检索结果-南通市图书馆

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

多策略自适应粒子群优化算法

南京理工大学学报 2017年第3期41卷 301-306,349页

作者：汤可宗丰建文李芳杨静宇景德镇陶瓷大学信息工程学院江西景德镇333403 南京理工大学高维信息智能感知与系统教育部重点实验室江苏南京210094

为了提高粒子群优化算法搜索最优解的效率,该文提出多策略自适应粒子群优化(MAPSO)算法。通过构建多样性测试方式评价种群的分布性。粒子的进化状态分别为勘探或开发状态,通过执行实时交替策略,确定粒子的进化状态。在迭代优化时,根据... 详细信息

为了提高粒子群优化算法搜索最优解的效率,该文提出多策略自适应粒子群优化(MAPSO)算法。通过构建多样性测试方式评价种群的分布性。粒子的进化状态分别为勘探或开发状态,通过执行实时交替策略,确定粒子的进化状态。在迭代优化时,根据粒子的多样性动态地控制惯性系数。基于所构建的多样性测试方式,通过融入精英学习策略进一步改善种群多样性,以阻止种群陷入局部解。实验结果表明,与自适应性粒子群优化(APSO)、综合性学习粒子群优化(CPSO)、振荡粒子群优化(PPSO)算法相比,MAPSO算法能够持续地改善PSO跳出局部最优解的能力,其可靠性和成功率均优于其它算法,并能有效改善搜索性能和收敛速度。

关键词：粒子群优化多样性测试实时交替策略精英学习策略种群多样性

在线全文

学校读者我要写书评

暂无评论

基于种群自适应调整的多目标差分进化算法

运筹与管理 2017年第6期26卷 29-34页

作者：郑建国陈克明蔡万刚东华大学管理学院上海200051

为提高已有多目标进化算法在求解复杂多目标优化问题上的收敛性和解集分布性,提出一种基于种群自适应调整的多目标差分进化算法。该算法设计一个种群扩增策略,它在决策空间生成一些新个体帮助搜索更优的非支配解;设计了一个种群收缩策略... 详细信息

为提高已有多目标进化算法在求解复杂多目标优化问题上的收敛性和解集分布性,提出一种基于种群自适应调整的多目标差分进化算法。该算法设计一个种群扩增策略,它在决策空间生成一些新个体帮助搜索更优的非支配解;设计了一个种群收缩策略,它依据对非支配解集的贡献程度淘汰较差的个体以减少计算负荷,并预留一些空间给新的带有种群多样性的扰动个体;引入精英学习策略,防止算法陷入局部收敛。通过典型的多目标优化函数对算法进行测试验证,结果表明所提算法相对于其他算法具有明显的优势,其性能优越,能够在保证良好收敛性的同时,使获得的Pareto最优解集具有更均匀的分布性和更广的覆盖范围,尤其适合于高维复杂多目标优化问题的求解。

关键词：多目标优化种群扩增种群缩减差分进化算法精英学习策略

在线全文

学校读者我要写书评

暂无评论

精英改进粒子群算法在入库堆垛问题中的应用

计算机工程与科学 2015年第7期37卷 1311-1317页

作者：张琦琪张涛刘鹏上海财经大学信息管理与工程学院上海200433 上海科学技术职业学院上海201800 上海市金融信息技术研究重点实验室(上海财经大学) 上海200433

针对钢铁企业生产与物流一体化协同管理中入库堆垛问题,基于出库次序A型约束、垛位选择分散性约束等,建立了以均衡库存垛位负载和最大化板坯综合匹配度为目标的联合优化模型。结合问题的特点,基于PSO算法,利用收敛指数判断种群进化状态... 详细信息

针对钢铁企业生产与物流一体化协同管理中入库堆垛问题,基于出库次序A型约束、垛位选择分散性约束等,建立了以均衡库存垛位负载和最大化板坯综合匹配度为目标的联合优化模型。结合问题的特点,基于PSO算法,利用收敛指数判断种群进化状态,并对处于"收敛"状态的种群执行精英学习策略,提高粒子的活性,帮助种群跃出局部最优。最后通过实例仿真说明了模型与算法的有效性和可行性。

