检索结果-南通市图书馆

基于动态种群多策略差分进化模型的多目标进化算法

在线全文

学校读者我要写书评

暂无评论

电子学报 2016年第6期44卷 1472-1480页

作者：王亚辉吴金妹贾晨辉华北水利水电大学机械学院河南郑州450011 河南科技大学机电工程学院河南洛阳471023

针对复杂的多目标优化问题,根据不同差分进化策略的特点,提出一种基于动态种群多策略差分进化模型和分解机制的多目标进化算法(MOEA/D-DPMD).该算法将种群划分为3个子种群,每个子种群分配一种差分进化策略.为了提高算法的性能,依据每种... 详细信息

针对复杂的多目标优化问题,根据不同差分进化策略的特点,提出一种基于动态种群多策略差分进化模型和分解机制的多目标进化算法(MOEA/D-DPMD).该算法将种群划分为3个子种群,每个子种群分配一种差分进化策略.为了提高算法的性能,依据每种差分进化策略的贡献度,动态的调整子种群的规模,各差分进化策略之间相互配合协同进化.采用具有复杂的PS的LZ09系列基准函数,测试新算法的性能,仿真结果表明邻域规模为25时性能最好.通过不同差分进化策略之间的对比分析,新算法也具有较强的优势.将其与MOEAD/DE和NSGA-II算法对比分析,结果显示该算法的收敛性和多样性均优于另外两种算法,是求解复杂多目标问题的有效方法.

关键词：分解机制多策略差分进化动态种群多目标优化

基于Maximin的动态种群多目标粒子群算法

在线全文

学校读者我要写书评

暂无评论

东北大学学报（自然科学版） 2010年第7期31卷 913-916页

作者：冯琳毛志忠袁平东北大学信息科学与工程学院辽宁沈阳110004

针对粒子群优化算法在处理多目标函数优化问题的过程中,往往会出现局部收敛现象,在MOPSO算法基础上提出了一种新的多目标粒子群优化算法.该算法在运行过程中采用动态调整粒子群种群数目的方式使粒子摆脱局部最优解对其的吸引;同时为了... 详细信息

针对粒子群优化算法在处理多目标函数优化问题的过程中,往往会出现局部收敛现象,在MOPSO算法基础上提出了一种新的多目标粒子群优化算法.该算法在运行过程中采用动态调整粒子群种群数目的方式使粒子摆脱局部最优解对其的吸引;同时为了克服粒子种群多样性降低带来的影响,将粒子的相对适应度方差引入到Maximin计算公式中.然后基于Pareto最优的概念,利用方差Maximin策略来评价最优解,并保存在可变的外部精英集中,以保证结果的分布性良好.最后,该方法在仿真中取得了良好效果,可以更广泛地应用到复杂工业多目标优化领域中.

关键词：多目标优化问题粒子群优化算法动态种群方差Maximin策略局部收敛

动态种群规模协同进化算法求解多目标投资组合优化问题

在线全文

学校读者我要写书评

暂无评论

数学的实践与认识 2019年第19期49卷 9-17页

作者：严丽娜吴军北方民族大学医学影像技术系宁夏银川750021 宁夏大学新华学院宁夏银川750021

为了解决仅含预算约束的投资组合优化模型,提出一种基于种群密度的多目标协同进化算法.算法采用种群竞争的策略自适应的产生不定规模的种群,避免了固定种群规模的缺点.在进化过程中每个种群都会参考自身的最优个体以及竞争种群对自身的... 详细信息

为了解决仅含预算约束的投资组合优化模型,提出一种基于种群密度的多目标协同进化算法.算法采用种群竞争的策略自适应的产生不定规模的种群,避免了固定种群规模的缺点.在进化过程中每个种群都会参考自身的最优个体以及竞争种群对自身的影响,超级个体集合存储进化过程中产生的最优解,通过最优个体的引导使算法快速收敛至Pareto前沿.实验结果表明,与NSGA-2算法相比,提出的算法在稳定性和收敛性都有很好的表现,是一种有效的多目标进化算法.

