期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到186篇文章
< 1 2 … 10 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于集成学习模型与贝叶斯优化算法的成矿预测 被引量：1
1
作者 孔春芳 田倩 +3 位作者 刘健 蔡国荣 赵杰 徐凯 《地学前缘》 北大核心 2025年第4期122-139,共18页
全球进入隐伏矿体勘查时代,急需新的找矿预测方法。利用集成学习进行的数据驱动的成矿预测模型正在成为深部隐伏矿产勘探的有力工具。然而,基于集成学习的成矿预测模型面临着一些普遍的问题,特别是模型的参数调优。模型的参数调优是一... 全球进入隐伏矿体勘查时代,急需新的找矿预测方法。利用集成学习进行的数据驱动的成矿预测模型正在成为深部隐伏矿产勘探的有力工具。然而,基于集成学习的成矿预测模型面临着一些普遍的问题,特别是模型的参数调优。模型的参数调优是一个非常耗时的过程,需要繁琐的计算和足够的专家经验。本文提出了一种基于多源地学知识与贝叶斯优化算法的集成学习模型来解决上述问题。具体来说,首先,基于多源地学知识,构建锰矿成矿预测数据库;其次,基于自适应提升模型(Adaptive Boosting,AdaBoost)和随机森林(Random Forest,RF)模型,建立黔东北锰矿成矿预测模型;然后,采用贝叶斯优化算法(Bayesian Optimization,BO),通过5倍交叉验证的辅助,寻找BO-AdaBoost和BO-RF模型最合适的超参数组合;最后,利用精度、准确率、召回率、F_(1)分数、kappa系数、AUC值等参数及已有成果检测模型的性能。实验结果发现,BO-AdaBoost和BO-RF模型的AUC值都得到了显著的提高,表明BO是一个强大的优化工具,优化结果为集成学习模型的超参数设置提供了参考。同时,实验结果也表明:BO-AdaBoost模型(92.8%)比BO-RF模型(89.9%)具有更高的预测精度和地质泛化能力,在成矿预测方面具有巨大潜力。基于BO-AdaBoost模型的预测图为黔东北隐伏锰矿矿床的勘探提供了重要线索,并可以指导未来的矿产勘探与开发。 展开更多
关键词 集成学习 自适应提升模型 随机森林 贝叶斯优化算法 隐伏锰矿 成矿预测
在线阅读 下载PDF
自适应动态分级平衡优化器算法及收敛性
2
作者 刘景森 高赛男 +1 位作者 李煜 周欢 《浙江大学学报(工学版)》 北大核心 2025年第11期2389-2399,共11页
为了解决平衡优化器(EO)算法在处理复杂优化问题时易陷入局部极值、寻优精度有时不佳的问题,提出高效的自适应动态分级平衡优化器CGTEO,对其收敛性进行理论和实验分析.引入基于正余弦系数的自适应交叉更新机制,增强种群多样性.加入动态... 为了解决平衡优化器(EO)算法在处理复杂优化问题时易陷入局部极值、寻优精度有时不佳的问题,提出高效的自适应动态分级平衡优化器CGTEO,对其收敛性进行理论和实验分析.引入基于正余弦系数的自适应交叉更新机制,增强种群多样性.加入动态分级搜索策略,平衡各子种群对探索和开发能力的不同需求.融合基于三角形拓扑单元的精英邻域学习策略,改善收敛精度并有效避免局部极值.通过概率测度法,证明了CGTEO算法的全局收敛性.采用CEC2017测试集,对CGTEO与9种代表性对比算法进行全面测试与对比分析,结合寻优精度、收敛曲线、Wilcoxon秩和检验及小提琴图等多种方法评估优化结果.实验结果表明,CGTEO算法在优化精度、收敛性能和稳定性方面均表现出色.Wilcoxon秩和检验表明,该算法的优化结果在统计上显著优于其他对比算法. 展开更多
关键词 平衡优化器算法 自适应交叉更新 动态分级搜索 精英邻域学习 收敛性分析 Wilcoxon秩和检验
在线阅读 下载PDF
深度学习步长自适应动量优化方法研究综述 被引量：3
