检索结果-南通市图书馆

检索条件"主题词=非支配排序选择策略"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

自适应学习种群分布特征的竞争群优化算法

自适应学习种群分布特征的竞争群优化算法

引用

作者：王丹妮西安理工大学

学位级别：硕士

无论是在科学研究还是工程应用上,往往会遇到求解最大(小)值的问题,这类问题被称为优化问题。求解复杂优化问题通常可以采用演化算法找到全局最优解,然而对于大规模优化问题,由于其具有搜索空间巨大、变量之间连接关系复杂的特点,容易... 详细信息

无论是在科学研究还是工程应用上,往往会遇到求解最大(小)值的问题,这类问题被称为优化问题。求解复杂优化问题通常可以采用演化算法找到全局最优解,然而对于大规模优化问题,由于其具有搜索空间巨大、变量之间连接关系复杂的特点,容易导致维度灾难及全局最优解个数呈指数级增加的问题,因此设计高效的大规模演化算法是很有必要的。而竞争粒子群优化算法是近年来提出的一类解决大规模问题的演化算法。由于其操作简单,优化性能强的特点,近年来成为研究的前沿与热点,不少国内外研究人员都对其进行了改进。然而,在竞争粒子群算法(Competitive Swarm Optimization,CSO)的设计和应用过程中,仍然存在没有明确的多样性控制机制以及算法的数学特征尚未被发掘等问题。有鉴于此,本文旨在提出了两种竞争粒子群的改进算法,主要工作如下:1.提出了一种基于多目标的竞争粒子群优化算法。针对传统的竞争群优化算法在求解大规模优化问题时,算法容易陷入局部最优以及收敛性与多样性难以平衡等问题。建立双目标模型,引入非支配排序与选择策略,有效的平衡了种群的探索与开发能力。最后,通过数值实验证明,提出的算法在总体上性能要优于其他对比算法。2.提出了一种基于自适应编码学习的竞争粒子群优化算法。通过公式证明CSO的搜索方程具有旋转可变的特性,充分说明问题的相关性会直接影响到算法的性能,因此,引入了两种机制以有效的提高算法的性能:a)自适应编码学习机制,通过协方差矩阵学习自适应地构建特征坐标系,减轻变量之间的相关性,以此提高算法求解复杂问题的能力;b)自适应坐标系选择机制,根据选择概率自适应的选择直角坐标系与特征坐标系,并为其分配计算资源。在确保收敛速度的同时,增加了种群的多样性。3.将改进的算法应用于光伏组件参数识别问题中,实验结果表明,所提出的改进的算法无论是求解精确性还是稳定性两个方面,均明显优于对比算法。

关键词：竞争粒子群优化算法多目标模型非支配排序选择策略自适应编码学习

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

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

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

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

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：