关键词：入库堆垛问题粒子群优化精英学习策略分散性约束收敛指数

融合聚类和小生境搜索的多模态多目标优化算法

在线全文

学校读者我要写书评

暂无评论

智能系统学报 2023年第5期18卷 1127-1141页

作者：顾清华唐慧李学现江松西安建筑科技大学资源工程学院陕西西安710055 西安市智慧工业感知计算与决策重点实验室陕西西安710055 西安优迈智慧矿山研究院有限公司陕西西安710055 西安建筑科技大学管理学院陕西西安710055

针对多模态多目标优化中种群多样性难以维持和所得等价Pareto最优解数量不足问题,提出一种融合聚类和小生境搜索的多模态多目标优化算法(multimodal multi-objective optimization algorithm with clustering and niching searching,CSSMPIO)。首先利用基于聚类的特殊拥挤距离非支配排序方法(clustering-based special crowding distance,CSCD)初始化种群;引入自适应物种形成策略生成稳定的小生境,在不同的小生境子空间并行搜索和保持等价Pareto最优解;采用特殊拥挤距离非支配排序策略实现个体选优、精英学习策略避免过早收敛。通过在14个多模态多目标函数上进行测试,并与7种新提出的多模态多目标优化算法进行对比实验以及Wilcoxon秩和检验发现,CSSMPIO的总体性能优于对比算法。最后将算法用于基于地图的测试问题,进一步证明了算法的有效性。

关键词：多模态多目标优化鸽群优化算法聚类策略小生境搜索非支配排序精英学习策略多样性地图测试应用

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

自组织多目标粒子群优化算法

计算机应用研究 2019年第8期36卷 2311-2316,2348页

作者：梁静郭倩倩岳彩通瞿博阳郑州大学电气工程学院郑州450001 中原工学院电子信息学院郑州450007

针对多目标粒子群优化算法收敛性和多样性难以平衡的问题,提出一种利用问题的结构信息来解决多目标问题的自组织多目标粒子群算法。通过自组织映射网络发现种群和非支配解集分布的结构,构造出当前粒子的邻域关系,从邻域中选出非支配解,... 详细信息

针对多目标粒子群优化算法收敛性和多样性难以平衡的问题,提出一种利用问题的结构信息来解决多目标问题的自组织多目标粒子群算法。通过自组织映射网络发现种群和非支配解集分布的结构,构造出当前粒子的邻域关系,从邻域中选出非支配解,从而引导种群局部和全局的搜索。提出了精英学习策略,通过对精英粒子进行变异,引导算法跳出局部最优。实验结果表明,所提算法可以兼顾收敛性和多样性,有效地解决多目标优化问题。

关键词：多目标粒子群优化自组织映射种群分布精英学习策略

精英学习人工蜂群算法的PID控制器参数优化

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 2020年第16期50卷 177-186页

作者：王贞李旭飞北方民族大学数学与信息科学学院宁夏银川7500211

为有效求解PID控制器参数优化问题,本文提出一种精英学习人工蜂群算法.针对人工蜂群算法开发能力较弱的问题,设计一种精英学习策略,通过环形拓扑结构和遗传算法的交叉、变异、选择操作产生精英个体.进而,利用精英个体和全局最优个体构... 详细信息

为有效求解PID控制器参数优化问题,本文提出一种精英学习人工蜂群算法.针对人工蜂群算法开发能力较弱的问题,设计一种精英学习策略,通过环形拓扑结构和遗传算法的交叉、变异、选择操作产生精英个体.进而,利用精英个体和全局最优个体构造具有精英引导和全局引导的搜索方程,平衡算法的探索能力和开发能力.通过对22个标准测试问题和PID控制器参数优化问题实验可知,精英学习人工蜂群算法具有较好的寻有能力.