3
作者 陶蔚 陇盛 +2 位作者 刘鑫 胡亚豪 黄金才 《小型微型计算机系统》 北大核心 2025年第2期257-265,共9页
当前,以深度神经网络和预训练模型为基础的生成式人工智能受到学术界和工业界的普遍关注.深度学习的研究达到前所未有的高度.自2015年提出以来,无论是图像、语音还是文本等领域,以Adam为代表的自适应动量优化方法,因其快速的收敛速度、... 当前,以深度神经网络和预训练模型为基础的生成式人工智能受到学术界和工业界的普遍关注.深度学习的研究达到前所未有的高度.自2015年提出以来,无论是图像、语音还是文本等领域,以Adam为代表的自适应动量优化方法,因其快速的收敛速度、适应各种梯度和参数变化的能力,已经成为深度学习训练的首选方法,但是仍然存在:1)算法的全局收敛性较差;2)参数选择策略与理论分析不一致;3)针对不同任务的泛化性能有待进一步提升.为分析并解决以上挑战,研究者们分别使用自适应步长和动量两种优化技巧对自适应动量方法进行了大量研究.本文是这一类方法的研究综述,首先回顾了深度学习优化的发展背景与面临的挑战,重点介绍了一阶梯度条件下的自适应步长方法、动量算法、步长自适应动量算法、大模型中的应用等,尤其是针对凸情形下收敛性研究进展进行了系统梳理,最后展望了步长自适应动量算法未来发展方向. 展开更多
关键词 深度学习 优化算法 动量 自适应步长 收敛性
在线阅读 下载PDF
多策略自适应蜣螂优化算法求解FJSP问题
4
作者 余莹 谭代伦 +1 位作者 冯世强 王彬溶 《制造技术与机床》 北大核心 2025年第7期225-232,共8页
针对以最大完工时间最小化为目标的柔性作业车间调度问题(flexible job-shop scheduling problem, FJSP),提出一种多策略自适应蜣螂优化算法(multi-strategy and adaptive dung beetle optimizer, MSA-DBO)。首先,利用Logistic-tent混... 针对以最大完工时间最小化为目标的柔性作业车间调度问题(flexible job-shop scheduling problem, FJSP),提出一种多策略自适应蜣螂优化算法(multi-strategy and adaptive dung beetle optimizer, MSA-DBO)。首先,利用Logistic-tent混沌映射和G-L-R策略改进种群初始化,使种群分布更均匀,提高初始解质量;其次,在计算蜣螂个体适应度后采用锦标赛策略选择个体构成优选种群,以加快收敛速度;再次,采用黄金正弦策略改进推球蜣螂遇到障碍时的位置更新公式,以避免陷入局部最优;最后,在蜣螂位置更新后增加精英随机反向学习策略和基于关键路径的自适应重调度策略,以增强种群中蜣螂个体之间的交流和全局寻优能力。选取Brandimarte算例和实际案例进行仿真实验和对比,结果表明MSA-DBO算法的改进策略有效,求解精度和算法性能得到明显增强。 展开更多
关键词 柔性作业车间调度问题 蜣螂优化算法 Logistic-tent混沌映射 G-L-R策略 黄金正弦策略 精英随机反向学习 自适应重调度
在线阅读 下载PDF
无人机自组织网络中双态自适应的随机双Q学习路由算法
5
作者 孙晨 万家梅 +1 位作者 余苏奇 舒坚 《计算机应用研究》 北大核心 2025年第9期2800-2809,共10页
