网络设计

在线全文

学校读者我要写书评

暂无评论

控制理论与应用 2006年第2期23卷 251-255页

作者：王俊年申群太沈洪远周鲜成中南大学信息科学与工程学院

神经网络结构和权值的联合设计一直是神经网络进化设计的一个研究方向.本文根据基本微粒群算法的特点,借鉴递阶编码的思想,构造出一种多种群协同进化微粒群算法.该算法具有种群内个体微粒自由运动特征分量与种群运动特征分量分层递阶进... 详细信息

神经网络结构和权值的联合设计一直是神经网络进化设计的一个研究方向.本文根据基本微粒群算法的特点,借鉴递阶编码的思想,构造出一种多种群协同进化微粒群算法.该算法具有种群内个体微粒自由运动特征分量与种群运动特征分量分层递阶进化的特征,克服了标准微粒群算法在多峰函数寻优时出现的微粒“早熟”现象.应用该算法进行径向基神经网络隐层结构和径向基函数参数联合自适应设计,在非线性系统辨识中显示了比较好的收敛性和训练精度,同时也使网络的泛化能力和逼近精度这一对矛盾得到了比较好的协调统一.

关键词：微粒群算法多种群协同进化径向基神经网络结构优化

在线全文

学校读者我要写书评

暂无评论

多种群协同进化算法优化的云存储仿真分析

电子测试 2017年第5X期28卷 40-41,48页

作者：包玮琛重庆航天职业技术学院重庆400021

云平台下大数据的极速增长,使得传统的数据存储由于时间响应慢、负载不均衡等因素,成为阻碍大数据云存储的关键技术,为了解决云平台下大数据的存储问题,提出了多种群协同进化优化算法的存储方法。该方法首先将存储分布区分割成若干个环... 详细信息

云平台下大数据的极速增长,使得传统的数据存储由于时间响应慢、负载不均衡等因素,成为阻碍大数据云存储的关键技术,为了解决云平台下大数据的存储问题,提出了多种群协同进化优化算法的存储方法。该方法首先将存储分布区分割成若干个环区域,同时标记每个存储区的存储访问时间,然后将大数据的存储访问抽象为最优解问题。通过改进协同进化算法,防止粒子群早熟,采用该优化算法对大数据存储过程中的任务调度粒子群分别编码,根据微粒群不断进化和变异,迭代得到最优解,从而满足云平台下大数据存储的实际需求。利用Cloudsim搭建仿真平台,对提出的新型大数据存储方法加以评估验证,结果表明该方法不仅具有更快的响应速度,而且降低了系统能耗,提高了负载均衡度。

关键词：大数据云存储多种群协同进化微粒群

在线全文

学校读者我要写书评

暂无评论

多模态优化算法中的多种群协同进化机制研究

多模态优化算法中的多种群协同进化机制研究

作者：徐亮河北地质大学

学位级别：硕士

在生活和工程应用当中存在大量多模态多目标优化问题。这类问题往往具有同一个Pareto前沿对应多个不同Pareto最优解集分支的特点。为了给决策者提供更加多样化的选择,需要将分布在多个Pareto最优解集分支上的解尽可能全面地搜索出来,即... 详细信息

