期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
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
1
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 动力学优化算法 自适应lévy变异
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
2
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
一种改进的CS算法及其在微电网优化中的应用 被引量:9
3
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 动力学优化算法 微网 优化调度
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部