无人机自组织网络(UANETs)的路由算法设计,需要考虑其应对动态网络变化的能力,以实现快速路径选择和确保数据传输的高效性和可靠性。针对现有的基于强化学习的路由算法应对高速动态网络变化的能力有限等问题,提出了一种双态自适应的随机... 无人机自组织网络(UANETs)的路由算法设计,需要考虑其应对动态网络变化的能力,以实现快速路径选择和确保数据传输的高效性和可靠性。针对现有的基于强化学习的路由算法应对高速动态网络变化的能力有限等问题,提出了一种双态自适应的随机双Q学习路由算法(2k-adaDQL)。该算法采用随机交替更新的双Q函数来降低传统Q学习中的高估偏差。为满足UANETs路由服务质量的多样化需求,结合多目标优化技术,设计了基于链路可靠性和时延相关的复合奖励函数,以提高算法的服务质量。针对高速动态变化的网络环境,创新性地提出了双态自适应参数调整机制,该机制依据网络状态的不同阶段,设计了灵活参数自适应调控策略,确保算法能够及时应对不同的网络环境变化,从而提升路由算法的适应性。仿真结果显示,与AODV、QMR、QGeo、LN-AODV等算法相比,2k-adaDQL算法在包到达率、平均端到端延时、最大端到端时延三个关键性能指标上均有提升;同时该算法的可扩展性和稳定性也得到了验证,其收敛速度明显快于基本算法QMR。这一结果表明,2k-adaDQL算法在UANETs环境中,特别是在节点分布稀疏且速度变化大的场景下,具有更优的性能表现。 展开更多
关键词 无人机自组织网络 路由算法 双态自适应策略 随机双Q学习 多目标优化技术
在线阅读 下载PDF
基于峰值导向型粒子群优化算法的城市水文模型自动率定方法
6
作者 许王辰 陈瑞弘 孙岸炜 《水利水电科技进展》 北大核心 2025年第4期31-38,共8页
针对城市多参数水文模型中径流及峰现时间人工率定效率低、精度不足的问题,提出一种基于改进粒子群优化(PSO)算法的模型参数自动率定方法。该方法在PSO算法中引入Logistic映射和莱维飞行,分别用于粒子初始化和位置更新,以避免陷入局部最... 针对城市多参数水文模型中径流及峰现时间人工率定效率低、精度不足的问题,提出一种基于改进粒子群优化(PSO)算法的模型参数自动率定方法。该方法在PSO算法中引入Logistic映射和莱维飞行,分别用于粒子初始化和位置更新,以避免陷入局部最优;同时结合城市产汇流模型特征,构建包含整体拟合、峰值及峰现时间的加权多目标适应度函数,以提高模型对关键水文特征的捕捉能力。通过Python实现该方法与机理模型(雨洪管理模型,SWMM)的交互,并利用试验场实测数据对10个关键水文参数进行率定,比较不同权重取值的适应度函数的拟合效果。结果表明,构建的加权多目标适应度函数在城市排水系统应急调度应用中更具优势,尤其在提高峰值与峰现时间模拟精度方面表现更优。将该方法应用于九江实际排水系统,峰值误差和峰现时间误差分别为0.56%和-6.82%,验证了方法的可行性与准确性。 展开更多
关键词 城市水文模型 多目标适应度函数 粒子群优化算法 自动率定 SWMM
在线阅读 下载PDF
深度强化学习引导的多种群协同进化超多目标优化算法
7
作者 许莹 刘佳 +2 位作者 陈斌辉 刘益萍 刘志中 《计算机学报》 北大核心 2025年第10期2371-2405,共35页
超多目标优化问题因高维决策空间与复杂计算成本等特点而极具挑战。作为求解方法之一,多种群协同进化算法通过协同机制在求解此类问题时有较好的效果,但仍存在计算成本高、搜索效率低等局限性。近年来,强化学习因其卓越的决策能力被引... 超多目标优化问题因高维决策空间与复杂计算成本等特点而极具挑战。作为求解方法之一,多种群协同进化算法通过协同机制在求解此类问题时有较好的效果,但仍存在计算成本高、搜索效率低等局限性。近年来,强化学习因其卓越的决策能力被引入进化算法框架,成为提升算法性能的关键技术。因此,本文提出了一种深度强化学习引导的多种群协同进化超多目标优化算法DQNMaOEA,用于求解复杂的超多目标优化问题。为了有效引导大规模决策空间的搜索,提高算法在高维目标空间的搜索能力,本文提出了一种基于深度强化学习模型的自适应子种群选择方法,通过强化学习与环境进行交互选择具有更高潜力的子种群,然后与基于效用值选择的子种群进行协同进化,产生具有更优多样性与收敛性的子代解。