期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
面向大规模优化问题的精英贡献两阶段动态分组算法
1
作者 王彬 张娇 +2 位作者 李薇 王晓帆 金海燕 《计算机工程》 CAS CSCD 北大核心 2024年第7期154-163,共10页
协同进化框架是解决大规模全局优化问题的有效方法,设计合理的决策变量分组方法是提高协同进化算法性能的关键,而利用精英决策变量动态构建精英子组件可以有效提高进化效率,但在进行大规模优化时,其可能将无关的变量分配到同一子组件,... 协同进化框架是解决大规模全局优化问题的有效方法,设计合理的决策变量分组方法是提高协同进化算法性能的关键,而利用精英决策变量动态构建精英子组件可以有效提高进化效率,但在进行大规模优化时,其可能将无关的变量分配到同一子组件,从而无法充分利用分组提高协同进化效率。针对该问题,提出一种精英贡献两阶段动态分组算法(EC-TSDG)。在分组前阶段,对变量进行随机分组,评估变量的贡献程度,从众多变量中寻找精英贡献变量;在分组后阶段,利用变量的相关关系寻找与精英决策变量存在相互作用的剩余变量,并将其合并形成精英子组件,使得精英子组件内部的变量两两相关,以此提高变量分组的准确性以及算法的收敛速度,避免子组件之间的相关干扰。最后,采用具有外部存档的自适应差分进化算法作为优化器进化各个子组件。在CEC'2013测试集上与其他先进算法进行比较,实验结果表明,EC-TSDG收敛速度快于对比算法,Friedman检验值为1.43,平均排序较对比的动态分组算法DCC平均提升36.78%。 展开更多
关键词 协同进化 大规模优化问题 两阶段动态分组 贡献信息 精英子组件
在线阅读 下载PDF
基于时空间联合去噪的改进差分进化算法
2
作者 王彬 张鑫雨 金海燕 《计算机科学》 CSCD 北大核心 2024年第9期299-309,共11页
在工程问题的优化求解过程中,对个体的适应度评价可能会受到环境噪声的干扰,进而影响对种群进行合理的优胜劣汰操作,造成算法性能下降。为了对抗噪声环境的影响,提出了一种基于时空间联合去噪的改进差分进化算法(SEDADE)。根据适应度排... 在工程问题的优化求解过程中,对个体的适应度评价可能会受到环境噪声的干扰,进而影响对种群进行合理的优胜劣汰操作,造成算法性能下降。为了对抗噪声环境的影响,提出了一种基于时空间联合去噪的改进差分进化算法(SEDADE)。根据适应度排名将种群划分成两个子种群,对评价较差个体组成的子种群用分布估计算法(EDA)进化,采用高斯分布建模解空间,利用解空间中多个个体噪声的随机性抵消噪声影响;对评价较好个体组成的子种群用差分进化算法(DE)进化,并且引入基于时间的停滞重采样机制去噪,提高收敛精度。对时空间混合进化得到的两个子种群进行基于概率选择的EDA信息利用操作,利用EDA搜索得到的全局信息引导DE的搜索方向,避免陷入局部最优。在实验中使用了被零均值高斯噪声干扰的基准函数,可以发现SEDADE相比其他算法更具有竞争性,此外通过消融实验验证了所提算法包含的3个机制的有效性和合理性。 展开更多
关键词 差分进化 分布估计 噪声 重采样 混合进化 信息利用
在线阅读 下载PDF
基于多模智能网关的智能家居系统设计 被引量:10
3
作者 闫文耀 王志晓 +1 位作者 李军怀 张德运 《计算机工程》 CAS CSCD 北大核心 2015年第9期31-38,共8页
针对智能家居空间中的设备互联、网络访问方式及业务类型多样性现状,基于IXP425网络处理器和开源Linux Open WRT操作系统,设计支持IPv4和IPv6协议的多模智能融合网关(MMIIG),采用Netfilter/Iptables技术,保证MMIIG的安全性和控制网络流... 针对智能家居空间中的设备互联、网络访问方式及业务类型多样性现状,基于IXP425网络处理器和开源Linux Open WRT操作系统,设计支持IPv4和IPv6协议的多模智能融合网关(MMIIG),采用Netfilter/Iptables技术,保证MMIIG的安全性和控制网络流量,在此基础上构建以MMIIG为中心的简易智能家居系统。测试结果表明,该智能家居系统可通过MMIIG使家庭内外网络与电子电器设备相连接,实现远程管理、智能控制、影音共享等功能。 展开更多
关键词 智能家居 智能网关 多业务 异构融合 服务质量
在线阅读 下载PDF
基于协方差分析的合作协同进化差分进化算法 被引量:7
4
作者 王彬 任露 +1 位作者 王晓帆 曹雅娟 《通信学报》 EI CSCD 北大核心 2023年第1期189-199,共11页
在大规模高维优化问题中,随着决策变量数目的增加,协同进化算法在搜索全局最优解过程中容易陷入局部最优。基于此,提出了一种基于协方差分析的合作协同进化差分进化算法,在根据决策变量之间的相关性对优化问题进行分组之后,针对子组件... 在大规模高维优化问题中,随着决策变量数目的增加,协同进化算法在搜索全局最优解过程中容易陷入局部最优。基于此,提出了一种基于协方差分析的合作协同进化差分进化算法,在根据决策变量之间的相关性对优化问题进行分组之后,针对子组件内部变量之间的相关性会影响种群进化过程的现象,在对子组件优化的过程中,利用协方差计算种群分布的特征向量,通过坐标旋转消除变量之间的相关性,有效避免在种群搜索过程中陷入局部最优,同时加快了算法的寻优速度。在CEC2014测试函数集上进行了对比实验,实验结果表明,所提算法具有可行性。 展开更多
关键词 大规模优化问题 合作协同进化 相关性 协方差分析 差分进化
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部