期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
自适应格型IIR滤波器的进化学习算法
1
作者 朱幼莲 何世春 何振亚 《信号处理》 CSCD 1999年第1期42-46,共5页
本文提出了自适应全零点格型IIR滤波器结构及进化学习算法。全零点格型结构的自适应IIR滤波器(AIIRF)具有结构简单,计算量少等优点.新的滤波器结构和进化学习算法相结合,不仅解决了AIIRF的稳定性问题,而且滤波器... 本文提出了自适应全零点格型IIR滤波器结构及进化学习算法。全零点格型结构的自适应IIR滤波器(AIIRF)具有结构简单,计算量少等优点.新的滤波器结构和进化学习算法相结合,不仅解决了AIIRF的稳定性问题,而且滤波器参数能够以很大的概率快速收敛于全局最优解,同时允许大动态范围的输入信号,尤其对高阶、极点靠近单位圆的AIIRF。计算机仿真结果验证了该滤波器的有效性. 展开更多
关键词 进化学习算法 ⅡR滤波器 滤波器 信号处理
在线阅读 下载PDF
基于云模型的自学习进化算法 被引量:8
2
作者 赵志强 缑锦 陈维斌 《北京交通大学学报》 CAS CSCD 北大核心 2009年第6期110-115,共6页
结合进化论和遗传理论的最新进展,提出基于学习算子的自学习进化算法;并将正态云模型引入进化过程中,提出云学习算子和基于云学习算子的自学习进化算法.最后的仿真实验表明,该算法具有精度高、收敛速度快等优点,能在很大程度上解决了现... 结合进化论和遗传理论的最新进展,提出基于学习算子的自学习进化算法;并将正态云模型引入进化过程中,提出云学习算子和基于云学习算子的自学习进化算法.最后的仿真实验表明,该算法具有精度高、收敛速度快等优点,能在很大程度上解决了现存进化算法的低效问题. 展开更多
关键词 学习算子 学习算子 学习进化算法 个体能动性
在线阅读 下载PDF
基于EA-RL算法的分布式能源集群调度方法
3
作者 程小华 王泽夫 +2 位作者 曾君 曾婧瑶 谭豪杰 《华南理工大学学报(自然科学版)》 北大核心 2025年第1期1-9,共9页
目前对于分布式能源集群调度的研究大多局限于单一场景,同时也缺少高效、准确的算法。该文针对以上问题提出了一种基于进化算法经验指导的深度强化学习(EA-RL)的分布式能源集群多场景调度方法。分别对分布式能源集群中的电源、储能、负... 目前对于分布式能源集群调度的研究大多局限于单一场景,同时也缺少高效、准确的算法。该文针对以上问题提出了一种基于进化算法经验指导的深度强化学习(EA-RL)的分布式能源集群多场景调度方法。分别对分布式能源集群中的电源、储能、负荷进行个体建模,并基于个体调度模型建立了包含辅助调峰调频的多场景分布式能源集群优化调度模型;基于进化强化学习算法框架,提出了一种EA-RL算法,该算法融合了遗传算法(GA)与深度确定性策略梯度(DDPG)算法,以经验序列作为遗传算法个体进行交叉、变异、选择,筛选出优质经验加入DDPG算法经验池对智能体进行指导训练以提高算法的搜索效率和收敛性;根据多场景调度模型构建分布式能源集群多场景调度问题的状态空间和动作空间,再以最小化调度成本、最小化辅助服务调度指令偏差、最小化联络线越限功率以及最小化源荷功率差构建奖励函数,完成强化学习模型的建立;为验证所提算法模型的有效性,基于多场景的仿真算例对调度智能体进行离线训练,形成能够适应电网多场景的调度智能体,通过在线决策的方式进行验证,根据决策结果评估其调度决策能力,并通过与DDPG算法的对比验证算法的有效性,最后对训练完成的智能体进行了连续60d的加入不同程度扰动的在线决策测试,验证智能体的后效性和鲁棒性。 展开更多
关键词 分布式能源集群 深度强化学习 进化强化学习算法 多场景一体化调度
在线阅读 下载PDF
一种求解最大独立集的自学习进化算法
4
作者 丁根宏 李勤丰 李尤丰 《河海大学学报(自然科学版)》 CAS CSCD 北大核心 2008年第6期863-866,共4页
为了求解最大独立集问题,通过对求解最大团问题EA/G算法的分析,从初始解选取、种群的构成、遗传策略等方面对EA/G算法进行了改进,提出了自学习进化算法,并在DIMACS基准图上进行了大量的实验.实验结果表明,该算法运算结果比EA/G算法所求... 为了求解最大独立集问题,通过对求解最大团问题EA/G算法的分析,从初始解选取、种群的构成、遗传策略等方面对EA/G算法进行了改进,提出了自学习进化算法,并在DIMACS基准图上进行了大量的实验.实验结果表明,该算法运算结果比EA/G算法所求结果有很好的改善. 展开更多
关键词 遗传算法 EA/G算法 最大独立集 最大团 学习进化算法
在线阅读 下载PDF
学习型混合差分进化算法优化月台调度问题 被引量:1
5
作者 吴秀丽 张雅琦 《计算机集成制造系统》 EI CSCD 北大核心 2022年第11期3464-3478,共15页
