期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于拟反向学习的自适应QPSO算法及其在工程中的应用
1
作者 何光 《河南师范大学学报(自然科学版)》 2025年第5期81-89,I0013,共10页
为改善量子粒子群优化(quantum-behaved particle swarm optimization algorithm,QPSO)算法在求解复杂的多模问题时表现出的收敛精度差和易于陷入局部最优的问题,提出了一种基于拟反向学习的自适应QPSO算法.首先,借鉴拟反向学习的思路,... 为改善量子粒子群优化(quantum-behaved particle swarm optimization algorithm,QPSO)算法在求解复杂的多模问题时表现出的收敛精度差和易于陷入局部最优的问题,提出了一种基于拟反向学习的自适应QPSO算法.首先,借鉴拟反向学习的思路,对粒子初始位置进行优化调整,增加算法搜索效率,加快收敛速度;其次,在粒子运动幅度的设置中考虑了种群进化程度和粒子聚集程度,构造了具有自适应特点的收缩-扩张因子,用于增强算法的局部挖掘和全局搜索能力;然后,将混沌映射的方法引入到越界粒子的处理上,有助于算法逃离局部最优.接着,基于14个测试函数将改进算法与8种智能优化算法进行对比分析.最后借助2个具体的工程设计问题进一步检验改进算法在实际应用中的效果.实验结果表明改进算法无论在基准测试中还是在工程应用上,其搜索能力更强,整体性能表现更为均衡. 展开更多
关键词 量子粒子群优化算法 拟反向学习 收缩-扩张因子 混沌映射 工程应用
在线阅读 下载PDF
无迹西格玛点引导的拟反向黏菌算法及其工程应用 被引量:8
2
作者 刘宇凇 刘升 《计算机应用研究》 CSCD 北大核心 2022年第9期2709-2716,共8页
针对黏菌算法搜索停滞和算法稳定性差等问题,提出了无迹西格玛点引导的拟反向黏菌算法。首先,使用了拟反向学习和拟反射学习两种反向学习过程,根据原始黏菌算法勘探和开采行为的表现时机,生成同时包含拟反向和拟反射的综合反向种群,扩... 针对黏菌算法搜索停滞和算法稳定性差等问题,提出了无迹西格玛点引导的拟反向黏菌算法。首先,使用了拟反向学习和拟反射学习两种反向学习过程,根据原始黏菌算法勘探和开采行为的表现时机,生成同时包含拟反向和拟反射的综合反向种群,扩大搜索范围;其次,根据种群的多样性程度判断是否使用反向种群重构原始种群进行后续计算,避免固定的反向过程破坏种群本身的搜索特点,提高搜索精度;最后,引入无迹变换的西格玛点,改进黏菌算法的基本移动模式,使无迹西格玛点引导黏菌算法的搜索,加快收敛速度。实验部分基于CEC2017基准测试函数,在传统统计特征和MAE排名、Wilcoxon秩和指标上验证算法的有效性;并在求解轿车侧面碰撞的实际工程优化问题上,与新颖的高水平群智能算法、改进算法、不完全算法进行对比测试。实验结果表明,改进策略有效且各策略间组合相得益彰,改进后算法的求解精度和鲁棒性更具竞争力。 展开更多
关键词 黏菌算法 拟反向学习 反射学习 无迹变换 CEC2017
在线阅读 下载PDF
融合学习策略和邻域搜索的飞蛾火焰算法 被引量:4
3
作者 郭佳丽 王秋萍 王晓峰 《计算机工程与应用》 CSCD 北大核心 2021年第12期170-179,共10页
为进一步降低基本飞蛾火焰算法陷入局部最优的概率并提高种群多样性,提出一种融合学习策略和邻域搜索的飞蛾火焰算法。将拟反向学习策略嵌入到火焰更新过程,有助于火焰从局部最优中跳出,并且提供了更高的机会接近问题的未知最优解。对... 为进一步降低基本飞蛾火焰算法陷入局部最优的概率并提高种群多样性,提出一种融合学习策略和邻域搜索的飞蛾火焰算法。将拟反向学习策略嵌入到火焰更新过程,有助于火焰从局部最优中跳出,并且提供了更高的机会接近问题的未知最优解。对飞蛾种群基于适应度值分群,其中一个群采用排序配对学习策略以实现个体间的信息交流,另一个群采用邻域搜索策略以增加种群多样性,这种并行计算能更快地提升整个种群的质量。选取CEC2017测试函数进行数值实验,测试结果和统计分析表明了所提算法具有更高的求解精度和稳定性。将所提算法用于求解OR-Library中的标准实例,结果验证了所提算法对作业车间调度问题是有效的。 展开更多
关键词 飞蛾火焰算法 作业车间调度问题 拟反向学习策略 排序配对学习策略 邻域搜索策略
在线阅读 下载PDF
求解旅行商问题的人工协同搜索算法
4
作者 徐小平 唐阳丽 王峰 《计算机应用》 CSCD 北大核心 2022年第6期1837-1843,共7页
针对传统人工协同搜索(ACS)算法求解精度不高、收敛速度慢等问题,提出一种基于Sigmoid函数的反向人工协同搜索(SQACS)算法求解旅行商问题(TSP)。首先,利用Sigmoid函数构造比例因子,增强算法的全局搜索能力;其次,在变异阶段,加入差分进化... 针对传统人工协同搜索(ACS)算法求解精度不高、收敛速度慢等问题,提出一种基于Sigmoid函数的反向人工协同搜索(SQACS)算法求解旅行商问题(TSP)。首先,利用Sigmoid函数构造比例因子,增强算法的全局搜索能力;其次,在变异阶段,加入差分进化(DE)算法的DE/rand/1变异策略,对当前种群进行二次变异,提高算法的计算精度和种群的多样性;最后,在算法后期的开发阶段,引入拟反向学习策略,进一步提高解的质量。对TSP测试库TSPLIB中的4个实例进行仿真实验,结果显示,SQACS算法在最短路径与花费时间上均优于麻雀搜索算法(SSA)、DE、阿基米德算法(AOA)等7种对比算法,并且具有良好的鲁棒性;与其他求解TSP的改进算法综合对比,SQACS算法也显示了良好的性能。实验结果表明,SQACS算法在求解小规模TSP时是有效的。 展开更多
关键词 人工协同搜索算法 旅行商问题 SIGMOID函数 差分进化 拟反向学习
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部