期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
基于极值动力学的自组织优化算法求解TSP问题 被引量:4
1
作者 吴婷 陈玉旺 汪烨 《控制理论与应用》 EI CAS CSCD 北大核心 2010年第6期715-720,共6页
旅行商问题(travelingsale sman problem,TSP)具有很强的理论研究和工程应用价值.在定义离散状态变量和局部适应度的基础上,分析了TSP优化解的微观特征;将自组织临界(self-organized critic ality,SOC)的概念引入到组合优化领域,提出了... 旅行商问题(travelingsale sman problem,TSP)具有很强的理论研究和工程应用价值.在定义离散状态变量和局部适应度的基础上,分析了TSP优化解的微观特征;将自组织临界(self-organized critic ality,SOC)的概念引入到组合优化领域,提出了一种基于极值动力学的自组织优化算法.该算法利用快速下降和间断涨落的动态搜索过程,高效地遍历解空间中的局部最优解.针对TSPLIB中典型实例,计算结果表明其求解效率和优化性能均优于模拟退火和遗传算法等优化方法.文中算法提供了一种全新的思路,有助于从系统角度理解组合优化问题的复杂性,并分析合理的优化动力学过程. 展开更多
关键词 TSP问题 组合优化 极值动力学 自组织优化算法
在线阅读 下载PDF
基于极值动力学机制和信息融合搜索的混合算法及其应用 被引量:1
2
作者 付晓刚 俞金寿 《化工学报》 EI CAS CSCD 北大核心 2011年第8期2355-2359,共5页
提出了一种新的基于自适应lévy变异的极值动力学和信息融合搜索的混合算法。新算法将全局搜索和局部搜索机制有机地结合起来,在全局搜索过程中,信息融合搜索算法(IFA)作为一种群智能进化算法,能够快速地逼近近似最优解;在局部搜索... 提出了一种新的基于自适应lévy变异的极值动力学和信息融合搜索的混合算法。新算法将全局搜索和局部搜索机制有机地结合起来,在全局搜索过程中,信息融合搜索算法(IFA)作为一种群智能进化算法,能够快速地逼近近似最优解;在局部搜索过程中,通过选择近似解的最差组元进行自适应lévy变异,利用极值动力学算法(EO)强大的局部搜索能力,协助IFA跳出局部极值点。将其运用于超临界水氧化去除率神经网络软测量建模,实验结果表明了方法的有效性和实用性。 展开更多
关键词 信息融合搜索算法 极值动力学优化算法 自适应lévy变异
在线阅读 下载PDF
基于改进混合蛙跳算法的CVRP求解 被引量:31
3
作者 骆剑平 李霞 陈泯融 《电子与信息学报》 EI CSCD 北大核心 2011年第2期429-434,共6页
该文提出基于实数编码模式的混合蛙跳算法(Shuffled Frog Leaping Algorithm,SFLA)求解容量约束车辆路径问题(Capacitated Vehicle Routing Problem,CVRP);把具有极强局部搜索能力的幂律极值动力学优化(PowerLaw Extremal Optimization,... 该文提出基于实数编码模式的混合蛙跳算法(Shuffled Frog Leaping Algorithm,SFLA)求解容量约束车辆路径问题(Capacitated Vehicle Routing Problem,CVRP);把具有极强局部搜索能力的幂律极值动力学优化(PowerLaw Extremal Optimization,τ-EO)融合于SFLA,针对CVRP对τ-EO过程进行设计和改进。改进的τ-EO采用新颖的组元适应度计算方法;采用幂律概率分布来挑选需要变异的组元;根据最邻近城市表,采用幂律概率分布挑选变异组元的最佳邻近城市,执行线路间或线路内的变异。求解测试库中的实例,证明该改进算法有效。 展开更多
关键词 智能优化 进化算法 混合蛙跳算法 极值动力学优化 车辆路径问题 收敛性
在线阅读 下载PDF
一种改进的CS算法及其在微电网优化中的应用 被引量:9
4
作者 刘长良 王鹏飞 +2 位作者 刘帅 罗磊 回振桥 《系统仿真学报》 CAS CSCD 北大核心 2018年第3期930-936,共7页
为解决布谷鸟搜索算法存在的后期收敛速度慢,求解精度低以及容易陷入局部最优点等问题,提出了一种改进的布谷鸟搜索算法:CS-EO搜索算法。在该搜索算法中,通过将布谷鸟算法收敛速度快和全局搜索的优点与极值动力学优化算法强大的局部搜... 为解决布谷鸟搜索算法存在的后期收敛速度慢,求解精度低以及容易陷入局部最优点等问题,提出了一种改进的布谷鸟搜索算法:CS-EO搜索算法。在该搜索算法中,通过将布谷鸟算法收敛速度快和全局搜索的优点与极值动力学优化算法强大的局部搜索能力进行有机的结合,在保证布谷鸟算法求解速度的前提下,提高了布谷鸟算法的求解精度。函数寻优测试的仿真结果表明改进的布谷鸟搜索算法相较于布谷鸟搜索算法以及粒子群算法都具有更好的寻优性能。最后将此算法应用于微电网的负荷优化调度中,取得了较为令人满意的结果。 展开更多
关键词 布谷鸟算法 极值动力学优化算法 微网 优化调度
在线阅读 下载PDF
求解TSP的改进混合蛙跳算法 被引量:16
5