为提高配送中心的管理水平,减少物流园区中等待作业的配送车辆的排队时间,研究了配送中心中的月台调度问题。首先,考虑月台—车辆兼容性约束和车辆作业时间窗约束,建立了以最小化总加权提前、拖后惩罚为目标的数学模型;然后,提出一种学... 为提高配送中心的管理水平,减少物流园区中等待作业的配送车辆的排队时间,研究了配送中心中的月台调度问题。首先,考虑月台—车辆兼容性约束和车辆作业时间窗约束,建立了以最小化总加权提前、拖后惩罚为目标的数学模型;然后,提出一种学习型混合差分进化算法,根据问题特征设计了月台调度问题的编解码方法,设计了一种学习型算子选择机制为算法在线选择交叉、变异算子,采用变邻域搜索算法作为局部搜索算法增强算法的搜索能力;最后,通过正交试验,确定了算法参数水平,进行对比实验,证明了所提模型和算法能够有效求解月台调度问题,从而帮助配送中心更好地进行月台调度管理。 展开更多
关键词 月台调度 学习型混合差分进化算法 不相关并行机 总加权提前、拖后惩罚
在线阅读 下载PDF
学习驱动的分布式异构混合流水车间批量流能效调度优化 被引量:2
6
作者 邵炜世 皮德常 邵仲世 《控制理论与应用》 EI CAS CSCD 北大核心 2024年第6期1018-1028,共11页
本文研究了分布式异构混合流水车间批量流能效调度问题,其中每个工厂的加工效率不同,工件可以分割成若干子批进入加工系统.以最大完成时间和总能耗为优化目标,建立了混合整数规划模型.本文提出了一种学习驱动的多目标进化算法,包括学习... 本文研究了分布式异构混合流水车间批量流能效调度问题,其中每个工厂的加工效率不同,工件可以分割成若干子批进入加工系统.以最大完成时间和总能耗为优化目标,建立了混合整数规划模型.本文提出了一种学习驱动的多目标进化算法,包括学习驱动的全局搜索和局部搜索.引入Q学习作为学习引擎,以种群和非支配解集的评价作为环境反馈信号,通过不断的学习来动态指导搜索操作的选择;基于问题特征,设计了算法的状态集、动作集和奖励机制.Q学习的引入能够及时感知当前搜索的状态,减少搜索操作的盲目性,提高搜索的效率.通过对仿真数据集的测试,表明所提出算法能够有效地求解分布式异构混合流水车间批量流能效调度问题. 展开更多
关键词 分布式异构混合流水车间 批量流调度 学习驱动的多目标进化算法 整数规划 能效优化
在线阅读 下载PDF
材料本构模型的唯一性 被引量:2
7
作者 杨成祥 冯夏庭 王泳嘉 《东北大学学报(自然科学版)》 EI CAS CSCD 北大核心 2000年第5期566-568,共3页
利用作者最新提出的材料本构模型智能识别的进化学习算法 ,结合实例分析 ,从一个新的角度对该问题进行了阐述 ,证明了刻意追求学习效果的不合理性·指出根据实验数据建立材料本构模型的正确方法应该是使获得的本构模型不仅对学习样... 利用作者最新提出的材料本构模型智能识别的进化学习算法 ,结合实例分析 ,从一个新的角度对该问题进行了阐述 ,证明了刻意追求学习效果的不合理性·指出根据实验数据建立材料本构模型的正确方法应该是使获得的本构模型不仅对学习样本而且对类似条件下的应力分析都能获得很好的效果·并说明了进化学习算法是解决问题的一个好方法 ,为材料本构模型的研究提供了一个新的有力工具· 展开更多
关键词 岩土材料 本构模型 唯一性 进化学习算法
在线阅读 下载PDF
基于生成对抗网络的类别文本生成 被引量:2
8
作者 蔡丽坤 吴运兵 +2 位作者 陈甘霖 刘翀凌 廖祥文 《广西师范大学学报(自然科学版)》 CAS 北大核心 2022年第4期79-90,共12页
类别文本生成旨在让机器生成人类可理解的文本,并且赋予生成文本特定的类别属性。现有工作主要采用基于生成对抗网络的文本生成框架,往往直接采用卷积神经网络进行文本特征提取,缺乏对文本全局语义的关注;此外,简单地在生成网络中引入... 类别文本生成旨在让机器生成人类可理解的文本,并且赋予生成文本特定的类别属性。现有工作主要采用基于生成对抗网络的文本生成框架,往往直接采用卷积神经网络进行文本特征提取,缺乏对文本全局语义的关注;此外,简单地在生成网络中引入注意力无法有效消除解码过程中的噪声。针对上述问题,本文提出一种将文本全局特征与局部特征联合建模的方法,通过将长短时记忆网络提取的全局语义信息与卷积神经网络提取的局部语义信息进行融合,增强生成过程中对文本全局语义信息的关注,并且引入双重注意力,进一步过滤掉序列生成中的无关信息。与基准模型相比,本文提出的方法分别在2个公开的真实数据集(Movie Review和Amazon Review)上取得了至少0.01和0.004的BLEU值的提升,表明了本文方法的有效性。 展开更多
关键词 文本生成 生成对抗网络 双重注意力 特征融合 进化学习算法
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部