关键词：人工蜂群算法精英学习策略 PID控制器环形拓扑

Pareto熵鸡群算法求解多目标柔性作业车间调度问题

在线全文

学校读者我要写书评

暂无评论

小型微型计算机系统 2017年第12期38卷 2683-2688页

作者：吴定会许世鹏江南大学轻工过程先进控制教育部重点实验室江苏无锡214122

针对多目标柔性作业车间调度问题,提出基于Pareto熵的鸡群算法.首先,建立了多目标柔性作业车间调度模型,优化目标为最大完工时间、最大机器负荷和所有机器总负荷.其次,将Pareto熵的概念引入鸡群算法,通过计算Pareto前端的熵值和差熵值... 详细信息

针对多目标柔性作业车间调度问题,提出基于Pareto熵的鸡群算法.首先,建立了多目标柔性作业车间调度模型,优化目标为最大完工时间、最大机器负荷和所有机器总负荷.其次,将Pareto熵的概念引入鸡群算法,通过计算Pareto前端的熵值和差熵值判断目前种群的进化状态,动态调节惯性权重,使得调节过程具有针对性和目的性,同时为了避免算法陷入局部最优,加入基于Pareto熵的精英学习策略作为局部扰动策略,精英学习率步长可根据Pareto差熵和进化状态动态调节,从而形成一个闭环调节的进化过程.最后,对多目标柔性作业车间调度的经典算例进行求解,并与相关算法对比,仿真实验证明所提算法在收敛精度和机器分配均匀度方面具有明显优势.

关键词：多目标柔性作业车间调度 Pareto熵鸡群算法精英学习策略

在线全文

学校读者我要写书评

暂无评论

基于奖惩机制的协同多目标优化算法

计算机工程 2015年第10期41卷 186-191,198页

作者：伍大清邵明李悛李康南华大学计算机科学与技术学院湖南衡阳421001 东华大学旭日工商管理学院上海200051 教育部计算智能与信号处理重点实验室合肥230039 上海工程技术大学管理学院上海200051

为提高已有多目标优化算法在求解高维复杂多目标优化问题上的解集分布性和收敛性,提出一种新的多目标微粒群优化算法。该算法基于多目标协同框架,将多种群奖惩机制进化算法用于求解分解后的若干单目标优化子问题,采用动态环形的拓扑结构... 详细信息

为提高已有多目标优化算法在求解高维复杂多目标优化问题上的解集分布性和收敛性,提出一种新的多目标微粒群优化算法。该算法基于多目标协同框架,将多种群奖惩机制进化算法用于求解分解后的若干单目标优化子问题,采用动态环形的拓扑结构,设计一种新型精英学习策略,获得逼近Pareto前沿的最优解集。通过典型的多目标优化函数进行测试验证,结果表明,与现有多目标优化算法相比,该算法不仅具有较好的收敛性能,而且解集分布性更均匀、覆盖范围更广。

关键词：多目标优化算法协同精英学习策略拓扑结构奖惩机制

在线全文

学校读者我要写书评

暂无评论

精英学习的多维动态自适应人工鱼群算法

小型微型计算机系统 2017年第12期38卷 2668-2672页

作者：戴月明姚凌波王艳江南大学物联网工程学院江苏无锡214122

针对人工鱼群算法存在易陷入局部最优、鲁棒性差以及寻优精度低的问题,提出了精英学习的多维动态自适应人工鱼群算法.传统人工鱼群用欧式距离度量视野、步长,无法体现不同维度上鱼群的搜索进度.提出的算法为每个维度设定独立的视野和步... 详细信息

针对人工鱼群算法存在易陷入局部最优、鲁棒性差以及寻优精度低的问题,提出了精英学习的多维动态自适应人工鱼群算法.传统人工鱼群用欧式距离度量视野、步长,无法体现不同维度上鱼群的搜索进度.提出的算法为每个维度设定独立的视野和步长,从而定义了视野向量、步长矩阵及多维邻域,以此改进了鱼群的4种基本行为,使人工鱼个体能够根据鱼群分布情况自适应调整寻优范围.为了增加鱼群的全局性,降低人工鱼陷入局部最优的可能性,提出了一种人工鱼精英学习策略.仿真实验结果表明,该算法能有效地提高人工鱼群的寻优精度、寻优质量及鲁棒性,且提高了人工鱼群的全局搜索能力.

关键词：人工鱼群算法精英学习策略自适应全局搜索