期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
动态分级的并行混沌优化算法研究 被引量:3
1
作者 李勇军 袁小芳 孙炜 《系统仿真学报》 EI CAS CSCD 北大核心 2007年第12期2690-2693,2697,共5页
针对混沌优化对初始值敏感、搜索精确解效率低等不足,提出了一种动态分级的并行混沌优化(DHPCO)算法。DHPCO算法采取三种级别的并行混沌机制,分别用于全局搜索、局部搜索及二者的结合,并且根据搜索阶段动态调整各种级别中并行变量的数... 针对混沌优化对初始值敏感、搜索精确解效率低等不足,提出了一种动态分级的并行混沌优化(DHPCO)算法。DHPCO算法采取三种级别的并行混沌机制,分别用于全局搜索、局部搜索及二者的结合,并且根据搜索阶段动态调整各种级别中并行变量的数目。描述了DHPCO算法的基本思想和实现步骤,分析了其收敛性。仿真实验验证了该算法比其他并行混沌优化算法性能更优。 展开更多
关键词 优化 混沌理论 并行混沌优化 分级
在线阅读 下载PDF
基于并行混沌和单纯形法的混合全局优化算法 被引量:18
2
作者 张志新 张明廉 《系统仿真学报》 CAS CSCD 2004年第1期35-37,共3页
混沌优化算法采用的是串行优化结构,采用并行结构进行,并不断缩小搜索空间,提高了混沌优化在变量取值范围较大情况下的搜索效率。针对混沌在全局最优点附近搜索速度变得很慢、精度较低的缺点,结合单纯形法,提高了收敛的速度和求解精度... 混沌优化算法采用的是串行优化结构,采用并行结构进行,并不断缩小搜索空间,提高了混沌优化在变量取值范围较大情况下的搜索效率。针对混沌在全局最优点附近搜索速度变得很慢、精度较低的缺点,结合单纯形法,提高了收敛的速度和求解精度。仿真结果表明并行混合优化算法可以得到满意的结果。 展开更多
关键词 并行混沌优化 单纯形法 全局优化 局部优化
在线阅读 下载PDF
并行混沌与和声搜索的多目标混合优化算法 被引量:10
3
作者 袁小芳 刘晋伟 +1 位作者 陈秋伊 万长京 《湖南大学学报(自然科学版)》 EI CAS CSCD 北大核心 2018年第4期96-103,共8页
针对传统的混沌优化算法对初始值敏感、搜索精度低和收敛速度慢,以及和声搜索收敛不稳定、处理多目标优化问题时适应性差等不足,研究了一种多目标并行混沌与和声搜索混合优化算法(MOCOHSA).MOCOHSA利用并行混沌优化的全局搜索能力与和... 针对传统的混沌优化算法对初始值敏感、搜索精度低和收敛速度慢,以及和声搜索收敛不稳定、处理多目标优化问题时适应性差等不足,研究了一种多目标并行混沌与和声搜索混合优化算法(MOCOHSA).MOCOHSA利用并行混沌优化的全局搜索能力与和声搜索算法的局部搜索能力,并在和声搜索中引入自适应操作,在解决多目标优化问题时表现出良好的搜索速度和收敛性能.对8个多目标优化测试函数的优化计算中,该算法表现出比其它多目标优化算法更好的性能.算法最后用于解决卫星热管设计问题. 展开更多
关键词 多目标优化 并行混沌优化算法 和声优化算法
在线阅读 下载PDF
融合并行混沌萤火虫算法的K-调和均值聚类 被引量:8
4
作者 朱书伟 周治平 张道文 《智能系统学报》 CSCD 北大核心 2015年第6期872-880,共9页
针对K-调和均值算法易陷于局部最优的缺点,提出一种基于改进萤火虫算法(firefly algorithm,FA)的K-调和均值聚类算法。将基于FA的粗搜索与基于并行混沌优化FA的精细搜索相结合,其中精细搜索部分首先通过FA搜索到当前最优解及次优解,然... 针对K-调和均值算法易陷于局部最优的缺点,提出一种基于改进萤火虫算法(firefly algorithm,FA)的K-调和均值聚类算法。将基于FA的粗搜索与基于并行混沌优化FA的精细搜索相结合,其中精细搜索部分首先通过FA搜索到当前最优解及次优解,然后通过改进的logistic映射与并行混沌优化策略产生混沌序列在其附近直接搜索,以增强算法的寻优性能。最终,将这种改进的FA用于K-调和均值算法聚类中心的优化。实验结果表明:该算法不但对几种测试函数具有更高的搜索精度,而且对6种数据集的聚类结果均有一定的改善,有效地抑制了K-调和均值算法陷于局部最优的问题,提高了聚类准确性和稳定性。 展开更多
关键词 K-调和均值 局部最优 萤火虫算法 聚类 并行混沌优化 混沌局部搜索 映射模型 种群多样性
在线阅读 下载PDF
基于PCOS-ELM的室内指纹定位算法 被引量:1
5
作者 朱顺涛 卢先领 《传感器与微系统》 CSCD 2018年第8期143-146,共4页
针对传统室内指纹定位算法存在定位精度低、对环境适应能力差的问题,提出了一种基于并行混沌优化的在线连续极限学习机(PCOS-ELM)定位算法。离线阶段,通过并行混沌优化算法(PCOA)对极限学习机的隐含层节点参数进行寻优并构建高精度初始... 针对传统室内指纹定位算法存在定位精度低、对环境适应能力差的问题,提出了一种基于并行混沌优化的在线连续极限学习机(PCOS-ELM)定位算法。离线阶段,通过并行混沌优化算法(PCOA)对极限学习机的隐含层节点参数进行寻优并构建高精度初始定位模型;在线阶段,利用在线连续极限学习机(OS-ELM)使新增位置指纹数据对定位模型进行动态调整,以适应室内环境的变化。结果表明:提出的PCOS-ELM定位算法具有更高的定位精度和更好的环境适应性。 展开更多
关键词 室内定位 位置指纹 并行混沌优化算法 在线连续极限学习机
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部