在生活和工程应用当中存在大量多模态多目标优化问题。这类问题往往具有同一个Pareto前沿对应多个不同Pareto最优解集分支的特点。为了给决策者提供更加多样化的选择,需要将分布在多个Pareto最优解集分支上的解尽可能全面地搜索出来,即要求算法获得的解集在决策空间具有良好的分布多样性。然而传统多目标进化算法往往针对目标空间进行多样性设计,而缺乏相应的在决策空间上的多样性保持策略,因此无法满足多模态多目标优化问题对解集在决策空间上的分布多样性的相关要求。因此,本文主要以多种群协同进化机制为技术手段,设计并实现了两种多模态多目标进化算法,以更好地求解多模态多目标优化问题。具体研究内容如下。1)基于合作型多种群协同进化机制,设计并实现了一种多模态多目标进化算法KMMPDE。该算法使用K-Means聚类对整个种群在决策空间的分布数据进行划分,以尽可能区分分布在不同PS分支附近的解,从而使每个子种群中的解对应的PS分支更少,降低每个子种群所面对的子问题的求解难度,从而实现多个子种群之间的合作型协同。此外,该算法使用改进的DE算子作为进化方式以扩大新解的分布范围;使用基于决策空间拥挤距离的非支配选择方式以提高解集在决策空间的分布多样性。实验结果表明,相比于其他多模态多目标进化算法,KMMPDE得到的解集在决策空间具有更好的收敛性和多样性,其种群划分策略一定程度上区分了不同PS分支附近的解,其合作型多种群协同策略是有效的。2)基于竞争型多种群协同进化机制,设计并实现了一种多模态多目标进化算法MMOICA。该算法在帝国竞争算法的基础上重新设计了算法的各个环节,以切合多模态多目标优化问题的特点、符合该类问题的求解要求。在该算法中,帝国探索机制可以使新生成的解更具多样性;殖民地争夺机制可以使位置较好的帝国获取更多的殖民地,位置较差的帝国逐渐萎缩,从而令各个帝国为了占领决策空间内更好的搜索区域而展开竞争;帝国变革机制可以使算法能够适用于多目标优化问题并有效保持决策空间上的分布多样性;帝国吞并机制可以加速帝国成员变化,以加强帝国之间的竞争压力及信息交流的效率。实验结果表明,相比于其他多模态多目标进化算法,MMOICA得到的解集在决策空间具有更好的收敛性和多样性,其竞争型多种群协同策略有效提高了算法在决策空间上的性能。

关键词：多模态多目标优化多种群协同进化聚类差分进化帝国竞争算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多种群协同进化的物联网鲁棒性策略研究

基于多种群协同进化的物联网鲁棒性策略研究

作者：刘杰大连理工大学

学位级别：硕士

物联网已经广泛应用于收集和处理现实世界的信息,其部署范围已经朝向全地域扩展,比如高原、山地、海洋。在实际运用中,恶劣的地理环境会导致设备节点故障而失效,同时网络还会面对隐蔽的恶意攻击,而设备节点的失效会对网络拓扑的稳定性... 详细信息

物联网已经广泛应用于收集和处理现实世界的信息,其部署范围已经朝向全地域扩展,比如高原、山地、海洋。在实际运用中,恶劣的地理环境会导致设备节点故障而失效,同时网络还会面对隐蔽的恶意攻击,而设备节点的失效会对网络拓扑的稳定性带来了灾难性的损坏,因此,构建一个高鲁棒性的物联网显得至关重要。物联网鲁棒性优化策略是针对在目标地域已经部署的设备节点,通过算法优化使其网络拓扑拥有更高的鲁棒性,从而在遭遇攻击时仍能保持良好的网络性能。在物联网中,无标度网络具有针对随机攻击下高鲁棒性的特性,但面对恶意攻击时极其脆弱,在遭遇恶意攻击时网络会迅速崩溃垮塌。为了解决这个问题,本文提出了一种基于多种群协同进化的物联网鲁棒性优化算法,将进化算法运用到无标度物联网鲁棒性优化领域,同时不改变网络初始度分布。为了衡量无标度物联网针对恶意攻击的鲁棒性,本文提出了鲁棒性衡量模型,另外,本文也提出一种三维高斯曲面模型来模拟山地地形下的物联网部署。基于多种群协同进化的物联网鲁棒性优化算法利用网络中每个节点的地理位置和连接边的信息,基于新颖的多样性初始化算法、交叉算法、变异算法、移民算法,使用多个种群协同进化,对初始网络拓扑的鲁棒性进行优化。为了保持初始网络的无标度特性,即网络抵御随机攻击的能力。经过本文算法优化后的无标度物联网,其抵抗恶意攻击的能力有明显提升。相比于遗传算法,基于多种群协同进化的物联网鲁棒性优化算法搜索最优解的能力有较大的提升;将其与Hill-Climbing算法和Simulated-Annealing算法在同等条件下对比,其在网络鲁棒性优化效果上都优于它们。另外,在模拟的三维地形物联网部署中,基于多种群协同进化的物联网鲁棒性优化算法仍然适用于网络鲁棒性优化。通过本文所提算法可以显著优化网络抵抗恶意攻击的鲁棒性,使物联网在实际部署中有更强的生存能力。

