检索结果-南通市图书馆

作者：吴端伟华侨大学

学位级别：硕士

差分演化算法作为计算智能算法中的重要一员,因其结构简单、收敛速度快、鲁棒性强等特点,得到了研究学者的广泛关注并且在研究和应用上均获得了很大的进展。变异操作作为差分演化算法的核心操作,一般采用随机的方式产生差分向量,导致算... 详细信息

差分演化算法作为计算智能算法中的重要一员,因其结构简单、收敛速度快、鲁棒性强等特点,得到了研究学者的广泛关注并且在研究和应用上均获得了很大的进展。变异操作作为差分演化算法的核心操作,一般采用随机的方式产生差分向量,导致算法收敛速度减慢,种群质量无法保证。差分演化算法在进化过程中会产生大量的种群信息,然而传统的差分演化算法未能充分利用这些种群信息,个体之间缺乏有效的学习交流机制。目前大部分基于邻域的差分演化算法采用了固定邻域机制,虽然在一定程度提升了算法的局部挖掘能力,但也限制算法的全局搜索能力,导致算法在后期容易陷入停滞。并且在现有的差分演化算法中缺乏有效的个体评价机制,缺乏准确的数值指导。针对这些问题,设计有效的种群信息挖掘和利用机制具有很大的研究空间和研究价值。基于以上的分析,根据种群信息的产生方式构建了基于邻域信息、方向信息和历史信息的种群进化信息模型。本文围绕种群进化信息模型,提出了四个种群信息挖掘和利用机制,加强差分演化利用种群信息的能力,进而提升其求解复杂优化问题的性能。本文的主要工作可以归纳为以下四个方面:(1)为了充分发挥不同个体在搜索过程中的不同角色,本文引入了依赖于个体信息的动态邻域机制。个体在构建邻域时根据挖掘出的种群信息动态地为个体确定邻域并不断地进行调整,满足了不同进化阶段对邻域的不同需求。(2)针对一对一个体更新机制所存在的种群质量问题,本文提出了个体替换机制。利用种群中较优秀个体被淘汰的子代替换种群中其他较差的个体,充分利用中间数据的同时提升种群质量。(3)本文提出了一种个体评价系数的计算方式,从个体适应值和个体在种群中的地位两个层面充分反映个体的质量,为构建邻域和种群结构优化提供了准确的参考数值。(4)针对进化过程中存在的随机性较高导致算法收敛速度较慢的问题,本文采用余弦相似度作为个体相似度计算方式并且结合劣势个体指向优势个体的差分向量产生方式,将方向信息和变异策略结合。利用个体的历史信息和个体自身构造历史进化路径,依靠个体进化经验引导个体向一定的方向稳定进化。综上所述,本文通过对种群信息进行挖掘和利用,指导个体进行邻域构建和产生变异,使进化过程更为高效有序。在文中使用了大量的实验验证了这些机制的性能,从而为科学研究和工程应用提供了参考。

关键词：差分演化算法种群信息机器学习变异策略相似度计算

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于种群信息的布谷鸟算法

引用

沈阳化工大学学报 2022年第1期36卷 69-73页

作者：高淑芝高越沈阳化工大学装备可靠性研究所辽宁沈阳110142 沈阳化工大学信息工程学院辽宁沈阳110142

布谷鸟算法(CS)是一种优秀的元启发式算法,其控制参数少的优点使它可以很容易确定控制参数和结果的关系,在许多实际问题的处理中都发挥了良好的作用.但是单一的Levy飞行策略使每个个体很难凭借自身的随机游动跳出局部极值,长时间陷入局... 详细信息

布谷鸟算法(CS)是一种优秀的元启发式算法,其控制参数少的优点使它可以很容易确定控制参数和结果的关系,在许多实际问题的处理中都发挥了良好的作用.但是单一的Levy飞行策略使每个个体很难凭借自身的随机游动跳出局部极值,长时间陷入局部极小值限制了算法的收敛速度.为此,提出一种基于种群信息的布谷鸟算法(PBCS).整个种群的平均位置信息将作为个体迭代时的参考方向,使个体可以成功地跳出局部极值.将种群最优位置作为生成新个体方向,可以增加整个算法的收敛速度,便于在寻找到最优值所在的区域后迅速收敛.在6种常见的基准函数上与其他两种算法的对比,证明该算法具有更好的全局探索和局部搜索能力.