此外,为了降低计算成本,提高算法的搜索效率,本文进一步提出了一种自适应子种群计算资源分配策略,根据当前子种群对整个种群优化过程的效用值改进贡献,动态分配子种群的适应值评估次数。为了验证算法及相关策略的性能,本文在大量基准测试集问题及实际物流大规模超多目标车辆路径问题实例上,与现有的不同类型前沿算法进行了大量对比实验。实验分析表明,本文提出的算法在求解性能与解质量上显著优于大部分对比算法。具体表现为:在评估解收敛性与多样性的综合指标上,DQNMaOEA在80%以上的基准测试实例中取得最优结果,较现有最佳算法的平均性能指标提升达1.2~2.0倍。而在计算效率方面,算法的平均运行时间较对比算法降低约25%。特别地,在7个实际物流问题实例中,算法在解的性能指标上获得6项最优结果,且求解效率显著优于对比算法。这些结果充分验证了该算法在解质量、计算效率和实际应用潜力上的综合优势。 展开更多
关键词 超多目标优化 超多目标进化算法 自适应种群选择 自适应计算资源分配 强化学习
在线阅读 下载PDF
基于自适应学习率卷积神经网络的新型配电网源网荷储无功协调优化技术 被引量：9
8
作者 钱进宝 刘晓光 +2 位作者 蔡玺 刘熠 戴剑丰 《可再生能源》 CAS CSCD 北大核心 2024年第2期267-275,共9页
随着“双碳”目标的推进,分布式新能源接入电网的容量大幅度提升,配电网源网荷储协调优化策略是实现分布式新能源消纳的重要方法,其中无功优化能够保证电网安全稳定运行。文章提出了一种基于自适应学习率卷积神经网络的配电网源网荷储... 随着“双碳”目标的推进,分布式新能源接入电网的容量大幅度提升,配电网源网荷储协调优化策略是实现分布式新能源消纳的重要方法,其中无功优化能够保证电网安全稳定运行。文章提出了一种基于自适应学习率卷积神经网络的配电网源网荷储无功协调优化技术。首先以最小网络损耗和最低电压偏移为目标,构建无功优化模型;其次利用卷积神经网络强大的非线性拟合能力,挖掘出电网运行场景和无功调压设备、储能充放电策略之间的映射关系,引入自适应学习率的方式更新网络参数,提高了网络训练效率;再次通过控制无功调压设备和储能装置充放电情况协调分布式电源出力,实现电力系统无功电压主动优化控制;最后通过IEEE33节点电网模型进行了仿真验证。结果表明,文章所提的配电网源网荷储无功协调优化方法提高了电力系统电压调节能力,为配电网安全可靠运行奠定了良好基础。 展开更多
关键词 分布式新能源 源网荷储协调优化 无功优化 自适应学习率 卷积神经网络
在线阅读 下载PDF
基于折射反向学习和自适应策略的哈里斯鹰优化算法
9
作者 杨翔宇 高博 《计算机应用》 CSCD 北大核心 2024年第S2期129-133,共5页
为解决哈里斯鹰优化(HHO)算法的收敛速度较慢、收敛精度不够高和无法跳出局部最优等问题,提出一种基于折射反向学习(ROBL)和自适应策略的改进算法。通过引入ROBL策略,在搜索过程中生成反向解来扩大搜索范围,以提高算法的收敛速度和全局... 为解决哈里斯鹰优化(HHO)算法的收敛速度较慢、收敛精度不够高和无法跳出局部最优等问题,提出一种基于折射反向学习(ROBL)和自适应策略的改进算法。通过引入ROBL策略,在搜索过程中生成反向解来扩大搜索范围,以提高算法的收敛速度和全局搜索能力。同时,采用自适应惯性权重和非线性能量递减因子动态地调整算法的探索和开发能力。另外,引入改进的自适应t分布变异对最优位置进行变异,以增强算法跳出局部最优解的能力。改进算法在维持种群多样性的同时,提升了收敛速度、全局搜索能力和收敛精度。在12个基准测试函数上的对比实验中,与群体智能算法相比,所提算法均获得了最高的收敛精度;而且,在基准测试函数实验中,验证了单个改进策略的有效性以及多个策略组合使用相较于单策略使用的优越性。 展开更多
关键词 哈里斯鹰优化算法 折射反向学习 自适应策略 非线性能量递减策略 基准测试函数
在线阅读 下载PDF
基于学习型多策略改进鲸鱼算法的路径规划研究 被引量：3
