共查询到20条相似文献,搜索用时 281 毫秒
1.
2.
3.
结合分布估计算法的强全局收敛能力和差分进化算法的快速收敛性能,提出了一种带差分进化策略的多分布进化算法(multi-distribution evolutionary algorithm with differential evolution,MDEA_DE)。为了进一步提高算法的全局收敛性能,MDEA_DE采用了基于分布种群的多分布进化机制,并通过三种高斯分布模型生成具有较好多样性的高质量解种群。同时,利用搜索空间调整策略来提高高斯分布模型的精度,并执行解空间中的改进差分进化搜索以获得增强的局部开发能力。对基准测试函数的数值试验结果表明,MDEA_DE能够在全局探索和局部开发之间取得较好的平衡,能快速收敛到复杂优化问题的全局最优解。 相似文献
4.
5.
针对基于模板的目标跟踪算法存在模板冗余高、难以适应非刚性目标外观多变的问题,提出一种基于粒子滤波的模板在线聚类目标跟踪方法.首先建立用于描述目标和背景的正、负模板集,然后抽取候选粒子,使用候选粒子与正、负模板集的类内距离以及正、负模板集之间的类间距离来构建似然函数,最后依据最大后验概率准则确定最佳候选粒子作为跟踪结果.根据视频序列中连续变化的目标状态,将一定范围内的相似目标状态视为一个状态类,确定当前状态类的聚类半径.采用均值漂移算法对正模板集及最近几帧跟踪结果进行聚类,并将聚类后的中心集作为新的正模板集.实验表明,该算法能保留目标不同的外观状态,在复杂情况下仍能准确跟踪目标. 相似文献
6.
提出了一种包含随机运动的复杂密集场景下的目标跟踪方法. 在跟踪算法中,将稀疏模型与多模块彩色特征相结合,并通过将其转化为l1正则化最小二乘问题实现对特征的稀疏投影. 跟踪过程中利用粒子滤波得到预测跟踪点,并将对应于最小投影差的预测点模块作为最优跟踪. 为适应特征变化,在跟踪完成后根据新的跟踪结果自动更新目标模板. 大量包含遮挡和光照变化的不同类型密集场景测试验证了该方法的有效性,与其他算法的比较说明了其优良性能. 相似文献
7.
8.
9.
动态环境下基于混合记忆策略的遗传算法 总被引:1,自引:0,他引:1
为了有效地处理动态优化问题,提出一种短时记忆与长时记忆相结合的混合记忆策略. 被记忆的信息由最优个体与种群概率向量组成. 短时记忆作用于进化过程中的每一代,对记忆中的信息进行提取并构建下一代的种群;长时记忆仅在环境发生变化时产生作用,取新环境中最优的一组信息对短时记忆进行赋值. 该文首先构建了动态环境下基于混合记忆策略的遗传算法,然后在非周期、周期和带噪声周期动态环境下进行算法的性能验证. 实验结果表明,新算法处理动态优化问题的能力优于同类算法. 相似文献
10.
11.
12.
基于当前最优解的反向差分进化算法求解函数优化问题 总被引:1,自引:0,他引:1
当最优解偏离目标函数定义域的几何中心时,反向个体容易远离全局最优解,基于反向差分进化算法的性能会大幅降低. 该文引入基于当前最优解的反向学习策略,并与差分进化算法相结合,求解函数优化问题. 当前代的最优解作为候选解和相应反向个体之间的对称点,能保证反向种群的利用率始终维持在较高水平. 实验结果表明,该算法可行而高效,且算法性能的提升完全是反向个体的贡献. 此外,提出一种增强的基于反向差分进化算法,展示出此类优化方法的最优效果. 相似文献
13.
基于模拟退火思想的优化k-means算法 总被引:4,自引:0,他引:4
鉴于典型的基于划分的聚类算法——k-means算法中存在局部最优和算法执行速度慢等问题,提出了基于模拟退火思想的优化k!means算法.该算法将模拟退火思想用于对k-means算法的优化,是一种具有全局最优解和较高执行效率的算法.针对聚类算法典型数据集和随机产生的数据集,在不同情况下进行对比实验.实验结果表明,优化k-means算法优于基本的k-means算法。 相似文献
14.
15.
《黑龙江大学自然科学学报》2016,(5)
在外部环境变化时,很难快速有效地对光伏发电系统最大功率点进行跟踪。传统最优梯度法在跟踪光伏发电系统最大功率点时响应速度慢且存在振荡问题,本文提出了一种结合模糊控制(Fuzzy logical control,FLC)和最优梯度法(Optimum gradient method,OGM)的光伏发电系统最大功率点跟踪(Maximum power point tracking,MPPT)方法。当系统功率距离最大功率点较远时,利用最优梯度法进行跟踪,当达到最大功率点附近时,利用模糊控制算法进行跟踪。仿真结果表明,所提出的改进方法可以有效地进行最大功率点跟踪,解决了最优梯度法在最大功率点处振荡的问题,跟踪速度提升了64%,在外界环境快速变化时也可有效地进行最大功率跟踪。 相似文献
16.
集成学习是一种受到广泛认可和使用的机器学习算法.为此提出一种新的多类集成学习算法,即AdaBoost belief.此算法改进多类集成学习算法AdaBoost·SAMME,使每个基分类器对于每个类别都有权重信息.这种类别上的权重被称为类别信念,可通过计算每次迭代中各个类别的正确率得到.将所提出的算法与原有的AdaBoost·SAMME算法从预测准确率、泛化能力以及理论支持等方面进行比较发现:在高斯数据集、多种UCI数据集以及基于日志的多类别入侵检测应用中,该算法不但具有更高的预测准确率和泛化能力,而且当类别数目增加,即类别更难以预测时,其分类错误率较原有AdaBoost·SAMME算法上升得更缓慢. 相似文献
17.
提出了一种基于磁跟踪装置的自适应区域基准的三维注册算法并应用于增强现实车间布局中.该算法的基本思路是把磁跟踪发射器的半球空间划分为N个区域,每个区域都有相应的基准,当磁接受器到达每个区域时,自动地利用该区域的基准来注册定位.为验证所提出的算法,开发了一种网络环境下支持多用户协同设计的车间布局原型系统.系统运行及误差分析结果表明,此方法相对于直接使用跟踪装置的注册算法而言,精度及鲁棒性均有所提高,能较好的满足大环境下车间布局的精度和广度的要求. 相似文献
18.
19.
通过具体分析动态预测控制算法在工业应用中存在的实际问题,提出了一种三值动态矩阵控制算法,该算法主要在优化性能指标函数式中真正地建立了"头、中、尾"3点约束.仿真结果表明,该算法具有系统跟踪精度高、鲁棒性好等优点.同时,针对慢时变、大时延和不确定性系统的跟踪问题,提出了一种基于BP网络的三值动态矩阵控制算法.该算法在三值动态矩阵控制算法的基础上,利用一个3层BP神经网络对被控对象进行辨识.通过仿真,验证了所提算法的有效性. 相似文献