期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
精英反向黄金正弦鲸鱼算法及其工程优化研究 被引量:61
1
作者 肖子雅 刘升 《电子学报》 EI CAS CSCD 北大核心 2019年第10期2177-2186,共10页
针对鲸鱼优化算法(Whale Optimization Algorithm,WOA)存在的收敛速度慢、寻优稳定性不足等问题,本文提出了精英反向学习的黄金正弦鲸鱼优化算法(Elite Opposition-Based Golden-Sine Whale Optimization Algorithm,EGolden-SWOA).利用... 针对鲸鱼优化算法(Whale Optimization Algorithm,WOA)存在的收敛速度慢、寻优稳定性不足等问题,本文提出了精英反向学习的黄金正弦鲸鱼优化算法(Elite Opposition-Based Golden-Sine Whale Optimization Algorithm,EGolden-SWOA).利用精英反向学习策略提高种群的多样性和质量可以有效提升算法的收敛速度,同时引入黄金分割数优化WOA的寻优方式,从而协调算法的全局探索与局部开发能力.对20个单模态和多模态测试函数进行寻优实验,并与RLPSO(Reverse-learning and Local-learning Particle Swarm Optimization)、IWOA(Improved Whale Optimization Algorithm based on nonlinear convergence factor)等多个算法进行对比,实验结果表明EGolden-SWOA具有更好的寻优精度和稳定性.进一步对EGolden-SWOA进行求解大规模问题的实验,实验结果表明EGolden-SWOA可以有效解决大规模优化问题.最后将EGolden-SWOA应用于压力容器和蝶形弹簧设计优化问题,结果表明EGolden-SWOA在工程优化方面的性能优于RCSA(Rough Crow Search Algorithm)、CPSO(Co-evolutionary Particle Swarm Optimization)等改进算法,可以有效运用于实际工程优化问题. 展开更多
关键词 鲸鱼优化算法 精英反向学习 黄金正弦算法 大规模优化问题 工程优化
在线阅读 下载PDF
黄金正弦混合原子优化算法 被引量:9
2
作者 肖子雅 刘升 《微电子学与计算机》 北大核心 2019年第6期21-25,30,共6页
原子优化算法是一种基于分子动力学模型的新型智能算法,针对基本原子优化算法收敛速度慢以及易陷入局部最优的局限性,本文将黄金正弦作为局部优化算子嵌入到基本算法中,提出了黄金正弦原子优化算法.原子个体通过黄金正弦操作可以与最优... 原子优化算法是一种基于分子动力学模型的新型智能算法,针对基本原子优化算法收敛速度慢以及易陷入局部最优的局限性,本文将黄金正弦作为局部优化算子嵌入到基本算法中,提出了黄金正弦原子优化算法.原子个体通过黄金正弦操作可以与最优个体进行充分的信息交流,有效改善基本算法的寻优方式,提高算法的收敛速度和寻优精度.通过实验表明,改进后的原子优化算法具有更好的寻优性能. 展开更多
关键词 原子优化算法 黄金正弦算法 多模态函数
在线阅读 下载PDF
基于柯西变异的蚁狮优化算法 被引量:17
3
作者 于建芳 刘升 +1 位作者 韩斐斐 肖子雅 《微电子学与计算机》 北大核心 2019年第6期45-49,54,共6页
针对蚁狮优化算法较易陷入局部最优停滞,收敛精度低以及收敛速度较慢等问题,将自适应t分布的柯西变异融入到蚁狮优化算法中,提出了基于柯西变异的蚁狮优化算法(CALO).该算法采用轮盘赌的方法挑选出精英蚁狮个体,改善蚁狮群体的适应性,... 针对蚁狮优化算法较易陷入局部最优停滞,收敛精度低以及收敛速度较慢等问题,将自适应t分布的柯西变异融入到蚁狮优化算法中,提出了基于柯西变异的蚁狮优化算法(CALO).该算法采用轮盘赌的方法挑选出精英蚁狮个体,改善蚁狮群体的适应性,提高种群的总体寻优效率;采用具有自适应的柯西变异算子使得蚁狮个体受局部极值点约束力下降,能够快速跳出局部最优,大大提高了全局搜索能力和收敛速度;通过9个单模态、多模态标准测试函数对CALO、ALO、FPA和BA四种算法进行函数测试对比,实验仿真结果表明该改进算法是切实可行的,具有更优的收敛速度和寻优精度. 展开更多
关键词 蚁狮优化算法 柯西变异算子 轮盘赌搜索方法 花授粉算法 蝙蝠算法
在线阅读 下载PDF
闪电分叉过程算法优化的K-means聚类 被引量:3
4
作者 高文欣 刘升 肖子雅 《运筹与管理》 CSSCI CSCD 北大核心 2021年第12期35-41,共7页
K-means聚类算法是在数据挖掘和数据分析中一种常用算法,但是其存在依赖初始值和易陷入局部最优值的缺陷,针对这些不足,本文提出一种闪电分叉过程算法优化的K-means聚类,克服聚类算法在初始值选择困难的问题,提高K-means聚类算法的求解... K-means聚类算法是在数据挖掘和数据分析中一种常用算法,但是其存在依赖初始值和易陷入局部最优值的缺陷,针对这些不足,本文提出一种闪电分叉过程算法优化的K-means聚类,克服聚类算法在初始值选择困难的问题,提高K-means聚类算法的求解精度,降低陷入局部最优的可能性。从UCI数据集中选取6个真实的数据集进行仿真实验,结果表明本文改进后的聚类算法有更好的求解精度和鲁棒性。 展开更多
关键词 聚类 闪电分叉过程算法 数据处理 K-均值聚类
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部