-
题名基于保留策略的Bayesian网优化算法
- 1
-
-
作者
陈海霞
苑森淼
姜凯
-
机构
吉林大学计算机科学与技术学院
中国电子科技集团公司第四十五研究所
-
出处
《计算机工程与应用》
CSCD
北大核心
2005年第14期61-63,共3页
-
基金
国家自然科学基金项目(编号:60275026)
-
文摘
提出了一种基于保留策略的Bayesian网优化算法。算法中通过学习Bayesian网络自动获取进化过程中各基因之间的依赖关系及分布描述,以便更好地指导算法的进化,并利用保留的父辈中间群体扩充学习数据集规模,解决了Bayesian网学习可靠性与较大群体规模之间的矛盾。实验表明,算法能够在有效收敛的前提下降低对群体规模的要求,具有较高的学习效率。
-
关键词
bayesian网优化算法
概率模型
保留策略
-
Keywords
bayesian network optimization algorithm,probability model,holding strategy
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名增强人工蜂群算法求解半导体最终测试调度问题
被引量：4
- 2
-
-
作者
吕阳
钱斌
胡蓉
张梓琪
-
机构
昆明理工大学信息工程与自动化学院
昆明理工大学云南省人工智能重点实验室
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2021年第9期1708-1715,共8页
-
基金
国家自然科学基金(No.51665025,No.61963022)。
-
文摘
本文提出一种增强人工蜂群算法(Enhanced Artificial Bee Colony,EABC),用于最小化半导体最终测试调度问题(Semiconductor Final Testing Scheduling Problem,SFTSP)的最大完工时间.该算法采用混合启发式方法初始化种群,并利用前插式解码策略来提高初始解的质量.在算法搜索阶段设计多种基于问题性质的探索策略和基于贝叶斯网络的概率模型对问题解空间进行深度与宽度的协同搜索.此外,提出基于重启策略的种群更新机制以加强算法跳出局部最优的能力.实验部分构造多种对比算法来验证EABC中各关键环节的有效性.通过基于实例的数值仿真以及与NFOA(Novel Fruit fly Optimization Algorithm)、KMEA(Knowledge-based Multi-agent Evolutionary Algorithm)和CCIWO(Cooperative Co-evolutionary Invasive Weed Optimization)的算法比较验证了EABC的有效性和鲁棒性.
-
关键词
半导体最终测试
人工蜂群算法
启发式规则
贝叶斯网络
多策略融合
概率模型
排序模型
-
Keywords
semiconductor final test
artificial bee colony algorithm
heuristic rules
bayesian network
multi-strategy integration
probability model
permutation-based model
-
分类号
TP391.9
[自动化与计算机技术—计算机应用技术]
TN406
[电子电信—微电子学与固体电子学]
-