10
作者 岳凡 艾尔肯·亥木都拉 刘拴 《组合机床与自动化加工技术》 北大核心 2025年第2期46-51,56,共7页
为解决机器人在路径规划中路径过长与后期寻优停滞的问题,提出了一种学习型多策略改进鲸鱼优化算法(reinforcement learning multi-strategy improvement whale optimization algorithm,RLMIWOA),并在欧式距离的基础上引入了障碍物信息... 为解决机器人在路径规划中路径过长与后期寻优停滞的问题,提出了一种学习型多策略改进鲸鱼优化算法(reinforcement learning multi-strategy improvement whale optimization algorithm,RLMIWOA),并在欧式距离的基础上引入了障碍物信息与拐点信息,构建了路径规划适应度函数。首先,引入自适应帐篷映射初始化,使得初始化种群更加均匀;其次,引入了非线性收敛策略平衡算法的开发和探索阶段;然后,通过采用非线性加权因子对最优个体进行扰动,避免了其他个体对最优个体的“盲从”;最后,通过采用强化学习结合ε-精英逐维反向学习策略和动态局部最优逃生策略,提高了算法的收敛效率和跳出局部最优的能力。实验结果表明:RLMIWOA算法可以高效地找到最优路径,在路径搜索方面具有显著的优势。 展开更多
关键词 路径规划 强化学习 鲸鱼优化算法 适应度函数 局部最优
在线阅读 下载PDF
融合三维螺旋运动和混合反向学习策略的改进鹈鹕优化算法 被引量：5
11
作者 李彦苍 李一凡 +1 位作者 王钊 王育德 《科学技术与工程》 北大核心 2024年第11期4607-4617,共11页
针对鹈鹕优化算法收敛速度较慢、初始化过程随机产生初始种群导致种群多样性差,在后期易陷入局部最优等问题,提出了一种融合三维螺旋飞行和混合反向学习策略的鹈鹕优化算法。首先使用Gauss映射初始化种群,提高种群多样性;其次利用三维... 针对鹈鹕优化算法收敛速度较慢、初始化过程随机产生初始种群导致种群多样性差,在后期易陷入局部最优等问题,提出了一种融合三维螺旋飞行和混合反向学习策略的鹈鹕优化算法。首先使用Gauss映射初始化种群,提高种群多样性;其次利用三维螺旋飞行和混合最优最差反向学习策略,加强算法跳出局部最优的能力;最后,引入自适应平衡因子与自适应步长,提出鹈鹕坠落策略,以模拟捕食过程中群体的微小变化。最后,通过12个基准函数和实际案例对IPOA(improved pelican optimization algorithm)进行测试,并与8个仿生算法进行对比,测试结果与Wilcoxon符号秩和检验结果均表明IPOA收敛精度与稳定性等各项性能都有所提升,具有明显优势。 展开更多
关键词 鹈鹕优化算法 GAUSS映射 三维螺旋运动策略 反向学习 自适应平衡因子 自适应步长
在线阅读 下载PDF
多策略增强型蜣螂优化算法求解路径规划问题
12
作者 陈慧丽 《机械设计与制造》 北大核心 2025年第5期242-250,257,共10页
针对蜣螂优化算法在路径规划时寻优效率慢、稳定性差和易早熟等问题,提出一种多策略增强型蜣螂优化(EDBO)算法。首先,在算法蜣螂滚球行为、蜣螂繁育行为和小蜣螂移动行为中引入随机小孔成像反向学习(Random Keyhole Imaging Reverse Lea... 针对蜣螂优化算法在路径规划时寻优效率慢、稳定性差和易早熟等问题,提出一种多策略增强型蜣螂优化(EDBO)算法。首先,在算法蜣螂滚球行为、蜣螂繁育行为和小蜣螂移动行为中引入随机小孔成像反向学习(Random Keyhole Imaging Reverse Learning,RKRL)策略对蜣螂个体进行逐维学习,增强算法全局寻优能力;同时,设计了Sin混沌-RKRL策略初始化蜣螂种群,增强了算法初始种群质量,提高了算法的初始寻优能力;进一步设计了多方向正余弦自适应偷窃策略对蜣螂偷窃行为进行改进,实现算法在搜索区域内精细开发;最后,嵌入非线性正弦衰减-余弦递增动态平衡协调因子,实现了算法全局与局部搜索之间的动态平衡,提高了算法的寻优性能。测试函数和路径规划实验结果表明:EDBO算法的寻优性能和路径规划性能均优于其算法,可适用于求解复杂环境下移动机器人路径规划问题。 展开更多