关键词：物联网无标度网络鲁棒性多种群协同进化

基于决策变量分类的多种群协同进化动态多目标算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于决策变量分类的多种群协同进化动态多目标算法研究

作者：谢慧鹏湘潭大学

学位级别：硕士

动态多目标优化问题(DMOPs)有着冲突的优化目标,而且DMOPs的问题环境会随着时间动态变化,从而导致问题的Pareto最优前沿(PF)和/或Pareto最优集合(PS)发生变化。算法的研究很多时候都取决于所研究的问题,对于DMOPs而言,它要求算法能在环... 详细信息

动态多目标优化问题(DMOPs)有着冲突的优化目标,而且DMOPs的问题环境会随着时间动态变化,从而导致问题的Pareto最优前沿(PF)和/或Pareto最优集合(PS)发生变化。算法的研究很多时候都取决于所研究的问题,对于DMOPs而言,它要求算法能在环境变化后迅速搜索到变化后的PS或最PF,同时保持种群的收敛性和分布性的平衡。为了解决DMOPs,本文提出了一种基于决策变量分类的动态多目标算法,该算法利用决策变量分类的信息去指导进化,并提出了一个新的多种群协同进化方法。该算法首先对问题进行随机采样分析,将决策空间分为收敛性控制维度和分布性控制维度。然后使用多个子种群进行优化,并将子种群分为两大类:收敛子种群和分布子种群,收敛子种群的数量对应于收敛性维度的数量,每个收敛子种群优化一个收敛性维度;使用一个分布子种群去对应所有分布性维度,但该子种群优化的是所有的决策维度。收敛子种群之间使用传统的协同进化的方式进行,而且子种群内部个体的分布性维度的值是相同的。从而避免了分布性对收敛性的影响,使得收敛子种群能集中资源去优化个体的收敛性,加快算法的收敛速度。为了规避多种群协同进化在种群分布性上表现堪忧的问题,本算法会根据收敛子种群的优化程度,有选择地将某些收敛子种群合并到分布子种群中去。随着算法的进行,所有收敛子种群会逐渐合并到分布子种群中,这样就能在种群收敛性有保证的前提下,提升种群的分布性。此外,本文还提出了一个改进的中心点预测策略去响应环境的变化,该策略引入了决策空间分类信息去指导预测过程。该算法在多种不同动态特性的16个基准DMOPs上进行了实验。与5个具有代表性的算法进行了比较,实验表明本文所提出的算法能快速响应环境的变化并很好地保持种群的收敛性和分布性。

关键词：动态多目标优化决策变量分类多种群协同进化多样性

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多种群协同进化的多逃逸者围捕任务分配

计算机技术与发展 2023年第12期33卷 185-192页

作者：高子璇张国富苏兆品李磊合肥工业大学计算机与信息学院安徽合肥230601 大数据知识工程教育部重点实验室(合肥工业大学) 安徽合肥230601 智能互联系统安徽省实验室(合肥工业大学) 安徽合肥230009 工业安全应急技术安徽省重点实验室(合肥工业大学) 安徽合肥230601

群机器人逃逸围捕一直是人工智能和机器人领域的研究热点之一。在面向多逃逸者时,如何为每个逃逸者高效地分配合适的机器人以完成协同围捕是一个难点问题。已有研究大都采用距离优先分配的策略,为每个逃逸者选择离它最近的一组机器人进... 详细信息

