排序方式： 共有3条查询结果，搜索用时 15 毫秒
1
1.
为增强差分进化算法的局部搜索能力,一种新局部搜索策略引入到差分进化算法中,从而提出一种新局部搜索策略的差分进化算法。该算法用局部搜索得到新个体替换较劣个体,使其跳出局部最优,以此增强种群的多样性。数值实验选取4个测试函数,并与差分进化算法进行比较,结果表明算法的有效性。 相似文献
2.
为增强多目标分布估计算法(MEDA)的局部搜索能力,将云模型引入到多目标分布估计算法中,提出一种多目标云分布估计算法(CMEDA).该算法一方面利用分布估计的采样操作对进化种群进行搜索,另一方面利用云滴具有随机性、稳定倾向性等特点,进行外部档案搜索,实现群体间信息交换,从而提高多目标分布估计算法的全局搜索能力.数值实验选取6个常用测试函数,并与NSGA-Ⅱ和MEDA算法进行比较,结果表明,CMEDA算法在收敛性和多样性两方面都有较好的性能. 相似文献
3.
基于差分进化算法确定SOR超松弛因子 总被引：1，自引：0，他引：1
SOR迭代方法中的最佳超松弛因子的确定,一直是数值代数中的一个理论难题.本研究利用差分进化算法构造出近似确定SOR超松弛因子的自适应进化算法.数值算例表明,算法是实用和有效的. 相似文献
1