关键词 蜣螂优化算法 随机小孔成像反向学习 多方向正余弦自适应 动态平衡因子 路径规划
在线阅读 下载PDF
基于自适应扰动量子粒子群算法参数优化的支持向量回归机短期风电功率预测 被引量：47
13
作者 陈道君 龚庆武 +2 位作者 金朝意 张静 王定美 《电网技术》 EI CSCD 北大核心 2013年第4期974-980,共7页
智能电网的建设和大规模风电接入电网对短期风电功率预测精度提出了更高的要求。为了克服支持向量回归机(support vector regression machine,SVR)依赖人为经验选择学习参数的弊端,在量子粒子群优化(quantum-behaved particle swarm opt... 智能电网的建设和大规模风电接入电网对短期风电功率预测精度提出了更高的要求。为了克服支持向量回归机(support vector regression machine,SVR)依赖人为经验选择学习参数的弊端,在量子粒子群优化(quantum-behaved particle swarm optimization,QPSO)算法中加入自适应早熟判定准则、混合扰动算子和动态扩张收缩系数,提出了自适应扰动量子粒子群优化算法(adaptive disturbance quantum-behaved particle swarm optimization,ADQPSO),并使用ADQPSO优化选择SVR的学习参数。实例研究表明,ADQPSO算法全局寻优能力强、鲁棒性好、计算耗时短,利用ADQPSO优化得到的SVR参数,可有效提高模型的预测精度;与反向传播神经网络(back propagation neural network,BPNN)和径向基神经网络(radial basis functionneural network,RBFNN)相比,提出的ADQPSO-SVR能够提高短期风电功率预测的准确性和稳定性。 展开更多
关键词 短期风电功率预测 学习参数选择 自适应扰动量子粒子群优化算法 支持向量回归机
在线阅读 下载PDF
多策略改进的精英金豺优化算法
14
作者 吴智祥 刘杰 +3 位作者 覃涛 陈昌盛 李伟 杨靖 《计算机工程与科学》 北大核心 2025年第10期1853-1866,共14页
针对金豺优化算法求解优化问题时存在收敛速度慢、易陷入局部最优等问题,提出了一种多策略改进的精英金豺优化算法EGJO。首先,通过精英反向学习策略选取精英种群寻优求解,在提高种群质量与多样性的同时有效地提升算法的收敛精度与速度... 针对金豺优化算法求解优化问题时存在收敛速度慢、易陷入局部最优等问题,提出了一种多策略改进的精英金豺优化算法EGJO。首先,通过精英反向学习策略选取精英种群寻优求解,在提高种群质量与多样性的同时有效地提升算法的收敛精度与速度。其次,采用双面镜反射理论处理越界个体,解决种群分布不均匀的问题。再次,提出一种自适应能量因子,协调算法的全局搜索与局部开发过程。最后,对种群最优个体进行柯西变异扰动,提升算法跳出局部最优的能力。通过16个典型基准测试函数的优化仿真实验,从收敛性、鲁棒性、Wilcoxon秩和检验等方面与6种优化算法进行对比分析。实验结果表明,改进的精英金豺优化算法的收敛精度和速度均得到了显著提升。另外,将改进的精英金豺算法用于求解2个典型的工程优化问题,表明了所提算法在解决实际工程优化问题时的可行性和高效性。 展开更多
关键词 金豺优化算法 精英反向学习 自适应能量因子 边界处理 秩和检验 工程优化
