期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于种群状态信息的自适应差分进化算法 被引量:4
1
作者 麦伟杰 刘伟莉 钟竞辉 《通信学报》 EI CSCD 北大核心 2023年第6期34-46,共13页
种群的局部最优与停滞状态会严重影响差分进化(DE)算法的性能。为了消除这2种状态引起的不利因素,提出一种带有种群状态处理措施的改进DE算法。当种群处于局部最优状态时,运用限制记忆的拟牛顿(LBFGS)方法对种群中的个体进行随机学习提... 种群的局部最优与停滞状态会严重影响差分进化(DE)算法的性能。为了消除这2种状态引起的不利因素,提出一种带有种群状态处理措施的改进DE算法。当种群处于局部最优状态时,运用限制记忆的拟牛顿(LBFGS)方法对种群中的个体进行随机学习提高解的全局质量,通过高斯变异生成新个体,促使种群跳出局部最优;当算法处于停滞状态时,运用种群的协方差矩阵,通过空间坐标旋转对目标个体进行重组,从而抑制种群停滞状态,加强算法全局搜索能力。此外,算法设计一种新型的选择策略,该选择策略设置一个存放经贪心选择后被遗弃个体的外部存档。当实验个体劣于目标个体时,算法则不再以贪心选择策略生成下一代,而是围绕外部存档进行合理的智能选择,使算法向全局最优收敛。实验表明,通过与先进的8个DE算法在29个标准的测试函数比较,所提算法在解的精确度和收敛速度均具有更好的性能。 展开更多
关键词 差分进化 选择策略 种群状态信息 协方差矩阵 外部存档
在线阅读 下载PDF
基于改进多种群候鸟迁徙算法的混合流水车间调度 被引量:1
2
作者 张素君 杨文强 顾幸生 《上海交通大学学报》 EI CAS CSCD 北大核心 2023年第10期1378-1388,共11页
针对带顺序依赖准备时间的混合流水车间调度(HFS-SDST)问题,以最小化总最大作业完成时间为调度目标,提出一种改进多种群候鸟迁徙优化(IMMBO)算法.算法中个体基于工件加工顺序进行编码,用改进的NEH(MNEH)算法产生初始种群,并按照适应度... 针对带顺序依赖准备时间的混合流水车间调度(HFS-SDST)问题,以最小化总最大作业完成时间为调度目标,提出一种改进多种群候鸟迁徙优化(IMMBO)算法.算法中个体基于工件加工顺序进行编码,用改进的NEH(MNEH)算法产生初始种群,并按照适应度值分配到各子种群.子种群中领飞鸟和跟飞鸟分别利用串行和并行邻域策略产生邻域个体,如果跟飞鸟优于领飞鸟,二者互换,完成种群内部个体的信息交互;在IMMBO算法中嵌入离散鲸鱼优化策略对各子种群的领飞鸟进行优化,实现子种群之间信息交互;为提高算法的局部搜索(LS)能力,对种群中最优个体执行LS,同时,为了避免算法早熟收敛,针对每个种群的领飞鸟设计了种群多样化控制策略.最后,在实验法调整算法参数的基础上,对IMMBO的4个变体进行了仿真实验,通过测试Ta自适应算例验证IMMBO算法各部分的作用;将IMMBO算法与现有3个算法测试Ta自适应算例,进行实验结果比较,证明了IMMBO算法求解混合车间调度问题的有效性. 展开更多
关键词 混合流水车间调度 改进多种群候鸟迁徙优化 种群信息交互 串行邻域 并行邻域
在线阅读 下载PDF
一种基于多样性信息和收敛度的多目标粒子群优化算法 被引量:11
3
作者 韩红桂 卢薇 乔俊飞 《电子学报》 EI CAS CSCD 北大核心 2018年第2期315-324,共10页
为了提高多目标粒子群算法优化解的多样性和收敛性,提出了一种基于多样性信息和收敛度的多目标粒子群优化算法(Multiobjective Particle Swarm Optimization based on the Diversity Information and Convergence Degree,dicd MOPSO).首... 为了提高多目标粒子群算法优化解的多样性和收敛性,提出了一种基于多样性信息和收敛度的多目标粒子群优化算法(Multiobjective Particle Swarm Optimization based on the Diversity Information and Convergence Degree,dicd MOPSO).首先,利用非支配解多样性信息评估知识库中最优解的分布状态,设计出一种全局最优解选择机制,平衡了种群的进化过程,提高了非支配解的多样性和收敛性;其次,基于种群多样性信息设计出一种飞行参数调整机制,增强了粒子的全局探索能力和局部开发能力,获得了多样性和收敛性较好的种群.最后,将dicd MOPSO应用于标准测试函数测试,实验结果表明,dicd MOPSO与其他多目标算法相比不仅获得了多样性较高的可行解,而且能够较快的收敛到Pareto前沿. 展开更多
