检索结果-南通市图书馆

基于动态多种群的自适应混合灰狼差分进化算法

在线全文

学校读者我要写书评

暂无评论

宝鸡文理学院学报（自然科学版） 2023年第2期43卷 39-47页

作者：任晓莉郭子璐宝鸡文理学院计算机学院宝鸡市智能信息处理重点实验室陕西宝鸡721016 南开大学法学院天津300071

目的解决灰狼算法初始种群生成方式导致其存在多样性差的问题。方法结合差分算法改进灰狼算法,生成基于动态多种群策略的混合灰狼差分算法,算法采用动态多种群策略,利用3种差分算法变异策略,增强初始种群解的多样性,并将其作为灰狼算法... 详细信息

目的解决灰狼算法初始种群生成方式导致其存在多样性差的问题。方法结合差分算法改进灰狼算法,生成基于动态多种群策略的混合灰狼差分算法,算法采用动态多种群策略,利用3种差分算法变异策略,增强初始种群解的多样性,并将其作为灰狼算法的初始种群,采用局部搜索策略增强算法的探索能力,最后采用改进的种群大小线性递减策略来降低算法的时间复杂度,提高算法的收敛速度。结果与结论对CEC2014测试集4类15个基准测试函数进行仿真实验,并与经典DE,GWO及其变体算法进行比较,验证了所提出算法的有效性,最后应用该算法求解经典工程领域焊接梁设计优化问题,证明了所提出算法的优越性。

关键词：灰狼算法差分算法动态多种群工程优化

在线全文

学校读者我要写书评

暂无评论

求解约束优化问题的动态多种群粒子群算法

山东大学学报（理学版） 2011年第9期46卷 106-111页

作者：刘衍民遵义师范学院数学系贵州遵义563002

为有效求解带有约束条件的优化问题,提出一种动态多种群粒子群算法。采用动态多种群策略和广泛学习策略来提升种群的多样性,并根据人类社会"人尽其才"的思想,为每个子群指派成员,以发挥每个粒子的最大效用。采用动态变异策略,对全局最... 详细信息

为有效求解带有约束条件的优化问题,提出一种动态多种群粒子群算法。采用动态多种群策略和广泛学习策略来提升种群的多样性,并根据人类社会"人尽其才"的思想,为每个子群指派成员,以发挥每个粒子的最大效用。采用动态变异策略,对全局最优粒子(Gbest)进行变异操作以提升算法跳出局部最优解的能力。在基准函数的测试结果中显示DMCPSO获得了较高的求解精度。

关键词：约束优化动态多种群粒子群算法

基于动态多种群粒子群支持向量机的短期负荷预测

在线全文

学校读者我要写书评

暂无评论

计算机科学 2008年第7期35卷 133-136,172页

作者：李丹高立群王珂黄越东北大学信息科学与工程学院沈阳110004 辽宁省电力有限公司

针对标准粒子群优化(PSO)算法存在易陷入局部极值点的缺点,提出了一种基于物种概念的动态多种群粒子群优化算法(DMPSO)。在DMPSO中引入了物种概念,在进化过程中动态确定物种,利用种群多样性信息动态调整物种半径,通过物种对解空间的不... 详细信息

针对标准粒子群优化(PSO)算法存在易陷入局部极值点的缺点,提出了一种基于物种概念的动态多种群粒子群优化算法(DMPSO)。在DMPSO中引入了物种概念,在进化过程中动态确定物种,利用种群多样性信息动态调整物种半径,通过物种对解空间的不同区域进行搜索,最终确定出各极值点。将DMPSO算法和支持向量机(SVM)相结合,形成了解决电力系统短期负荷预测问题的新方法(DMPSO-SVM)。在该方法中利用DMPSO算法来优化SVM中的参数,利用快速傅立叶变换(FFT)进行频谱分析并确定SVM的输入量。电力系统短期负荷预测的实际算例表明,与传统预测方法相比,该方法具有更高的预测精度和鲁棒性。

关键词：粒子群优化动态多种群物种支持向量机负荷预测

在线全文

学校读者我要写书评

暂无评论

基于动态多种群的多目标粒子群算法

计算机仿真 2011年第5期28卷 241-245页

作者：刘衍民赵庆祯隋常玲遵义师范学院数学系贵州遵义563002 山东师范大学管理与经济学院山东济南250014

研究进化算法在求解多目标优化问题时,极易陷入到伪Pareto前沿(等价于单目标优化问题中的局部最优解),为了提高优化过程,提出一种基于动态多种群的多目标粒子群算法(DMSMOPSO)。在DMSMOPSO算法中,为了增加种群的多样性,提升粒子跳出局... 详细信息