群机器人逃逸围捕一直是人工智能和机器人领域的研究热点之一。在面向多逃逸者时,如何为每个逃逸者高效地分配合适的机器人以完成协同围捕是一个难点问题。已有研究大都采用距离优先分配的策略,为每个逃逸者选择离它最近的一组机器人进行围捕,在逃逸者数量较多的情况下,难以实现围捕任务的均衡分配,降低了系统围捕的效率。为此,提出了一种基于多种群协同进化的多逃逸者围捕任务分配算法。首先,构建了一种全方向的群机器人逃逸围捕任务分配数学模型;然后,基于遗传算法和多种群协同进化提出了一种多逃逸者围捕任务分配算法,设计了相应的编码方式、交叉和变异策略;最后,在开发的群机器人逃逸围捕仿真平台上测试了算法的有效性。对比实验结果表明,所提算法在完成围捕任务所耗费的步数上最多降低了20%,围捕效率最大提高了25%。

关键词：群机器人逃逸围捕多逃逸者任务分配遗传算法多种群协同进化静态障碍物避障

基于多种群混沌遗传神经网络的模拟电路故障诊断

在线全文

学校读者我要写书评

暂无评论

计算机测量与控制 2012年第6期20卷 1483-1485页

作者：孟玲玲崔蕾韩宝如燕山大学信息科学与工程学院河北秦皇岛066004 海南软件职业技术学院电子工程系海南琼海571400

针对标准遗传算法优化BP神经网络收敛慢,易陷入局部最优的问题,提出了改进的多种群协同进化遗传算法,该算法改变了以往的随机初始化方法,采用了附加混沌扰动的tent映射初始化均匀分布的种群,提高了初始解的质量;每个种群采用自适应交叉... 详细信息

针对标准遗传算法优化BP神经网络收敛慢,易陷入局部最优的问题,提出了改进的多种群协同进化遗传算法,该算法改变了以往的随机初始化方法,采用了附加混沌扰动的tent映射初始化均匀分布的种群,提高了初始解的质量;每个种群采用自适应交叉率和变异率,引入移民算子实现种群间的横向联系;算法通过多种群的协同进化和种群间的个体移植提高了算法的搜索均匀性和效率;仿真实验表明该算法误差小,收敛速度快,诊断正确率高,较好地解决了模拟电路的软故障诊断问题。

关键词：神经网络遗传算法多种群协同进化混沌故障诊断

基于高斯变异与多种群机制的布谷鸟算法及其应用研究

在线全文

学校读者我要写书评

暂无评论

基于高斯变异与多种群机制的布谷鸟算法及其应用研究

作者：姜文硕华侨大学

学位级别：硕士

布谷鸟算法(Cuckoo Search,CS)作为一种新兴的群智能算法,目前已在各个领域得到了广泛应用,已被证明是一种有效的问题求解方法。布谷鸟算法虽然具有结构简单、控制参数少等优点,然而该算法在处理一些复杂问题时会存在过早收敛、局部搜... 详细信息

布谷鸟算法(Cuckoo Search,CS)作为一种新兴的群智能算法,目前已在各个领域得到了广泛应用,已被证明是一种有效的问题求解方法。布谷鸟算法虽然具有结构简单、控制参数少等优点,然而该算法在处理一些复杂问题时会存在过早收敛、局部搜索能力弱等问题。针对布谷鸟算法的不足,本文提出的算法对原始的布谷鸟算法变异策略进行了改进,并在标准测试函数和相关优化问题上验证了算法的有效性。本文主要研究内容如下:1.针对布谷鸟算法在后期收敛速度慢,搜索精度低等问题,本文提出一种基于高斯变异与外部存档机制的布谷鸟算法(Cuckoo Search Based on Gaussian Mutation and Externanl Archive,GACS)。在算法中引入了高斯变异因子帮助算法后期在最优解区域靠近,提高算法的求解精度。并且为了避免算法陷入局部最优的情况,在算法模型加入了外部存档机制,将种群历史迭代中淘汰的个体存储起来加入到算法后续的迭代过程,提高种群的多样性。此外,针对变异缩放因子设置了参数自适应机制,从而平衡全局搜索和局部搜索。在16个测试函数上,对GACS算法性能进行了验证。实验结果表明,GACS算法在处理不同的测试函数问题上都表现出较优的求解性能。最后,将GACS算法应用在(Takagi-Sugeno,T-S)模糊系统辨识问题上,并在非线性辨识问题数据集上与其他算法进行了对比。实验结果表明,GACS算法可以找到规则数较少的T-S模糊模型。2.针对布谷鸟算法存在着过早收敛的情况,算法会遭遇局部最优的问题,本文提出了一种基于多种群协同进化机制的布谷鸟算法(Cuckoo Search Based on Multi-population Co-evcolution Strategy,MPCS)。在该算法中,将整个种群划分为三个子种群,每个子种群有相应的变异策略。在算法迭代搜索过程中,每隔数代后,将三个子种群目前搜索到的最优个体迁移至除该个体所在的其余子种群。该机制提高了种群的多样性,避免算法出现遭遇过早收敛的情况。在16个测试函数问题上与其它改进的算法进行了比较,实验结果验证了该算法的性能。3.将本文提出的GACS算法和MPCS算法应用在五个典型的工程设计问题:弹簧设计问题、三杆桁架设计问题、压力容器设计问题、减速器设计问题和焊接梁结构设计问题,实验结果验证了算法在解决受约束工程设计问题的性能。