关键词 智能优化算法 多目标粒子群优化 种群多样性信息 非支配解多样性信息 收敛度
在线阅读 下载PDF
一种多反向学习的教与学优化算法 被引量:13
4
作者 何杰光 彭志平 +1 位作者 崔得龙 李启锐 《工程科学与技术》 EI CAS CSCD 北大核心 2019年第6期159-167,共9页
针对原始教与学优化算法全局搜索和局部搜索协调不足、当前反向学习策略过于单一的问题,将多种反向学习策略同教与学优化算法相结合,提出一种基于多反向学习的教与学优化(MOTLBO)算法。首先,借鉴反向学习的思想,设计一种基于Sigmoid函... 针对原始教与学优化算法全局搜索和局部搜索协调不足、当前反向学习策略过于单一的问题,将多种反向学习策略同教与学优化算法相结合,提出一种基于多反向学习的教与学优化(MOTLBO)算法。首先,借鉴反向学习的思想,设计一种基于Sigmoid函数且随进化代数逐渐变化的非线性混合反向学习模型,模型综合考虑了问题的搜索边界信息和种群的历史搜索信息;其次,在原始教与学算法教和学两个阶段的基础上,增加了基于搜索边界指导的自学习阶段,增强了种群的多样性;最后,将混合反向学习模型与算法的各阶段相结合,根据各阶段的不同特征,设计了基于均值个体、随机个体和最优个体的反向解计算方法,充分吸收种群的历史搜索经验,提高算法的收敛精度和速度。采用具有不同特征的Benchmark测试函数对算法的非线性混合反向学习模型和收敛性能进行测试,实验结果表明:非线性混合反向学习模型相对于单一的边界信息反向学习或种群信息反向学习,具有更强的全局搜索和局部探测能力;而与原始教与学优化算法及其改进算法相比,MOTLBO算法在获得较高的收敛精度和稳定性的同时保持了更快的收敛速度,其综合性能得到较大提升。此外,对扩频雷达相位编码求解的实验结果进一步表明,MOTLBO算法能有效避免陷入局部最优,亦适用于求解实际的工程优化问题。 展开更多
关键词 教与学优化算法 反向学习 搜索边界 种群信息 非线性混合模型
在线阅读 下载PDF
Research advance in forest restoration on the burned blanks 被引量:3
5
作者 孔繁花 李秀珍 +1 位作者 赵善伦 尹海伟 《Journal of Forestry Research》 SCIE CAS CSCD 2003年第2期180-184,共5页
How to restore the destroyed forest after forest fire is a key question that man must face. This paper reviewed the research situation and history on the forest restoration burned blanks and summed up the research met... How to restore the destroyed forest after forest fire is a key question that man must face. This paper reviewed the research situation and history on the forest restoration burned blanks and summed up the research methods used into four scales: seed-bank scale, community scale, ecosystem scale and landscape scale. The new technologies such as GIS & Remote Sensing used to vegetation restoration were also summarized. The strategies and developing trend of vegetation restoration research on burned blanks were discussed. 展开更多
关键词 Burned blanks Forest restoration Research advance Questions and countermeasures
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部