关键词：投资组合协同进化多目标进化算法动态种群种群竞争

在线全文

学校读者我要写书评

暂无评论

基于动态种群和广义学习的粒子群算法及应用

计算机工程与科学 2011年第5期33卷 91-96页

作者：刘衍民赵庆祯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

为了提升粒子跳出局部最优解的能力,本文提出一种动态种群和广义学习粒子群算法(DCPSO)。在算法运行过程中,引入种群增加策略和减少策略以提升种群的多样性,进而提升粒子跳出局部最优解的能力;同时引入广义学习策略以增加粒子飞向全局... 详细信息

为了提升粒子跳出局部最优解的能力,本文提出一种动态种群和广义学习粒子群算法(DCPSO)。在算法运行过程中,引入种群增加策略和减少策略以提升种群的多样性,进而提升粒子跳出局部最优解的能力;同时引入广义学习策略以增加粒子飞向全局最优位置的概率。在基准函数的测试中,结果显示DCPSO算法比其它PSO算法有更好的性能;在实际应用中,通过对起重机箱型主梁模型进行优化,结果显示DCPSO算法比其它算法获得了质量更高的解。

关键词：动态种群广义学习粒子群算法

在线全文

学校读者我要写书评

暂无评论

具有动态种群的人工植物算法

具有动态种群的人工植物算法

作者：吴雪雪太原科技大学

学位级别：硕士

人工植物算法是一种模拟植物的生长过程的随机智能优化算法，该算法综合考虑了植物的光合作用、向光性以及顶端优势对其生长的影响，并设计了光合作用算子、向光性算子和顶端优势算子。本文在标准人工植物算法的基础上做了如下的研究工... 详细信息

人工植物算法是一种模拟植物的生长过程的随机智能优化算法，该算法综合考虑了植物的光合作用、向光性以及顶端优势对其生长的影响，并设计了光合作用算子、向光性算子和顶端优势算子。本文在标准人工植物算法的基础上做了如下的研究工作：在自然界植物生长过程中,各枝条会长出分叉，产生再生枝条，以尽可能高效的提高光合作用的效率。此外，由于天气因素及其它外界影响，植物会发生抽条现象，即某些枝条会停止生长。受这两种现象的启发，论文提出一种基于动态种群的人工植物算法，该算法在某些特定环境中能动态增加个体（枝条），并在同一时间段内动态删除枝条（即抽条现象），用以模拟上述两种现象，通过几个典型的测试函数实验，结果表明该算法的确能改善性能;基于动态种群的人工植物算法在删除枝条时以各枝条利用光合作用产生的能量（即适应值）来作为评价标准，故不可避免的会删除某些较差个体，从而影响种群多样性，导致算法陷入局部极值点。为了改善算法的全局寻优能力，论文提出了一种引入聚类的动态种群人工植物算法，利用聚类方式来协调较差个体的选择，以尽可能的保证算法的搜索方向，并对该算法增加的几个参数利用均匀设计进行了选择，给出了较优的参数设置方式，实验结果表明本算法能有效改善高维无约束数值优化问题的搜索性能;最后，论文将引入聚类的动态种群人工植物算法应用于非线性方程组的求解问题,通过几个典型问题的测试，实验结果表明该算法的有效性

关键词：人工植物算法动态种群聚类非线性方程组

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

基于动态种群的双重学习粒子群优化算法

南昌工程学院学报 2020年第1期39卷 93-98页

作者：刘天元王文丰包学才韩龙哲徐灯董健华方宗华南昌工程学院信息工程学院江西南昌330099 南昌工程学院江西省水信息协同感知与智能处理重点实验室江西南昌330099

粒子群算法的全局勘探能力和局部开发能力的不协调往往会导致算法收敛不精、陷入早熟。针对上述问题,提出了基于动态种群的双重学习粒子群优化算法(DP-DLPSO)。首先将粒子种群划分为勘探子种群和开发子种群,让两个子种群以不同的学习机... 详细信息

粒子群算法的全局勘探能力和局部开发能力的不协调往往会导致算法收敛不精、陷入早熟。针对上述问题,提出了基于动态种群的双重学习粒子群优化算法(DP-DLPSO)。首先将粒子种群划分为勘探子种群和开发子种群,让两个子种群以不同的学习机制引导粒子运动,粒子处于寻优期间时,子群体间无信息交流,如果开发种群陷入局部最优也不会影响到勘探种群的寻优能力;其次,采用动态种群思想,勘探种群将会把好的粒子输送到开发种群中去,增加开发种群中有效解的几率,提高粒子的收敛精度;最后,对开发种群采用高斯扰动策略以提高粒子跳出局部最优的能力。将DP-DLPSO与5个改进粒子群算法进行比较,实验结果表明DP-DLPSO在收敛精度和收敛速度上具有更大的优势。

