共查询到20条相似文献,搜索用时 15 毫秒
1.
Journal of Systems Science and Complexity - This paper addresses the distributed adaptive optimization problem over second-order multi-agent networks (MANs) with nonuniform gradient gains. A... 相似文献
2.
3.
4.
5.
一种自适应蚁群算法及其仿真研究 总被引:139,自引:8,他引:131
蚁群算法是一种新型的进化算法,蚁群算法与其它进化算法同样存在易于限于局部最小点等缺陷。本文提出一种自适应的蚁群算法以克服上述缺陷。通过自适应地改变算法的挥发度等系数,本文中的算法可以在保证收敛速度的条件下提高解的全局性,通过对TSP问题的仿真证明本文中的算法相对与原始的蚁群算法收敛速度和解的性能都有一定的提高。 相似文献
6.
7.
采用常规的优化方法难以解决一般DEDS的优化问题,本文提出了一种新的基于仿真的自适应随机搜索技术,用于解决这类问题。实践表明,这种方法具有较高的搜索速度及广泛的适用性。 相似文献
8.
9.
一种改进的自适应免疫进化规划方法及其应用 总被引:4,自引:3,他引:4
结合免疫系统的机理和进化规划原理,对免疫进化规划进行改进。即引入多样性函数和群体局部退化相结合的方法,对克隆细胞进行选择和更新,增强群体信息的多样性,克服近亲细胞过度繁殖而引起早熟收敛;利用双曲正切函数,无须区分亲和度界限,决定个体细胞的变异率,实现细胞群的自适应变异;选择亲和度高的一半细胞作为记忆细胞,利用其替换原始细胞群亲和度低的细胞。对各部分改进的原因和优点进行了分析,给出了算法的主要步骤,并对自适应免疫进化规划的收敛性进行了说明。最后用不同的测试函数进行仿真实验,结果表明了方法的有效性。 相似文献
10.
群优化是一种随机的群体搜索策略.针对粒子群算法易陷入局部最优和收敛速度慢等不足,提出了根据粒子的能量自适应调整参数的改进算法.该算法基于动力学和热力学的理论,计算每个粒子的能量值,并将优化过程中的群体视为热力学的某一状态,通过退火温度和粒子的能量动态调整算法中的惯性参数,达到对"惰性"粒子的原速度方向给予较大的牵引力的目的.优化过程中,随着系统温度的降低,惯性参数逐渐减小,有利于问题的收敛.算法中采用了带极值扰动策略,加速粒子跳出局部最优的能力.数值实验结果表明,该算法具有收敛精度高和收敛速度快的特点,可快速有效的求解约束和非约束优化问题. 相似文献
11.
基于自适应网格的多目标粒子群优化算法 总被引:5,自引:1,他引:4
针对现有多目标进化算法计算复杂度高,搜索效率低等缺点,提出了基于自适应网格的多目标粒子群优化(AGA-MOPSO)算法,其特点包括:评估非劣解集中粒子密度估计信息的自适应网格算法;能够平衡全局和局部搜索能力的基于AGA的Pareto最优解搜索技术;删除非劣解集集中品质差的多余粒子以维持非劣解集在一定规模的基于AGA的非劣解集截断技术.仿真计算表明,和文献中典型的多目标进化算法比较,AGA-MOPSO算法在求解复杂大规模优化问题方面表现了良好的性能. 相似文献
12.
13.
14.
提出了一种新型群体智能优化方法—菌群自适应搜索算法(Adaptive Bacterial Foraging Optimization,ABFO)。ABFO算法在细菌觅食算法(Bacterial Foraging Optimization,BFO)研究工作的基础上,将细菌的趋化行为,群体感应机制和自适应搜索策略相集成,体现细菌个体通过信息交流与合作在群体层面表现出更高智能行为的特性。此外,ABFO算法的自适应策略动态地控制人工细菌的趋化步长,从而能够在运行时有效地平衡算法的探索和开发能力。然后,基于ABFO进行公交调度模型的求解,以便快速地集散交通流,实现站点、客流、车流的优化配置。仿真试验结果表明,与其它智能算法相比ABFO算法具有收敛速度快,寻优能力强和较强的鲁棒性等优越性能。 相似文献
15.
为了解决复杂产品创新设计系统中多主体协作的冲突协商问题,提出一种基于模糊物元分析的启发式自适应变异微粒群全局优化算法.首先,引入模糊物元分析理论,将各设计主体的个性化要求、特征及相应的模糊量值结合起来建立其形式化模糊物元模型,应用模糊物元优化方法将多目标协商问题转化为单目标协商问题;然后,给出了该协商模型的自适应变异微粒群求解算法,在微粒群寻优过程中引入变异机制,根据自适应变异概率对惰性和适应度差的微粒进行突变操作,增大微粒间的差异性和非均匀性,有效阻止算法过早收敛于局部最优点,提高算法的求解速度;最后,通过在汽车动力传动系统参数优化匹配协同设计中的应用,表明了该协商算法的有效性. 相似文献
16.
针对常规的自适应动态矩阵控制算法,在实际被控对象的模型参数发生突变时,系统的瞬态响应较差,提出了基于PSO在线优化的多模型自适应动态矩阵控制方法。对一类含跳变参数的单输入单输出离散时间被控对象,在模型参数范围未知情况下,以自适应模型参数为依据,经规则判断后通过所提出的基于双群体深度搜索的粒子群优化(PSO)算法在线优化自适应模型参数,并通过所定义的模型相似度自动建立多个固定模型。通过指标切换函数找到当前最优控制器。仿真结果表明,该方法明显优于常规的自适应动态矩阵控制算法,说明了该方法的有效性和可行性。 相似文献
17.
求解带约束函数优化的两级自适应遗传算法 总被引:5,自引:0,他引:5
针对带约束的非线性函数优化问题 ,提出一个两级自适应遗传算法。根据待优化函数和约束构造拉格朗日对偶函数 ,在下级对给定的拉格朗日乘子 ,用遗传算法搜索变量的最优解 ;在上级针对拉格朗日对偶函数 ,用遗传算法搜索拉格朗日乘子的最优解。采用自适应的方法 ,根据个体的适配值和种群的适配值统计特性确定交叉概率和变异概率。计算结果表明 ,该算法是有效的。 相似文献
18.
19.
一种基于自适应遗传算法的CMAC的学习率优化方法 总被引:3,自引:3,他引:3
CMAC(cerebellar model articulation controller)是一种局部逼近神经网络,它发展了近30年,但是关于其学习率的确定仍缺乏好的方法。基于CMAC的控制系统如果没有好的学习率,那么系统就会不稳定或者收敛速度很慢。在传统方法的基础上提出利用遗传算法(GA)来确定其学习率,通过自适应遗传算法(GA)其他传统方法相比较,表明利用自适应遗传算法(GA)不仅使系统稳定,而且收敛速度更快,并进行了仿真验证。 相似文献
20.