在线阅读 下载PDF
具有反向学习和自适应逃逸功能的粒子群优化算法 被引量：7
15
作者 吕莉 赵嘉 孙辉 《计算机应用》 CSCD 北大核心 2015年第5期1336-1341,共6页
为克服粒子群优化算法进化后期收敛速度慢、易陷入局部最优等缺点,提出一种具有反向学习和自适应逃逸功能的粒子群优化算法。通过设定的阈值,算法将种群进化状态划分为正常状态和"早熟"状态:若算法处于正常的进化状态,采用标... 为克服粒子群优化算法进化后期收敛速度慢、易陷入局部最优等缺点,提出一种具有反向学习和自适应逃逸功能的粒子群优化算法。通过设定的阈值,算法将种群进化状态划分为正常状态和"早熟"状态:若算法处于正常的进化状态,采用标准粒子群优化算法的进化模式;当粒子陷入"早熟"状态,运用反向学习和自适应逃逸功能,对个体最优位置进行反向学习,产生粒子的反向解,增加粒子的反向学习能力,增强算法逃离局部最优的能力,提高算法寻优率。在固定评估次数的情况下,对8个基准测试函数进行仿真,实验结果表明:所提算法在收敛速度、寻优精度和逃离局部最优的能力上明显优于多种经典粒子群优化算法,如充分联系的粒子群优化算法(FIPS)、基于时变加速度系数的自组织分层粒子群优化算法(HPSO-TVAC)、综合学习的粒子群优化算法(CLPSO)、自适应粒子群优化算法(APSO)、双中心粒子群优化算法(DCPSO)和具有快速收敛和自适应逃逸功能的粒子群优化算法(FAPSO)等。 展开更多
关键词 粒子群优化算法 反向学习 算法状态 自适应逃逸
在线阅读 下载PDF
自适应策略优化的粒子群优化算法在神经网络架构搜索中的应用 被引量：2
16
作者 程金芮 金瑾 +3 位作者 张朝龙 孔超 何嘉 张鑫 《计算机应用》 CSCD 北大核心 2024年第S01期60-64,共5页
针对神经网络架构搜索(NAS)任务,提出一种自适应重启策略驱动的协作学习粒子群优化(ARCLPSO)算法。算法核心流程包括协作学习与信息共享、策略切换和参数自适应,以改进传统粒子群优化(PSO)算法在NAS中的性能。ARCLPSO算法结合了全局与... 针对神经网络架构搜索(NAS)任务,提出一种自适应重启策略驱动的协作学习粒子群优化(ARCLPSO)算法。算法核心流程包括协作学习与信息共享、策略切换和参数自适应,以改进传统粒子群优化(PSO)算法在NAS中的性能。ARCLPSO算法结合了全局与局部信息的协同作用和智能切换学习策略。具体地,ARCLPSO利用全局和局部信息的协同作用令粒子向更优的方向移动,通过智能的切换粒子学习策略平衡粒子的搜索性能和收敛速度,提高搜索速度和搜索质量。在NAS-Bench-101数据集上的实验结果表明,ARCLPSO的收敛时间相较于传统进化算法(REA)和随机搜索(RS),分别减少了40.9%和55.2%。 展开更多
关键词 神经网络架构搜索 粒子群优化 进化算法 NAS-Bench-101 自适应的协作学习算法
在线阅读 下载PDF
自适应精英反向学习的粒子群优化算法 被引量：7
17
作者 赵嘉 吕莉 孙辉 《小型微型计算机系统》 CSCD 北大核心 2015年第9期2166-2171,共6页
针对标准粒子群优化算法易陷入局部最优、进化后期收敛速度慢和收敛精度低等缺点,提出一种自适应精英反向学习的粒子群优化算法.在迭代过程中,算法判断种群是否陷入局部最优,若陷入局部最优,则随机选择精英粒子的部分维度进行反向学习,... 针对标准粒子群优化算法易陷入局部最优、进化后期收敛速度慢和收敛精度低等缺点,提出一种自适应精英反向学习的粒子群优化算法.在迭代过程中,算法判断种群是否陷入局部最优,若陷入局部最优,则随机选择精英粒子的部分维度进行反向学习,且学习的维度空间大小随着进化呈线性递减,以此增强算法在进化前期的探索能力和后期的开发能力.在固定评估次数的情况下,实验对10个常用经典基准测试函数在30维上进行仿真测试,实验结果表明:改进算法在收敛速度、寻优精度和逃离局部最优的能力上明显优于一些知名的改进粒子群优化算法. 展开更多