关键词：粒子群优化算法双种群动态种群

在线全文

学校读者我要写书评

暂无评论

基于动态种群的GEP函数挖掘算法研究

计算机与现代化 2009年第4期 59-61,64页

作者：杨乐婵邓岳川滁州学院国土信息工程系安徽滁州239000

对样本数据进行函数挖掘是GEP研究的一个重要内容。传统的GEP算法往往容易陷入局部最优,为了解决这个问题,本文在动态种群生成策略的基础上,提出了基于动态种群的GEP函数挖掘算法(FMGEP-DP)。实验表明,无论是在噪声数据不大的情况下,还... 详细信息

对样本数据进行函数挖掘是GEP研究的一个重要内容。传统的GEP算法往往容易陷入局部最优,为了解决这个问题,本文在动态种群生成策略的基础上,提出了基于动态种群的GEP函数挖掘算法(FMGEP-DP)。实验表明,无论是在噪声数据不大的情况下,还是对于函数类型未知且复杂的数据,与传统的GEP和GP相比,FMGEP-DP的收敛速度要快,函数挖掘成功率要高。

关键词：基因表达式编程动态种群函数挖掘遗传编程

基于种群个体数自适应的多尺度量子谐振子优化算法

在线全文

学校读者我要写书评

暂无评论

自动化学报 2023年第7期49卷 1587-1600页

作者：焦育威王鹏西南民族大学计算机科学与技术学院成都610225

优化算法中多种群采样方式可转化为蒙特卡洛对当前函数积分的评估,针对不同子种群对整体评估的差异性,提出子种群规模(个体数)自适应的改进策略,并用于多尺度量子谐振子优化算法(Multi-scale quantum harmonic oscillator algorithm,MQH... 详细信息

优化算法中多种群采样方式可转化为蒙特卡洛对当前函数积分的评估,针对不同子种群对整体评估的差异性,提出子种群规模(个体数)自适应的改进策略,并用于多尺度量子谐振子优化算法(Multi-scale quantum harmonic oscillator algorithm,MQHOA)的改进,同时阐述多种群策略所具有的量子特性以及量子隧道效应与寻优性能的相关性.已有的优化算法忽视了动态调节子种群规模对寻优能力的影响,该策略通过动态调节子种群规模,提高适应度差的子种群发生量子隧道效应的概率,增强了算法的寻优能力.将改进后的算法MQHOA-d(Multi-scale quantum harmonic oscillator algorithm based on dynamic subpopulation)与MQHOA及其他优化算法在CEC2013测试集上进行测试,结果表明原算法MQHOA“早熟”问题在MQHOA-d中得到解决,且MQHOA-d对多峰函数和复合函数优化具有显著优势,求解误差和计算时间均小于几种经典优化算法.

关键词：优化算法量子隧道效应动态种群多种群蒙特卡洛

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

改进人工蜂群算法及其在边缘计算卸载的应用

计算机工程与应用 2022年第7期58卷 150-161页

作者：章呈瑞柯鹏尹梅武汉科技大学计算机科学与技术学院武汉430065 智能信息处理与实时工业系统湖北省重点实验室武汉430065

移动边缘计算(MEC)通过将算力下沉到网络边缘来降低计算时延和设备能耗。针对计算密集型和时延敏感型应用场景,提出了一种单多维动态种群策略的人工蜂群算法(OMABC)来实现计算任务的卸载。建立一个包含云服务器的边缘计算卸载模型,并构... 详细信息

移动边缘计算(MEC)通过将算力下沉到网络边缘来降低计算时延和设备能耗。针对计算密集型和时延敏感型应用场景,提出了一种单多维动态种群策略的人工蜂群算法(OMABC)来实现计算任务的卸载。建立一个包含云服务器的边缘计算卸载模型,并构建一个以能耗为惩罚项的代价函数;将计算任务的卸载决策转化为人工蜂群算法对代价函数的寻优过程。通过仿真实验,在CEC 2017测试函数上验证了OMABC的有效性,并在边缘计算模型仿真中与本地卸载策略、随机卸载策略、基于粒子群算法(PSO)的卸载策略、基于人工蜂群算法(ABC)的卸载策略进行对比。实验结果表明,基于OMABC的边缘计算卸载策略能够有效降低MEC系统的时延及代价函数,提供更高效的服务。

关键词：人工蜂群算法移动边缘计算计算卸载多维更新动态种群