关键词：元启发式算法布谷鸟算法种群信息

来源：

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

一种多反向学习的教与学优化算法

引用

工程科学与技术 2019年第6期51卷 159-167页

作者：何杰光彭志平崔得龙李启锐广东石油化工学院计算机学院

针对原始教与学优化算法全局搜索和局部搜索协调不足、当前反向学习策略过于单一的问题,将多种反向学习策略同教与学优化算法相结合,提出一种基于多反向学习的教与学优化(MOTLBO)算法。首先,借鉴反向学习的思想,设计一种基于Sigmoid函... 详细信息

针对原始教与学优化算法全局搜索和局部搜索协调不足、当前反向学习策略过于单一的问题,将多种反向学习策略同教与学优化算法相结合,提出一种基于多反向学习的教与学优化(MOTLBO)算法。首先,借鉴反向学习的思想,设计一种基于Sigmoid函数且随进化代数逐渐变化的非线性混合反向学习模型,模型综合考虑了问题的搜索边界信息和种群的历史搜索信息;其次,在原始教与学算法教和学两个阶段的基础上,增加了基于搜索边界指导的自学习阶段,增强了种群的多样性;最后,将混合反向学习模型与算法的各阶段相结合,根据各阶段的不同特征,设计了基于均值个体、随机个体和最优个体的反向解计算方法,充分吸收种群的历史搜索经验,提高算法的收敛精度和速度。采用具有不同特征的Benchmark测试函数对算法的非线性混合反向学习模型和收敛性能进行测试,实验结果表明:非线性混合反向学习模型相对于单一的边界信息反向学习或种群信息反向学习,具有更强的全局搜索和局部探测能力;而与原始教与学优化算法及其改进算法相比,MOTLBO算法在获得较高的收敛精度和稳定性的同时保持了更快的收敛速度,其综合性能得到较大提升。此外,对扩频雷达相位编码求解的实验结果进一步表明,MOTLBO算法能有效避免陷入局部最优,亦适用于求解实际的工程优化问题。

关键词：教与学优化算法反向学习搜索边界种群信息非线性混合模型

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

中国牦牛的品种与分布

引用

中国畜牧杂志 2019年第10期55卷 168-171页

作者：王可祝超智赵改名郝婉名田玮参木友河南农业大学食品科学技术学院河南郑州450002 西藏农牧科学院畜牧兽医研究所西藏拉萨850000

牦牛是我国珍贵的畜牧资源,但其品种信息目前尚不完善和准确。本文将中国境内13个品种牦牛的分布、生产性能等信息进行整理,分析了牦牛产业的局限性并提出相关建议,为牦牛保种研究及开发利用等提供参考。

关键词：牦牛品种分布种群信息生产性能

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

差分演化算法中个体选择机制的研究

差分演化算法中个体选择机制的研究

引用

作者：廖景亮华侨大学

学位级别：硕士

在各种科学研究和工程领域中,经常会遇到大量的优化问题。而且随着现实社会的快速发展,许多优化问题变得越来越复杂,传统的优化算法已经很难能满足各种科学和工程需求。因此,设计能有效处理高复杂问题的优化算法,具有深刻的科学研究意... 详细信息

在各种科学研究和工程领域中,经常会遇到大量的优化问题。而且随着现实社会的快速发展,许多优化问题变得越来越复杂,传统的优化算法已经很难能满足各种科学和工程需求。因此,设计能有效处理高复杂问题的优化算法,具有深刻的科学研究意义和巨大工程应用价值。在此背景下,演化算法因为其具有自适应、隐并行、容易实现等特点,以及对所求解的问题不需要连续、可导、单峰等要求,而受到广泛的关注,并得到极大的发展。作为演化算法中的一种,差分演化算法通过维持一个种群的演化来求解优化问题,具有结构简单、实现容易、鲁棒性强等特点,并被成功应用于解决许多领域问题,如数据挖掘、路径规划、工程设计等。但是,现阶段差分演化算法还存在一些不足之处,主要可总结为三个方面:1)已有的变异策略具有各自的搜索特点,如何针对问题选择合适的变异策略还缺乏有效指导;2)传统的差分演化算法对控制参数的设置非常敏感,如何根据问题的不同情况设置合适的参数尚缺乏较好的解决方案;3)差分演化算法的局部勘探能力较弱,导致算法后期的收敛速度较慢。针对差分演化算法现有的这些不足,本文考虑了算法两个方面的性质。一方面,差分演化算法属于典型的群体智能优化算法,其良好的优化性能主要依赖于种群中个体之间的交互行为。而在种群中个体的交互对象以及交互方式,又主要取决于个体对种群信息的利用。因此,对种群信息的提取和利用就基本决定了差分演化算法的优化能力。另一方面,差分演化算法中,变异算子起着引导算法进行搜索的重要作用,如何设计个体的选择机制直接影响到算法的优化性能。基于以上考虑,本文的主要研究目标是:提取种群信息并用于指导变异算子中个体的选择,进而提升差分演化算法的优化性能。首先,本文对差分演化算法中的种群信息进行了研究和分析,并将其分为主要的四大类,即拓扑信息、适应值信息、距离信息和历史信息,在此基础上便得到对应的四种个体选择机制。然后,对每一种个体选择机制进行了研究,分析了现有工作的优点和不足,并分别提出了一种能有效利用种群信息的算法框架。接着,通过充分的实验验证了其良好的优化性能。最后,对这四种算法框架进行相互比较,分析了各自的优点和不足,为科学研究和工程应用提供了有效的参考信息。

关键词：差分演化算法全局优化种群信息变异算子个体选择机制

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：