关键词 粒子群优化算法 自适应 精英粒子 反向学习
在线阅读 下载PDF
基于自适应鱼鹰优化算法的无人机路径规划 被引量：5
18
作者 岑哲 符强 童楠 《电光与控制》 CSCD 北大核心 2024年第11期26-33,67,共9页
针对启发式算法在无人机路径规划中存在收敛精度低以及容易陷入局部最优的问题,提出了一种自适应鱼鹰优化算法。该算法首先利用Bernoulli混沌映射初始化种群,增加种群多样性;其次引入余弦自适应因子平衡全局搜索和局部开发能力,并结合... 针对启发式算法在无人机路径规划中存在收敛精度低以及容易陷入局部最优的问题,提出了一种自适应鱼鹰优化算法。该算法首先利用Bernoulli混沌映射初始化种群,增加种群多样性;其次引入余弦自适应因子平衡全局搜索和局部开发能力,并结合莱维飞行策略自适应调整步长,帮助鱼鹰个体更好地跳出局部最优;接着通过折射反向学习策略改善全局最优解的质量,提高收敛精度和速度;然后将其与其他5种算法在15个CEC2005测试函数中进行性能对比实验,结果表明该算法在收敛精度和稳定性方面表现出色;最后将其移植应用于无人机路径规划问题,在6峰、9峰和12峰的地形障碍模型下进行测试。仿真结果显示,在不同地形场景下自适应鱼鹰优化算法较其他算法平均代价更低、标准差更小,且生成的路径更短、更平稳。 展开更多
关键词 无人机 路径规划 鱼鹰优化算法 Bernoulli混沌映射 余弦自适应因子 莱维飞行 折射反向学习
在线阅读 下载PDF
自适应变异综合学习粒子群优化算法 被引量：21
19
作者 蔡昭权 黄翰 《计算机工程》 CAS CSCD 北大核心 2009年第7期170-171,202,共3页
针对以往粒子群优化算法多样性差且易局部收敛的不足,提出改进综合学习粒子群优化(CLPSO)算法的最小方差优先自适应变异策略,设计自适应变异综合粒子群优化(CLPSO-M)算法。多个标准测试问题的对比实验数据表明,CLPSO-M算法比CLPSO算法... 针对以往粒子群优化算法多样性差且易局部收敛的不足,提出改进综合学习粒子群优化(CLPSO)算法的最小方差优先自适应变异策略,设计自适应变异综合粒子群优化(CLPSO-M)算法。多个标准测试问题的对比实验数据表明,CLPSO-M算法比CLPSO算法的全局搜索能力更强,求解效果更稳定。 展开更多
关键词 群体智能 粒子群优化算法 综合学习 最小方差优先 自适应变异
在线阅读 下载PDF
基于DCT与自适应人类学习优化算法的图像匹配算法 被引量：7
20
作者 张旭 郭东恩 《电子测量与仪器学报》 CSCD 北大核心 2018年第6期148-154,共7页
为提高图像匹配的精度和速度,利用离散余弦变换(DCT)和自适应人类学习优化算法(ASHLO),提出了一种快速并且抗噪性强的图像匹配算法。该方法利用当前搜索位置子图像和模板图像离散余弦变换后的参数构造适应度函数,经过迭代寻优寻找最优... 为提高图像匹配的精度和速度,利用离散余弦变换(DCT)和自适应人类学习优化算法(ASHLO),提出了一种快速并且抗噪性强的图像匹配算法。该方法利用当前搜索位置子图像和模板图像离散余弦变换后的参数构造适应度函数,经过迭代寻优寻找最优匹配位置。将该算法在正常情况下以及不同噪声情况下与穷举法、基于粒子群算法(PSO),基于人工蜂群算法(ABC)的图像匹配算法进比较。实验结果表明,该算法可以获得较高的准确率,成功匹配率约95%,且速度快,抗噪性强。 展开更多
关键词 图像匹配 离散余弦变换 自适应人类学习优化算法 粒子群 人工蜂群
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 10 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部