研究进化算法在求解多目标优化问题时,极易陷入到伪Pareto前沿(等价于单目标优化问题中的局部最优解),为了提高优化过程,提出一种基于动态多种群的多目标粒子群算法(DMSMOPSO)。在DMSMOPSO算法中,为了增加种群的多样性,提升粒子跳出局部最优解的能力,采用多子群进行搜索并且子群是动态地进行构建;采用K-均值聚类算法确定每个子群的搜索行为,提升种群向全局最优位置飞行的概率;根据目标函数的优化难度。通过典型的多目标测试函数和工程上的实际应用对算法进行仿真,仿真结果表明DMSMOPSO比其它算法优越,证明DMSMOPSO可作为求解多目标优化问题的有效算法。

关键词：多目标优化动态多种群粒子群算法

在线全文

学校读者我要写书评

暂无评论

基于启发式算法的云环境下工作流调度研究

基于启发式算法的云环境下工作流调度研究

作者：邱慧娴闽南师范大学

学位级别：硕士

科学工作流是面向大规模科学计算任务的重要解决方案之一。随着科学计算复杂度的不断提升,科学工作流的规模不断增大,其复杂度也随之增加,对计算资源的需求呈现剧增的趋势。云计算作为一种新兴的计算服务模式,在计算资源提供方式、计费... 详细信息

科学工作流是面向大规模科学计算任务的重要解决方案之一。随着科学计算复杂度的不断提升,科学工作流的规模不断增大,其复杂度也随之增加,对计算资源的需求呈现剧增的趋势。云计算作为一种新兴的计算服务模式,在计算资源提供方式、计费模式等方面不同于传统的高性能计算系统,这些差异为部署在其上的科学工作流的服务质量、可靠性等问题的研究带来了新的挑战。其中,基础设施即服务(Infrastructure-as-a-Service,IaaS)云能够通过网络以虚拟机(Virtual Machine,VM)的形式向用户提供海量的计算资源,并满足科学工作流对计算资源的需求,因此受到了广泛的关注。本文围绕IaaS云服务环境中的科学工作流,研究包括对完成时间和能耗这两大调度关键问题的优化,文章主要工作内容和创新点包括:(1)考虑云计算系统的异构与动态伸缩性对系统的性能和能耗的影响,对云环境下的能耗与多目标优化问题进行定义。为提高解空间的搜索范围,使用基于遗传算法的多目标优化算法解决工作流调度,再根据当前云计算系统的资源动态约束以及能耗要求等产生综合实时决策偏好,决策产生折衷解作为最终调度方案。针对传统工作流调度算法中随机初始化序列方案易造成初始解较差、收敛速度慢的问题,提出了一种新的初始化调度序列方案。在该初始化方法中,为每个任务分配VM实例时考虑每个任务的数据大小,将数据量大的任务分配到处理速率较高的VM实例上。相反地,将数据量较小的任务分配到其他处理速率较低的VM实例上。以此平衡各VM实例的负载,并降低大数据量任务的执行时间对总的完成时间的影响。实验结果表明,依靠由此方法产生的初始调度序列,可以在初始时就达到较低的完成时间,并最终能在完成时长和能源消耗之间达到较好的平衡。(2)由于工作流中各任务之间具有一定的约束关系,任务需依照这些特定的约束关系按序执行。在本文中,使用任务执行顺序序列代表各任务的调度顺序,不同的任务执行顺序序列对调度结果有较大的影响。由于任务执行顺序序列需满足任务之间的约束关系,因此各任务执行顺序序列会包含相同的子序列。而较优的任务执行顺序序列所包含的相同子序列可能有利于目标优化。因此需要对这部分子序列进行搜索并保留。针对工作流调度问题的此特性,提出了结合最长公共子序列搜索算法(Longest common sequence,LCS)的策略。利用LCS搜索任务执行顺序序列中的精英部分,并利用此信息动态调整染色体的交叉、变异过程,提高求解效率。实验结果指出,本文提出的结合LCS的搜索策略能找到更优的Pareto前沿。(3)针对大规模工作流调度问题求解复杂度高的问题,提出了结合LCS选择策略将种群划分成若干个子种群形成多种群框架的方法,并保留相应的LCS基因块。利用LCS基因块对不同子种群的交叉变异方法进行指导,使各子种群采取不同的方式协同进化,以此平衡种群多样性和提高算法收敛性。实验结果表明,本文提出的基于LCS选择的多目标遗传算法能够有效实现工作流调度的完成时间与能源消耗优化。