作者 骆剑平 李霞 《深圳大学学报(理工版)》 EI CAS 北大核心 2010年第2期173-179,共7页
重新定义表示青蛙移动距离和位置的数据结构及运算符意义,提出混合蛙跳算法(shuffled frogleaping algorithm,SFLA)求解旅行商问题(traveling salesman problem,TSP)基于交换序的实现方法.把具有极强局部搜索能力的幂律极值动力学优化(p... 重新定义表示青蛙移动距离和位置的数据结构及运算符意义,提出混合蛙跳算法(shuffled frogleaping algorithm,SFLA)求解旅行商问题(traveling salesman problem,TSP)基于交换序的实现方法.把具有极强局部搜索能力的幂律极值动力学优化(power law extremal optim ization,τ-EO)融合于SFLA,并针对TSP对τ-EO过程进行设计和改进.改进后的τ-EO采用新颖的组元适应度计算方法,通过定义边置换增益能量,结合模拟退火控制过程,并采取幂律定律用概率的方式选取2-opt置换产生邻域解.为避免每个族群最优解的趋同性,提出最优样本差异控制策略.通过求解TSPLIB数据库中的实例,证明该改进算法有效. 展开更多
关键词 人工智能 智能计算 虫群智慧 混合蛙跳算法 极值动力学优化 模拟退火
在线阅读 下载PDF
混合蛙跳算法及其改进算法的运动轨迹及收敛性分析 被引量:14
6
作者 骆剑平 陈泯融 《信号处理》 CSCD 北大核心 2010年第9期1428-1433,共6页
本文通过求解差分方程分析混合蛙跳算法(Shuffled Frog Leaping Algorithm,SFLA)青蛙运动轨迹;进一步利用Solis和Wets提出的随机搜索算法收敛性判据讨论SFLA全局收敛性,得出SFLA全局收敛的结论;为提高SFLA收敛效率,提出一种在SFLA深度... 本文通过求解差分方程分析混合蛙跳算法(Shuffled Frog Leaping Algorithm,SFLA)青蛙运动轨迹;进一步利用Solis和Wets提出的随机搜索算法收敛性判据讨论SFLA全局收敛性,得出SFLA全局收敛的结论;为提高SFLA收敛效率,提出一种在SFLA深度搜索方向上融合极值动力学优化(Extremal Optimization,EO)的改进算法EO-SFLA,并证明其依概率1收敛于全局最优。EO-SFLA中,改进的EO变异概率选取方式拓展了算法搜索空间,赋予了算法跳出局部极值点的能力,保证了算法全局收敛性。通过四个广泛使用的基准函数对两种算法进行实验仿真,仿真结果表明改进算法在保持全局收敛性的同时显著提高收敛速度。 展开更多
关键词 智能优化 混合蛙跳算法 极值动力学优化(EO) 收敛性
在线阅读 下载PDF
基于小世界网络模型的学术创新力演化分析 被引量:3
7
作者 吕蔚 潘常春 杨根科 《上海交通大学学报》 EI CAS CSCD 北大核心 2010年第12期1653-1656,共4页
研究了基于小世界网络模型下的创新体系中学术创新力的演化问题.学术创新体系包含研究人员与管理体制两大要素,而学术创新力是组成创新体系各要素之间相互作用的结果.以组织科学中的NK影响矩阵,描述高校创新体系的小世界组织结构,其中N... 研究了基于小世界网络模型下的创新体系中学术创新力的演化问题.学术创新体系包含研究人员与管理体制两大要素,而学术创新力是组成创新体系各要素之间相互作用的结果.以组织科学中的NK影响矩阵,描述高校创新体系的小世界组织结构,其中N表示系统中个体的数目,K表示个体的邻域尺度.以自组织理论中极值动力学机制来模拟创新体系的演化.最后,通过计算机进行模拟演化.结果表明,对于给定的N和K,基于小世界网络的创新体系的极值动力学演化结果与网络的拓扑结构无关,而仅N给定时,系统创新力演化结果与个体的邻域尺度K紧密相关. 展开更多
关键词 影响矩阵 极值动力学演化 学术创新力 高校
在线阅读 下载PDF
一种改进的萤火虫算法及在洗出优化中的应用 被引量:6
8
作者 王辉 吕兴顺 《系统仿真学报》 CAS CSCD 北大核心 2021年第2期306-314,共9页
为提高萤火虫算法精度,解决该算法迭代步长固定易陷入局部最优等问题,提出一种改进的萤火虫算法—极值优化萤火虫算法(Extremal Optimization Firefly Algorithm,EOFA)。EOFA是将极值动力学算法强大的局部搜索能力与萤火虫算法的强搜索... 为提高萤火虫算法精度,解决该算法迭代步长固定易陷入局部最优等问题,提出一种改进的萤火虫算法—极值优化萤火虫算法(Extremal Optimization Firefly Algorithm,EOFA)。EOFA是将极值动力学算法强大的局部搜索能力与萤火虫算法的强搜索性相结合,采用倒S型函数的迭代步长,提高萤火虫算法的寻优能力。函数寻优测试的仿真结果表明:改进的EOFA相较于萤火虫算法以及粒子群算法都具有更好的寻优性能。将该改进算法应用洗出算法参数优化中,得到了满意的效果。 展开更多
关键词 萤火虫算法 极值动力学算法 洗出算法 感知误差 参数优化
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部