-
题名遗传算法求解多模态优化问题的动力性
被引量：4
- 1
-
-
作者
李航
李敏强
寇纪淞
-
机构
天津大学管理学院
-
出处
《自动化学报》
EI
CSCD
北大核心
2008年第2期180-187,共8页
-
基金
国家自然科学基金(70171002，70571057)
新世纪优秀人才支持计划(NECT-05-0253)资助~~
-
文摘
多模态函数一般存在多个局部极值解,局部极值解处适应值的大小很大程度上影响了它们被遗传算法搜索到的概率.为了弄清楚这种影响机制,通过分析基因池遗传算法的无限种群动力系统,刻画了双峰函数局部极值解的适值差与系统不动点之间的解析关系,进一步分析推广了理论结果的适用范围.最后,提出针对多模态优化问题的两阶段遗传算法,给出了应用理论结果改善遗传搜索性能的范例,实验结果表明该算法对多模态函数的搜索性能有明显改善,从侧面证明了理论结果在实际应用中的正确性.
-
关键词
多模态优化问题
双峰函数
WALSH变换
基因池遗传算法
-
Keywords
Multi-modal optimization, the BINEEDLE fitness function, Walsh transform, the gene pool GA
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名面向高维复杂多模态问题的教与学优化求解算法
被引量：3
- 2
-
-
作者
拓守恒
雍龙泉
黎延海
邓方安
-
机构
陕西理工大学数学与计算机科学学院
-
出处
《计算机应用研究》
CSCD
北大核心
2017年第7期1939-1945,1956,共8页
-
基金
国家自然科学基金资助项目(11401357)
陕西省教育厅科研计划项目(16JK1157)
+1 种基金
陕西理工大学王巍院士工作站科研项目(fckt201509)
陕西省青年科技新星项目(2016KJXX-95)
-
文摘
针对教与学优化算法(teaching-learning-based optimization,TLBO)在求解一些高维多模态复杂优化问题时,存在种群容易过早陷入局部搜索,导致丢失全局最优解的问题,提出一种改进的TLBO优化算法(MTLBO)。该算法以更接近人类的学习方式,对标准TLBO中的"教"和"学"过程进行了改进,并引入了新的"自学"机制来加强学员的创新学习能力,从而有效提高了算法的全局探索能力。通过10个复杂的多模态优化问题测试表明,在求解复杂多模态问题方面,与五种具有优异性能的TLBO算法和三种经典的群智能计算方法(如Sa DE、CLPSO、NGHS)相比,MTLBO算法具有全局搜索能力强、稳定性好等明显优势。
-
关键词
改进的教与学优化算法
“自学”机制
复杂多模态优化问题
-
Keywords
modified teaching-learning-based optimization
“self-learning”mechanism
complex multimodal optimization problem
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名一种求解多模态复杂问题的混合和声差分算法
被引量：3
- 3
-
-
作者
黎延海
拓守恒
-
机构
陕西理工大学数学与计算机科学学院
-
出处
《智能系统学报》
CSCD
北大核心
2018年第2期281-289,共9页
-
基金
国家自然科学基金项目(11401357)
陕西省教育厅科研项目(14JK1130)
陕西理工大学校级科研项目(SLGKY2017-05)
-
文摘
针对多模态复杂优化问题,提出了一种基于和声搜索和差分进化的混合优化算法:HHSDE算法。在不同的进化阶段,HHSDE算法依据累积加权更新成功率来自适应地选择和声算法或差分算法作为更新下一代种群的方式,并改进了差分算法的变异策略来平衡差分算法的全局与局部搜索能力。通过对10个多模态Benchmark函数进行测试,利用Wilcoxon秩和检验对不同算法的计算结果进行比较,结果表明HHSDE算法具有收敛速度快,求解精度高,稳定性好等优势。
-
关键词
和声搜索
差分进化
混合机制
更新成功率
变异策略
多模态优化问题
-
Keywords
harmony search
differential evolution
hybrid mechanism
success rate
mutation strategy
multimodal optimization problem
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