关键词：工作流调度遗传算法多目标优化动态多种群最长公共子序列

基于多种群粒子群算法和布谷鸟搜索的联合寻优算法

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

控制与决策 2016年第4期31卷 601-608页

作者：高云龙闫鹏厦门大学信息技术与科学学院福建厦门361005

为了提高动态多种群粒子群(DMS-PSO)算法的全局搜索能力,将布谷鸟搜索算法(CS)引入DMS-PSO算法中,提出DMS-PSO-CS算法.采用中位数聚类算法将整个种群动态划分为若干小种群,各个小种群作为底层种群通过PSO算法进行寻优,再将每个小种群中... 详细信息

为了提高动态多种群粒子群(DMS-PSO)算法的全局搜索能力,将布谷鸟搜索算法(CS)引入DMS-PSO算法中,提出DMS-PSO-CS算法.采用中位数聚类算法将整个种群动态划分为若干小种群,各个小种群作为底层种群通过PSO算法进行寻优,再将每个小种群中的最优粒子作为高层种群的粒子通过CS算法进行深度优化.将所提出算法应用于CEC 2014测试函数,并与CS算法和其他改进的PSO算法进行比较.实验结果表明,所提出算法能够显著提高全局搜索能力和算法效率.

关键词：粒子群算法动态多种群布谷鸟搜索中位数聚类

基于粒子群算法的神经网络时间序列预测问题研究

在线全文

学校读者我要写书评

暂无评论

基于粒子群算法的神经网络时间序列预测问题研究

作者：聂善坤上海工程技术大学

学位级别：硕士

随着社会步入信息时代,各领域的数据大量产生,其中根据时间顺序采集得到的一类观测值被称为时间序列,例如:股票价格序列、太阳黑子的观测值、电力负荷、气象变化、网站访问人数等。时间序列最为典型的特征是数据间具有相互依赖性,从数... 详细信息

随着社会步入信息时代,各领域的数据大量产生,其中根据时间顺序采集得到的一类观测值被称为时间序列,例如:股票价格序列、太阳黑子的观测值、电力负荷、气象变化、网站访问人数等。时间序列最为典型的特征是数据间具有相互依赖性,从数据中找出这一内部规律并对未来值进行预测被称为时间序列预测。传统的时间序列预测方法是从纯数学的角度对数据进行分析后建立预测模型,但是时间序列具有非线性特征,很难对系统建立理想的模型。人工神经网络具有自组织、自学习、容错性强的特征,在求解非线性问题上具有较好的逼近能力,将具有动态特征的递归神经网络用于时间序列预测能够得到性能优越的预测模型。然而,递归神经网络存在易陷入局部最优、计算负荷大和梯度消失等缺陷。针对递归神经网络学习算法的缺陷,本文采用粒子群算法对递归神经网络进行优化,提出了基于粒子群算法的递归神经网络,并将其用于求解时间序列预测问题,主要研究内容如下:1.为克服粒子群算法易陷入局部最优、种群多样性差的弊端,提出了自适应混沌粒子群算法,通过个体适应度值动态调整学习参数,同时引入混沌干扰因子和变异因子增加算法多样性,从而平衡算法的勘探开采能力。采用自适应混沌粒子群算法对递归神经网络的连接权值和节点偏置进行优化,并利用优化所得的网络对石油价格序列进行预测,结果表明优化后的网络能以一定的时间代价得到精度较高的预测结果,同时具有较好的泛化能力。2.为求解高维复杂的时间序列预测问题,提出了基于动态多种群的粒子群优化算法。该算法利用主辅种群的方式搜索全局最优解,主辅种群分别利用自适应混沌粒子群和改进的量子粒子群进行更新。采用基于动态多种群粒子群优化算法的递归神经网络对太阳黑子数据集进行预测,结果表明优化后的网络在求解高维复杂的时间序列预测问题上具有较高的预测精度,且时间代价较小。3.选取多个领域的时间序列数据集,采用基于不同学习算法的递归神经网络进行预测,通过预测误差分析,证明了基于粒子群算法的递归神经网络在时间序列预测问题上具有较好的预测性能。

关键词：时间序列预测递归神经网络自适应混沌粒子群算法动态多种群局部最优