关键词：布谷鸟算法高斯变异外部存档多种群协同进化工程设计

多目标差异平行批调度问题的协同进化算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多目标差异平行批调度问题的协同进化算法研究

作者：王燕安徽大学

学位级别：硕士

科技的进步和生产要求的提高导致制造业企业面临越来越大的生产压力,使得企业对新型生产调度方案的需求与日俱增。批调度生产是一种与实际生产环境紧密切合的生产调度模式,是传统生产调度问题的拓展。与传统生产调度相比,批调度生产模... 详细信息

科技的进步和生产要求的提高导致制造业企业面临越来越大的生产压力,使得企业对新型生产调度方案的需求与日俱增。批调度生产是一种与实际生产环境紧密切合的生产调度模式,是传统生产调度问题的拓展。与传统生产调度相比,批调度生产模式能够提高生产效率和资源利用率。因此,针对批调度问题的研究能够为企业提高生产效率、增强企业市场核心竞争力和确定生产方案提供依据。在制造型企业中,不定期的机器更新使得在生产车间内存在新旧处理能力不同的机器同时加工的情况。在这种生产环境下,如何同时提高企业的生产效率和降低资源消耗率十分具有挑战性。本文以半导体制造业中芯片最后高温测试阶段为研究背景,将待测试芯片抽象成工件、高温烤箱抽象成批处理机,研究了在差异平行批处理机上调度一组带有不同尺寸、随机到达时间和不同加工时间的工件以最小化制造跨度和机器总能耗的问题。本文的主要研究内容如下:（1）针对本文研究的问题首先给出了具体的问题描述,并建立了一个混合整数规划模型。之后,通过对问题的分析,提出了一个针对问题特性的双蚁群协同进化算法进行求解。在双蚁群协同进化算法中,依据问题特征设计的启发式信息用于指导解的构建,并在利用双蚁群独立搜索的方式提高算法的多样性的同时,通过双蚁群之间协同搜索的方式保证算法的收敛性。最后通过仿真实验,验证了所提算法的有效性。（2）本文在深入分析双蚁群协同进化算法的性能后发现该算法在两个蚁群共同搜索的区域存在丢失有效解的问题,因此提出了一个多种群的双目标协同进化算法用以解决这一问题。该算法设计了一种基于最大角度设置偏好向量的策略和一种基于种群贡献值选择蚂蚁更新信息素的策略。多种群的双目标协同进化算法在双蚁群协同进化算法的基础上,通过一个新的子蚁群平衡两个各自偏好一个目标独立搜索的子种群的搜索程度,以避免在共同搜索的区域中丢失有效解,继而在提高算法的多样性和收敛性的同时,保证算法得到分布更均匀的解集。最后,通过大量的仿真实验,证明了多种群的双目标协同进化算法的有效性和高效性。

关键词：批处理机调度差异平行批处理机蚁群算法多种群协同进化机器能耗